TipAnthropic: én AI-agent med skills slår ofte et helt hold af agenter, og bliver hurtigere og billigere
Bygger du en AI-agent og overvejer at dele arbejdet mellem flere specialistagenter? Anthropic, firmaet bag Claude, siger nu, at én enkelt agent, der henter instruktioner og værktøjer, når den har brug for dem, ofte giver bedre svar til lavere pris og med kortere ventetid. Her er, hvornår flere agenter alligevel er det rigtige, og hvordan du tester.
Den 25. oktober 2026 omtalte The Decoder en ny guide fra Anthropic: Building agents: When to fold subagents into your main agent loop. Her skriver Anthropics team for anvendt AI, at de har set det samme mønster i flere virksomhedsprojekter. Én agent med skills, altså genbrugelige instruktioner, gav ofte bedre resultater end både én kæmpeprompt til alt og en gruppe specialiserede underagenter. Den var desuden ofte billigere og hurtigere pr. opgave.
Problemet med mange agenter er overleveringerne. Hver gang en agent giver opgaven videre til en anden, forsvinder detaljer, lidt som i hviskeleg. Når hver afdeling bygger sin egen agent, ender mange med at overlappe, og den fælles instruktion bliver et kludetæppe af regler, der strider mod hinanden. I ét eksempel havde en virksomhed et dusin specialistagenter i sin kundeserviceagent. Det gjorde det svært at lyde ens og gav lange ventetider. En kunde, der sammenlignede, så at én agent var cirka dobbelt så hurtig.
Anthropics løsning er, at agenten kun ser korte beskrivelser af sine skills og værktøjer og først indlæser hele instruktionen, når der er brug for den. Ifølge Anthropic er det ofte nok med en klar instruktion, 4–5 enkle værktøjer til at hente data og faste regler for svarene. Agenten vælger typisk værktøjer dårligere, når den har mere end 30–50 at vælge imellem. Anthropic har selv forkortet instruktionen til Claude Code med over 80 procent for de nyere modeller.
Flere agenter er stadig det rigtige i nogle tilfælde, skriver Anthropic: når én agent bliver målbart dårligere af for meget information, når flere opgaver skal løses samtidig med hver sin rene sammenhæng, eller når en agent har svært ved at vælge det rigtige værktøj eller har modstridende regler. Anthropic advarer også mod at slå agenter sammen i blinde. I en test med en supportagent blev svarene hurtigere, men en proces, der tidligere havde virket, gik i stykker.
Hvad betyder det for en lille virksomhed? Start enkelt. Én agent, en klar instruktion og nogle få værktøjer rækker som regel langt. Skills er desuden blevet en åben standard, der virker i flere AI-tjenester. Har du allerede flere agenter, kan du bruge Anthropics gratis migreringskit på GitHub. Grundprincippet er det samme uanset værktøj: mål, ændr én ting ad gangen, og behold det, der holder.
Sådan kommer du i gang
- Start med én agent og en klar instruktion. Tilføj ikke flere agenter, før du ser et konkret problem.
- Gør faste arbejdsgange til skills i stedet for separate agenter, og hold antallet af værktøjer nede.
- Skriv ti eksempelopgaver med det rigtige svar, før du ændrer noget. Ifølge Anthropic er ti sådanne eksempler nok til at komme i gang.
- Ændr én ting ad gangen, og kør hver test mere end én gang. Behold kun ændringer, der holder eller forbedrer resultatet.
- Lad vores prompt Har jeg brug for flere AI-agenter? gennemgå dit design, før du bygger videre.
Mere på TipAI
Kilder
- Anthropic (Claude): Building agents – When to fold subagents into your main agent loop (hentet 2026-10-26)
- The Decoder: Anthropic says one AI agent beats many subagents now that models can handle complexity alone (25 okt 2026) (hentet 2026-10-26)
- GitHub: anthropics/single-agent-loop-kit (Anthropics migreringskit) (hentet 2026-10-26)
Gratis snydeseddel: Kom i gang med AI
Én side til print med grundformlen, fem ting at prøve og hvordan du bruger AI sikkert. Skriv din e-mail, så sender vi den med det samme – gratis, afmeld når du vil.
Få snydesedlen gratis →TipAI forklarer AI i et enkelt sprog for begyndere, familier og små virksomheder. Hver artikel har kilder og "Sådan kommer du i gang".