Anthropic recomienda a las empresas que construyen agentes de IA usar menos subagentes y devolver buena parte de su trabajo al bucle del agente principal, que carga skills y herramientas solo cuando las necesita. Lo explica en un artículo firmado por Diane Sarkis y publicado el 22 de octubre de 2026, donde asegura que, en varios despliegues empresariales, un único agente con skills suele dar mejor calidad que los diseños con subagentes, y casi siempre con menos coste y latencia por tarea.
Las claves de la recomendación de Anthropic de usar menos subagentes en 30 segundos
- Anthropic aconseja integrar subagentes en el bucle principal como skills y herramientas que se cargan bajo demanda.
- Según la empresa, un agente único con skills suele superar a los diseños con subagentes en calidad, coste y latencia.
- Un cliente comprobó que un solo bucle iba unas dos veces más rápido que su sistema multiagente.
- Anthropic publica en GitHub single-agent-loop-kit, un kit guiado para migrar a un solo bucle.
- Pide evaluaciones de principio a fin para cada subagente fusionado, porque puede romper tareas.
La recomendación va en dirección contraria a la moda de los sistemas multiagente, en los que cada especialista tiene su propio bucle de ejecución. El argumento de Anthropic es práctico: cada traspaso entre agentes obliga a resumir y transferir contexto, y en ese paso se pierden detalles, se añade latencia y se multiplican los tokens. Además, desde Opus 4.5 los modelos asumen dentro de un solo bucle más trabajo del que muchos equipos esperaban.
Qué propone Anthropic
El patrón que defiende es la divulgación progresiva. El agente principal solo ve descripciones breves de sus skills y herramientas y carga el detalle completo cuando lo necesita: las skills guardan procedimientos y conocimiento de dominio, y la búsqueda de herramientas evita cargar todas las definiciones a la vez. Anthropic cuenta que aplicó esta idea a Claude Code y que redujo su prompt de sistema más de un 80 % para los modelos más avanzados.
El artículo concreta varias reglas de diseño. Los límites estrictos, como validaciones o aprobaciones, deben vivir en las herramientas, y el orden de los pasos y los procedimientos, en las skills. Las herramientas conviene agruparlas por intención del usuario y no una por cada API, porque la elección se degrada a partir de unas 30 a 50 definiciones. Los permisos por usuario se gestionan dentro de la herramienta, que devuelve un rechazo legible para el modelo. Y un traspaso completo a otro agente solo tiene sentido cuando ese agente debe hablar directamente con el usuario.
Anthropic describe también los problemas que ve en grandes organizaciones: cientos de subagentes solapados y sin dueño, prompts que mezclan reglas contradictorias de distintos equipos y arquitecturas que copian el organigrama, cada departamento con su agente. En un caso, un agente de cara al cliente tenía una docena de subagentes especialistas, lo que complicaba mantener un tono coherente y añadía latencia. Otro cliente descubrió que un solo bucle era unas dos veces más rápido que su sistema multiagente.
Fusionar sin romper nada
La parte más útil del texto es la advertencia que la propia empresa reconoce. En un agente de atención al cliente de ejemplo, fusionar un subagente en otro redujo la latencia, pero rompió un proceso que antes funcionaba: el agente principal respondió por su cuenta usando la herramienta de consulta de pedidos, sin preguntar al especialista de envíos por la fecha de entrega. El fallo apareció en una de las dos ejecuciones, lo que muestra que mirar solo métricas agregadas no basta.
Por eso recomienda migrar por etapas. Primero, crear una pequeña evaluación de principio a fin; según Anthropic, diez ejemplos de referencia bastan para empezar. Después, empezar por los subagentes más usados y fusionar los especialistas muy acoplados, llamar a los restantes como herramientas para tener una línea base, y convertir los prompts de cada subagente en skills y sus llamadas a API en herramientas MCP. Cada fusión se compara con y sin el subagente, y solo se mantiene el subagente si la versión fusionada puntúa peor. Las pruebas deben incluir cada cadena de agentes en producción y cada regla que el agente no puede romper, y ejecutarse más de una vez.
Para ayudar en ese proceso, Anthropic ha publicado en GitHub single-agent-loop-kit, un flujo guiado para analizar un sistema multiagente y trasladarlo a un solo bucle, con una demostración sobre un sistema simulado. El artículo menciona también varias skills de la API de Claude, como /claude-api build-eval para crear evaluaciones o /claude-api cost-optimize para proponer ahorros de coste y latencia.
Cuándo siguen teniendo sentido los subagentes
El texto no da por muertos a los subagentes. Anthropic los mantiene cuando un único bucle muestra una degradación medible por exceso de contexto, cuando varias tareas se ejecutan en paralelo y se benefician de ventanas de contexto limpias y desechables, o cuando un agente único no acierta al elegir herramientas o su prompt acumula instrucciones contradictorias. Si se usan, recomienda empezar por patrones simples, como generador y verificador, y dividir el trabajo por contexto, no por tipo de problema, para que cada subagente necesite poco del resto y devuelva un resultado compacto.
La pregunta de diseño, por tanto, ya no es cuántos especialistas se pueden orquestar, sino si cada subagente necesita de verdad su propio contexto y su propio bucle o es, en realidad, una skill con otro nombre. Noticias.ai ya analizó qué hay de real en el equipo de agentes viral de Claude Code, un caso en el que la propia documentación de Anthropic recomienda una sesión única para buena parte de las tareas.
Preguntas frecuentes
¿Qué recomienda Anthropic sobre los subagentes?
Usar menos y trasladar su trabajo al agente principal mediante skills y herramientas que se cargan solo cuando hacen falta, siempre comprobándolo con evaluaciones.
¿Cuánto mejora un agente único frente a varios subagentes?
Según Anthropic, suele ofrecer mejor calidad con menos coste y latencia, y un cliente midió un bucle único unas dos veces más rápido que su sistema multiagente.
¿Qué es single-agent-loop-kit?
Es un kit de Anthropic publicado en GitHub que guía la evaluación y migración de un sistema multiagente a un solo bucle, con una demostración sobre un sistema simulado.
¿Cuándo conviene seguir usando subagentes?
Cuando hay degradación medible por exceso de contexto, tareas en paralelo que necesitan contexto limpio o un agente único que no acierta al elegir herramientas.
Fuentes:
