Anthropic 为其 Claude Managed Agents 平台新增了「动态工作流」（dynamic workflows）能力，把多代理编排正式引入这一托管代理基础设施。按照官方描述，一次执行中会先由一个主代理制定计划，再把任务分发给多个子代理，待子代理完成后由主代理汇总结果；单次执行最多可并行运行 1000 个代理。托管代理基础设施此前已存在一段时间，动态工作流则是新加入的部分。
Anthropic 用一组内部测试来支撑这一设计。团队在一个 11.6 万行的代码库中埋入 70 个缺陷，结果显示：单个代理每轮运行只能发现 14 至 27 个，而动态工作流则稳定找出 66 个。这一对比被官方用来论证多代理并行在复杂任务上的优势，但文章也指出，这类增益能否在不同任务类型上复现，仍有待验证，用户最好用自己的实际工作负载去测试。
围绕多代理并行的性价比，业界存在明显分歧。文章提到，一位 OpenAI 的资深工程师近期把「代理蜂群」（agent swarms）称为对 token 的巨大浪费。Anthropic 并未直接回应这一批评，而是以自测数据作为论据。这背后是两种思路的张力：多代理并行通过拆分任务、并行探索来提高覆盖率与准确率，代价则是 token 消耗成倍上升；单代理串行方案更省资源，但在需要广覆盖的任务上容易漏检。
在启用方式上，用户需要选择名为 multiagent_20261001 的代理类型来激活动态工作流。Anthropic 提醒，这类工作流可能消耗「大量 token」，因此建议从小规模开始。用户可以通过官方文档上手，或在 Claude Code 中运行 /claude-api managed-agents-onboard 命令完成接入。
从行业视角看，多代理编排正成为大模型厂商竞争的新焦点。随着模型能力趋于接近，如何把单次推理扩展为可调度、可分工、可汇总的自动化流程，成为决定代理产品能否落地的关键。Anthropic 此举把并行规模推到千级，同时也把成本控制问题摆到台面上——对开发者而言，真正的考验在于：在具体业务场景中，多代理带来的准确率提升能否覆盖 token 开销。