Anthropic 為其 Claude Managed Agents 平台新增了「動態工作流」（dynamic workflows）能力，把多代理編排正式引入這一託管代理基礎設施。按照官方描述，一次執行中會先由一個主代理制定計劃，再把任務分發給多個子代理，待子代理完成後由主代理彙總結果；單次執行最多可並行執行 1000 個代理。託管代理基礎設施此前已存在一段時間，動態工作流則是新加入的部分。
Anthropic 用一組內部測試來支撐這一設計。團隊在一個 11.6 萬行的程式碼庫中埋入 70 個缺陷，結果顯示：單個代理每輪執行只能發現 14 至 27 個，而動態工作流則穩定找出 66 個。這一對比被官方用來論證多代理並行在複雜任務上的優勢，但文章也指出，這類增益能否在不同任務型別上覆現，仍有待驗證，使用者最好用自己的實際工作負載去測試。
圍繞多代理並行的價效比，業界存在明顯分歧。文章提到，一位 OpenAI 的資深工程師近期把「代理蜂群」（agent swarms）稱為對 token 的巨大浪費。Anthropic 並未直接回應這一批評，而是以自測資料作為論據。這背後是兩種思路的張力：多代理並行通過拆分任務、並行探索來提高覆蓋率與準確率，代價則是 token 消耗成倍上升；單代理序列方案更省資源，但在需要廣覆蓋的任務上容易漏檢。
在啟用方式上，使用者需要選擇名為 multiagent_20261001 的代理型別來啟用動態工作流。Anthropic 提醒，這類工作流可能消耗「大量 token」，因此建議從小規模開始。使用者可以通過官方文件上手，或在 Claude Code 中執行 /claude-api managed-agents-onboard 命令完成接入。
從行業視角看，多代理編排正成為大模型廠商競爭的新焦點。隨著模型能力趨於接近，如何把單次推理擴充套件為可排程、可分工、可彙總的自動化流程，成為決定代理產品能否落地的關鍵。Anthropic 此舉把並行規模推到千級，同時也把成本控制問題擺到檯面上——對開發者而言，真正的考驗在於：在具體業務場景中，多代理帶來的準確率提升能否覆蓋 token 開銷。