# Как параллельно работать в Claude Code: четыре способа
> Разбираем четыре примитива Claude Code, изоляцию параллельной работы через git worktree и Outcomes с независимой проверкой результата. Оценка реального предела по обзорам 2026 года — 4–8 копий на разработчика.
Source: https://ailoot.ai/blog/ru/claude-code-parallel-worktree-agents/
Canonical: https://ailoot.ai/blog/ru/claude-code-parallel-worktree-agents/
Language: ru
Publisher: Ailoot (https://ailoot.ai/)
Translation: guide-179
Revision: sha256-afa76ab8b88f5bcc444ff7f2b2da4d571ae7532353628e92402cc8a3144f39dd
Кратко
В Claude Code есть четыре способа распределить работу между агентами: subagents внутри одной сессии, skills с инструкциями, agent teams с ведущим агентом и отдельными окнами, а также Dynamic Workflows — JavaScript-сценарии, исполняемые runtime. Если нужно запустить больше пяти экземпляров Claude Code на одном компьютере, изолируйте их рабочие файлы с помощью git worktree и выберите подходящий интерфейс управления. Официальный runtime допускает до 16 агентов одновременно и до 1000 за один запуск. Главный риск не технический: без проверки десятки агентов могут параллельно производить ненужные результаты. Подход Outcomes помогает этого избежать: критерии оценивает отдельный агент-проверяющий.
Практические материалы о параллельной работе с агентами собраны в [документации Ailoot](https://ailoot.ai/docs/).
Это руководство описывает возможности Claude Code для параллельной работы, подходящие сценарии и способы контролировать качество. Оно опирается на четыре официальных примитива Claude Code и объясняет, как сочетать их с git worktree. Все приводимые технические сведения и цитаты относятся к официальным материалам Anthropic.
## Что означает multi-agent в Claude Code и почему речь не о «тысяче агентов»
Кратко
Multi-agent — это распределение задачи между несколькими рабочими потоками: отдельными сессиями, подчинёнными агентами в одной сессии или сценарием-оркестратором. Указание «1000 агентов» — технический предел одного Dynamic Workflow, введённый для защиты от неконтролируемого цикла, а не рекомендуемая нагрузка.
Под multi-agent понимают задачу, разделённую на несколько самостоятельных частей. Каждую часть выполняет свой поток, а затем возвращает результат. Например, в одном окне Claude Code можно работать над интерфейсом, а в другом — над серверной частью того же проекта. Это уже параллельная работа, даже если для её описания не нужна сложная оркестрация.
В более сложном варианте Claude Code в одной сессии запускает пять субагентов с разными ролями: разработчик интерфейса, специалист по серверной части, проверяющий безопасность, тестировщик и автор документации. Каждый выполняет свою часть и передаёт результат в общий диалог. Управление при этом остаётся в одном месте.
Ещё один сценарий: попросить Claude провести аудит безопасности всех 500 файлов проекта. Он может подготовить JavaScript-сценарий, который запускает десятки агентов в фоне: каждый проверяет отдельную группу файлов, а дополнительные агенты независимо оценивают результаты. В конце пользователь получает сводный отчёт. Это [Dynamic Workflows](https://ailoot.ai/blog/ru/claude-code-dynamic-workflows/), выпущенные Anthropic 28 мая 2026 года. Подробности приведены в [отдельном руководстве по Dynamic Workflows](https://ailoot.ai/blog/ru/claude-code-dynamic-workflows/).
Эти сценарии отличаются не просто числом агентов. Главное различие — **кто определяет следующий шаг**. В первом случае решение принимает пользователь, во втором — Claude по ходу диалога, в третьем — созданный Claude JavaScript-сценарий.
Число «1000» действительно указано в документации: таков верхний предел общего количества агентов в одном Dynamic Workflow Claude Code. В [официальных материалах Anthropic](https://code.claude.com/docs/en/workflows) сказано:
Одновременно может работать до 16 агентов; на компьютерах с ограниченным процессором это число может быть ниже. Всего за запуск допускается до 1000 агентов — это ограничение предотвращает неконтролируемые циклы.
— Документация Anthropic Claude Code, https://code.claude.com/docs/en/workflows
Это предохранитель от неконтролируемого выполнения, а не рекомендация одновременно запускать такое количество агентов. Во многих практических задачах достаточно двух-восьми потоков. Прежде чем увеличивать их число, определите, чем именно займётся каждый.
## Четыре примитива Claude Code: subagents, skills, agent teams и workflows
Кратко
Документация Claude Code описывает четыре разных средства для параллельной работы. Subagents — временные исполнители в одной сессии; skills — инструкции для Claude; agent teams — группа постоянных участников в отдельных окнах под руководством лидера; workflows — сценарии, выполняемые runtime. У каждого средства свой способ координации и хранения промежуточных результатов.
Для разделения задачи на несколько агентов Claude Code предлагает четыре официальных примитива. Anthropic сопоставляет их в [документации Dynamic Workflows](https://code.claude.com/docs/en/workflows). Таблица ниже передаёт это сравнение простыми словами:
| | Subagents | Skills | Agent Teams | Workflows |
|----|----|----|----|----|
| Что это | Агент, которого запускает Claude | Инструкции для Claude | Лидер и команда в отдельных окнах | Сценарий, исполняемый runtime |
| Кто определяет шаги | Claude в ходе диалога | Claude по тексту инструкции | Лидер команды | Сам сценарий |
| Где сохраняются результаты | В контекстном окне Claude | В контекстном окне | В общем списке задач | В переменных сценария |
| Что можно повторно использовать | Описание агента | Инструкцию | Описание команды | Весь процесс оркестрации |
| Возможный масштаб | Несколько агентов за ход | Сопоставимый с subagents | Несколько постоянных участников | Десятки и сотни агентов за запуск |
| Что происходит при прерывании | Ход запускается заново | Ход запускается заново | Участники продолжают работу | Выполнение можно возобновить в той же сессии |
Эти средства рассчитаны на разные случаи. Subagents удобны, когда внутри одной задачи нужно поручить несколько проверок. Skills подходят для повторяемых инструкций, например для проверки изменений по списку критериев. Agent teams полезны, когда разные крупные части продукта ведутся в отдельных окнах и нужен общий координатор. Workflows помогают распределить объёмную задачу, которая не помещается в контекст одной сессии.
Подробное описание субагентов есть в руководстве [Claude Code Subagents 2026](https://ailoot.ai/blog/ru/claude-code-subagents/). Дерево решений для выбора между разными средствами приведено в материале [Skills, Subagents, MCP, Plugins](https://ailoot.ai/blog/ru/skills-subagents-mcp-plugins-claude-code/). Здесь рассматривается их сочетание с git worktree.
## Уровень 1: subagents в одной сессии — простой способ начать
Кратко
Subagent — временный помощник внутри сессии Claude. Главному агенту можно поручить запустить нескольких исполнителей с разными ролями, например для разработки интерфейса, серверной части, тестирования и документации. Каждый вернёт свою часть результата в общий диалог. Обычно достаточно двух-пяти субагентов; они используют контекст одной сессии.
Subagents — простой способ разделить задачу. Главный диалог координирует работу, а субагенты выполняют временные поручения, которые он выдаёт по мере необходимости.
Например, после подготовки черновика руководства можно попросить Claude параллельно запустить шесть проверок: на признаки машинно-сгенерированного текста, юридическую лексику, соответствие стилю, факты с использованием WebFetch, SEO-структуру и правильность внутренних ссылок. Каждый субагент вернёт свой отчёт, после чего можно внести исправления.
Технически роли описывают в файлах `.claude/agents/[имя-субагента].md`, указывая обязанности и инструменты. Основной диалог запускает субагентов через инструмент `Agent`; сам Claude выбирает момент для передачи им задания.
**Когда это удобно.** Если нужно выполнить от трёх до семи независимых проверок одного материала — например, кода, текста или дизайна — и результаты можно поместить в основной контекст.
**Когда подход становится неудобным.** При большом числе файлов или проверках, для которых каждому нужен отдельный контекст на 50K токенов, основное окно может переполниться. Тогда стоит рассмотреть workflows или agent teams.
**Основной риск.** Каждый субагент отдельно расходует токены. Если запустить шесть агентов для проекта из 200 файлов и каждый перечитает весь проект, расход может возрасти в шесть раз. Поэтому в инструкции точно указывайте, какие файлы проверять. Подробнее о расходе рассказано в руководстве [Куда уходят токены в Claude Code](https://ailoot.ai/blog/ru/where-claude-code-tokens-go/).
## Уровень 2: git worktree изолирует файлы параллельных сессий
Кратко
Subagents работают внутри одной сессии и общей файловой системы. Для двух отдельных экземпляров Claude Code в разных терминалах нужны отдельные рабочие директории. Git worktree позволяет создать их бесплатно: общее хранилище `.git` остаётся единым, а рабочие файлы находятся в независимых копиях.
Когда одной сессии с subagents недостаточно и нужны два полноценных экземпляра Claude Code в разных терминалах, работающих с одним репозиторием, возникает риск одновременного изменения одного файла. Один экземпляр может сохранить правку, а другой — записать поверх неё. В подобном случае пользователь сформулировал проблему так: «Пять экземпляров одновременно перезаписывают изменения друг друга».
Для изоляции подходит git worktree — встроенная возможность git, позволяющая подключить несколько рабочих копий репозитория к разным веткам. У копий общее хранилище `.git`, но каждая находится в собственной директории, поэтому рабочие файлы не накладываются друг на друга. Подробное объяснение приведено в [руководстве по Git worktree в Claude Code](https://ailoot.ai/blog/ru/claude-code-git-worktree/).
Создать два worktree можно несколькими командами:
```bash
# Из основной директории проекта
cd ~/projects/my-app
# Создаём worktree для feature/auth
git worktree add ../my-app-auth feature/auth
# Создаём worktree для feature/billing
git worktree add ../my-app-billing feature/billing
# Открываем два окна терминала
cd ~/projects/my-app-auth && claude # первый Claude Code
cd ~/projects/my-app-billing && claude # второй Claude Code
```
Каждая копия работает в своей ветке, а Claude Code в ней записывает изменения в отдельную директорию. Когда работа завершена, отправьте ветку командой `git push`, а затем удалите подключённый worktree: `git worktree remove ../my-app-auth`.
**Что следует учитывать.** Worktree не копирует зависимости, исключённые через `.gitignore`, включая `node_modules` и `.venv`. Если для каждой ветки нужны разные версии библиотек, после `worktree add` отдельно выполните `npm install` в новой директории.
**Сколько worktrees использовать.** В обзорах команд за 2026 год называют ориентир в четыре-восемь параллельных worktrees на разработчика. Ограничение обычно связано с тем, сколько результатов человек способен просмотреть и принять, а не с Claude. При десяти worktrees может накопиться очередь на проверку.
В рассмотренном рабочем режиме обычно достаточно двух-трёх параллельных worktrees: одного для основной задачи, одного для срочного исправления и одного для эксперимента с новой функцией. Дополнительные копии требуются не всегда.
## Уровень 3: agent teams — несколько окон и ведущий агент
Кратко
В agent teams несколько экземпляров Claude Code работают в отдельных окнах как команда. Ведущий агент следит за общим списком задач, распределяет работу и координирует остальных. Это промежуточный уровень между субагентами в одном диалоге и Dynamic Workflows, исполняемыми как код.
Agent teams — сравнительно новый примитив. В нём один ведущий агент хранит общий план в списке задач и распределяет работу между несколькими сессиями в отдельных окнах. Все участники видят общую файловую систему и промежуточные материалы коллег.
Этот способ может помочь, если задачу можно разделить на три-пять крупных потоков, каждый из которых рассчитан на несколько часов: например, миграцию большого модуля, переработку подсистемы или полный аудит безопасности. Ведущий агент хранит план в одном общем файле по абсолютному пути вне всех worktree. Исполнители читают его и сообщают результаты; статусы меняет только ведущий, чтобы исключить конкурирующую запись.
По сути, agent teams координируют несколько окон, работающих с git worktree, и добавляют общий план. Такой режим можно организовать вручную: использовать worktree и один общий список задач. Для начала отдельная система управления командами может не понадобиться.
Если непонятно, нужно ли подключать специализированную систему, начните с ручной схемы: worktree и ведущий агент в основной директории. Простая организация часто достаточна для нескольких параллельных задач.
## Уровень 4: Dynamic Workflows — Claude создаёт сценарий оркестрации на JavaScript
Кратко
Dynamic Workflow — это JavaScript-сценарий, который Claude подготавливает для задачи, а runtime исполняет в фоне. Он может запускать до 16 агентов одновременно и до 1000 за один запуск, пока пользовательская сессия остаётся доступной. Режим активируется словом `workflow` в промпте, настройкой `/effort ultracode` или встроенной командой `/deep-research`. Функция выпущена 28 мая 2026 года и требует Claude Code v2.1.154+.
В предыдущих трёх вариантах план остаётся в диалоге или списке задач ведущего агента. Dynamic Workflows переносят план **в код**: Claude создаёт JavaScript-сценарий, а runtime исполняет его в изолированной среде. Результаты этапов хранятся в переменных сценария, а не в контексте пользовательского диалога. Поэтому сессия может оставаться доступной, пока агенты работают в фоне.
Официальная документация приводит такой пример запроса:
```
ultracode: audit every API endpoint under src/routes/ for missing auth checks
```
На его основе Claude может создать сценарий со следующей логикой: перечислить файлы в `src/routes/`, распределить их по группам по 30 endpoints, запустить для каждой группы агента с одинаковыми критериями, затем поручить двум независимым grader-агентам проверить результаты и собрать отчёт. Итогом станет таблица и перечень endpoints, требующих дальнейшей проверки.
Dynamic Workflows подходят для следующих задач:
- Проверить весь проект на однотипную проблему: например, уязвимости безопасности, ошибки типизации или использование устаревшего API.
- Провести крупную миграцию по общему правилу для более чем 500 файлов.
- Исследовать вопрос с нескольких независимых точек зрения; Anthropic использует такой подход во встроенной команде `/deep-research`.
Подробности о Dynamic Workflows, ограничениях и режиме `ultracode` собраны в [отдельном руководстве по Dynamic Workflows в Claude Code](https://ailoot.ai/blog/ru/claude-code-dynamic-workflows/).
**Когда workflow избыточен.** Не стоит использовать его для простой линейной задачи вроде доработки одного компонента. Workflow полезен, если работу можно разбить как минимум на десять независимых частей и нужно сопоставить результаты.
**Ключевое ограничение.** Расход токенов у workflow может быть значительно выше, чем у обычной сессии. Anthropic в [документации](https://code.claude.com/docs/en/workflows) рекомендует:
Dynamic workflows способны расходовать существенно больше токенов, чем обычная сессия Claude Code. Поэтому начинайте с задачи ограниченного масштаба.
— Документация Anthropic Claude Code, https://code.claude.com/docs/en/workflows
Сначала запустите workflow на одной директории, а не на всём проекте. Оцените стоимость, а затем решите, стоит ли расширять охват.
## Outcomes: критерии и независимая проверка результата
Кратко
Агент способен выдать результат, который только кажется готовым. Outcomes от Anthropic добавляет независимого проверяющего: второй агент в отдельном контексте сверяет работу первого с конкретным списком критериев. Функцию представили 6 мая 2026 года на Code with Claude. Anthropic сообщает, что доля выполненных задач у Harvey выросла в шесть раз, а время проверки документов у Wisedocs сократилось на 50%.
Один из главных рисков multi-agent — **доверять результатам без проверки**. Текст может звучать убедительно, отчёт выглядеть полным, а миграция — завершённой. Если агент один, человек может проверить его работу вручную. Когда параллельно работают десять агентов, на ручную проверку каждого результата может не хватить времени.
Anthropic предлагает подход Outcomes в продукте Managed Agents; его представили 6 мая 2026 года. Суть — добавить к исполнителю второго агента-проверяющего, или grader. Его задача — сверить результат первого агента с заданными критериями.
Технически для этого составляют rubric — документ в формате markdown с подробным перечнем требований: что считать готовым, какие материалы сверять и какие отметки использовать. Платформа создаёт grader в отдельном контекстном окне. Ему передают только rubric и результат исполнителя, без остального контекста. После каждой попытки основного агента grader либо принимает результат, либо возвращает список оставшихся пунктов.
В [Anthropic Cookbook](https://platform.claude.com/cookbook/managed-agents-cma-verify-with-outcome-grader) описан риск, от которого защищает такая проверка:
Агенты могут создавать материалы, которые выглядят завершёнными. Например, отчёт с исследованием и ссылками может быть оформлен аккуратно, но при внимательном чтении выяснится, что тема раскрыта поверхностно, цитата не соответствует источнику, а ссылка ведёт на пресс-релиз вместо исходного документа.
— Anthropic Cookbook: Outcomes, https://platform.claude.com/cookbook/managed-agents-cma-verify-with-outcome-grader
Anthropic сообщает о результатах применения этого подхода: после интеграции Outcomes в Claude Managed Agents доля выполненных задач у компании Harvey выросла примерно в шесть раз, а у Wisedocs время проверки документа сократилось на 50%. Эти цифры приведены в официальном анонсе функции.
Для индивидуальной работы Outcomes можно использовать как общий шаблон, даже если у вас нет доступа к самой функции. Например, можно описать критерии в `.claude/agents/grader.md` и поручить главному агенту запускать проверяющего после каждой попытки. Такой способ можно встроить в разные схемы multi-agent.
Ключевой принцип rubric из cookbook — **задавайте проверяемые требования, а не общие пожелания**. Вместо «убедись, что в брифе раскрыта тема billing» сформулируйте конкретную проверку: открыть бриф, найти раздел billing и подтвердить, что в нём указана сумма в \$ или процент от выручки. Во втором случае grader должен найти определённое значение, а не просто оценить текст в целом.
## Антипаттерн: десятки агентов без понятных задач
Кратко
Основная ошибка в параллельной работе — запускать агентов, не понимая, что поручено каждому. При создании AI-агента за 3–4 часа на практике хватило двух-трёх параллельных потоков. Большое число агентов может означать, что они одновременно генерируют непроверенные материалы. Простой признак проблемы: вы не можете за 30 секунд объяснить конкретную задачу каждого агента.
Для планирования параллельной работы начните с конкретных обязанностей. В описанном примере создания AI-агента за 3–4 часа использовали не больше двух-трёх одновременных потоков.
Распространённая ошибка — увидеть, что Claude Code поддерживает запуск до 16 агентов одновременно, а Dynamic Workflows — до 1000 за запуск, и сразу использовать эти пределы. Большое число исполнителей само по себе не гарантирует полезного результата и может заметно увеличить расход токенов.
Проверьте план с помощью простого упражнения: нарисуйте по прямоугольнику на листе для каждого агента. Внутри укажите:
1. Что именно он должен сделать — одним предложением.
2. Какие файлы он будет изменять или проверять.
3. Какой результат он должен вернуть.
4. Кто проверит этот результат.
Если на любой пункт нельзя ответить за 30 секунд, пересмотрите необходимость этого агента. Это правило подходит для subagents, agent teams и Dynamic Workflows.
Ещё одна ошибка — **параллельно выполнять задачи, зависящие друг от друга**. Если интерфейсу нужна готовая схема API от серверной части, сначала подготовьте API, а затем переходите к интерфейсу. Одновременно стоит вести только независимые задачи.
Третья ошибка — **использовать multi-agent исключительно ради скорости**. Несколько независимых потоков могут закончить работу примерно за время самого долгого из них и потребовать дополнительной координации. Но если запустить 50 процессов на одном компьютере, они будут делить ресурсы процессора. На ноутбуке при четырёх-шести одновременных экземплярах Claude Code нагрузка уже может привести к ограничению скорости.
## Стоимость и контроль расхода
Кратко
Параллельная работа может увеличить расход токенов: в приведённых оценках для subagents указано x2–x4, для agent teams — x3–x6, для Dynamic Workflows — x10–x30 по сравнению с обычной сессией. Чтобы контролировать затраты, точно указывайте файлы для каждого агента, запускайте workflow сначала на небольшом участке и оценивайте расход до масштабирования.
В мае и июне 2026 года обсуждалась проблема: разработка с помощью ИИ обходится дороже ожидаемого. Anthropic отдельно предупреждает, что многоагентный workflow может потребовать существенно больше токенов, чем обычная сессия. В официальной документации сказано:
Поскольку workflow запускает много агентов, один запуск может израсходовать значительно больше токенов, чем решение той же задачи в обычном диалоге. Перед крупной задачей проверьте расход на небольшом фрагменте.
— Документация Anthropic Claude Code, https://code.claude.com/docs/en/workflows
Для контроля затрат можно применять несколько практических правил:
1. **Чётко ограничивайте файлы для каждого агента.** Вместо общего поручения «изучи проект и найди проблемы» задайте конкретную область: «проверь `src/auth/*.ts` и найди функции без проверки `userId`». Так объём работы будет понятен заранее.
2. **Первый запуск workflow проводите на одной директории.** Не начинайте со всего `src/`: проверьте, например, только `src/auth/`. Если результат и стоимость подходят, расширьте охват.
3. **Обычно начинайте с `/effort high`, а `ultracode` включайте для подходящих задач.** `/effort ultracode` соответствует xhigh и может включать автоматическую оркестрацию. Такой режим требует дополнительных ресурсов и уместен, когда действительно нужны параллельные потоки.
4. **Подбирайте модель субагента под задачу.** Для шести проверок одного руководства простому QA-агенту или проверяющему внутренние ссылки может не требоваться Opus. Использование Sonnet в таких ролях может снизить расход в 3–5 раз.
Более подробные советы по расходу токенов собраны в материалах [Куда уходят токены в Claude Code](https://ailoot.ai/blog/ru/where-claude-code-tokens-go/) и [Как не сжечь лимиты Claude Code](https://ailoot.ai/blog/ru/claude-code-token-limits-saving/).
## С чего начать: план на 30 минут
Кратко
Начинать сразу с Dynamic Workflows необязательно. Для многих задач достаточно за полчаса настроить два worktree, два терминала и общий список задач в `tasks.md`. Используйте эту схему, а к более сложным способам переходите, когда появится задача для масштабного аудита или миграции.
1. ### Обновите Claude Code до v2.1.154+
Эта версия нужна для Dynamic Workflows. В терминале выполните `claude update`.
2. ### Включите Dynamic Workflows через /config
В плане Pro этот режим по умолчанию выключен. Откройте `/config`, найдите параметр «Dynamic workflows» и включите его. Для планов Max, Team и Enterprise функция уже активирована.
3. ### Создайте первый worktree
В основной директории проекта выполните `git worktree add ../-experiment `. Откройте второе окно терминала в созданной директории и запустите `claude`.
4. ### Подготовьте общий список задач
Используйте **один абсолютный путь вне всех worktree**. Файлы `tasks.md` в разных worktree самостоятельны и автоматически не синхронизируются. Единственный автор списка — ведущая сессия; исполнители читают его и сообщают результаты.
Один раз создайте каталог координации и список:
```bash
mkdir -p "$HOME/projects/my-app-coordination"
printf '%s\n' '# Tasks' '- Auth: assigned to the auth worktree' '- Billing: assigned to the billing worktree' > "$HOME/projects/my-app-coordination/tasks.md"
```
В первом терминале:
```bash
cd "$HOME/projects/my-app-auth"
printf 'Shared task list: %s\n' "$HOME/projects/my-app-coordination/tasks.md"
claude
```
Во втором терминале:
```bash
cd "$HOME/projects/my-app-billing"
printf 'Shared task list: %s\n' "$HOME/projects/my-app-coordination/tasks.md"
claude
```
Передайте обоим агентам **один и тот же раскрытый абсолютный путь из вывода**: «Прочитай общий список. Работай только над назначенной задачей и файлами. Не изменяй список; о завершении и препятствиях сообщай ведущему, который обновляет статусы». До начала убедитесь, что оба читают именно этот файл, и разрешите доступ к пути, если он запрошен. Список координирует статусы, а код остаётся в отдельных worktree.
5. ### Поработайте так неделю
Пока не устанавливайте приложение для управления окнами. Сначала неделю используйте два worktree вручную, чтобы определить, чего не хватает. После этого подберите подходящий инструмент под конкретную проблему.
6. ### Затем попробуйте `/effort ultracode`
Выберите задачу вроде поиска всех endpoints без проверки авторизации в `src/routes/`, включите `/effort ultracode` и посмотрите на созданный Claude workflow, его стоимость и результат. Это будет первый запуск Dynamic Workflow.
## Следующие направления: память между сессиями, Code Review и Multi-Agent v2
Кратко
После освоения базовых средств можно обратить внимание на Managed Agents с Dreaming, автоматический Code Review и Multi-Agent Orchestration v2 в Claude Agent SDK. На момент описания эти возможности находились в предварительном тестировании, публичной бете или ограниченном доступе.
За май и июнь 2026 года Anthropic представила несколько направлений развития параллельной работы с Claude Code.
**Managed Agents с Dreaming.** Функцию представили 6 мая 2026 года на Code with Claude. Запланированный процесс анализирует предыдущие транскрипты агента между сессиями, выделяет повторяющиеся закономерности и обновляет память. Anthropic сообщила, что после внедрения Dreaming доля выполненных задач у компании Harvey выросла в шесть раз. На момент анонса функция находилась в режиме research preview.
**Outcomes в Managed Agents.** Эта функция описана выше. Она доступна через Claude Agent SDK, а не напрямую через интерфейс командной строки Claude Code. Похожую проверку можно организовать вручную с помощью grader-субагента.
**Multi-Agent Orchestration v2 в Claude Agent SDK.** В этой схеме ведущий агент самостоятельно распределяет задачи между субагентами, которые используют общую файловую систему. Это развитие ручного запуска нескольких субагентов: пользователь описывает задачу, а лидер определяет, кому её поручить и как организовать работу. Если вы только знакомитесь с субагентами, сначала освоите обычную схему «один ведущий и три-пять исполнителей с ролями»; к более сложной оркестрации можно перейти позже.
**Code Review командой агентов.** На Code with Claude Anthropic анонсировала автоматическую проверку кода при открытии PR. Несколько агентов параллельно анализируют diff, ищут ошибки, проверяют находки друг друга и ранжируют их по severity. По условиям анонса, функция доступна в планах Team и Enterprise, но не в Pro.
**Plugin Marketplace.** Маркетплейс был запущен 23 мая 2026 года в версиях v2.1.128-136. Среди доступных расширений упоминались наборы для параллельного review, проверки безопасности и помощи при миграции. Установить расширение можно командой `/plugin install @claude-plugins-official`; его структуру можно изучить как пример организации собственных решений.
Средства multi-agent в Claude Code отличаются по зрелости. Subagents и git worktree — базовые возможности для параллельной работы. Agent teams сочетают автоматизацию с ручной координацией. Dynamic Workflows на момент описания находились в research preview и активно менялись, а Managed Agents v2 были ориентированы на корпоративное использование. Поэтому выбирайте не самый новый вариант, а минимальный, достаточный для задачи. Для многих рабочих ситуаций хватит двух worktree и одного субагента-проверяющего. Усложняйте схему, когда её возможностей действительно станет недостаточно.
## Практическая схема работы с Claude Code
Кратко
Параллельная работа требует чётких инструкций и продуманного контекста проекта. Без них агенты могут выполнять несогласованные или ненужные задачи. Задайте им конкретные обязанности, ограничьте область файлов и добавьте независимую проверку результата.
Для практической работы с Claude Code изучите [документацию Ailoot](https://ailoot.ai/docs/) и настройте инструкции с учётом контекста своего проекта. Параллельные агенты дополняют этот процесс: они полезны, когда у каждого есть отдельная задача и понятный способ проверить результат.
### Источники
- [Anthropic — оркестрация субагентов с помощью Dynamic Workflows, официальная документация](https://code.claude.com/docs/en/workflows)
- [Anthropic — представляем Dynamic Workflows в Claude Code](https://claude.com/blog/introducing-dynamic-workflows-in-claude-code)
- [Anthropic Cookbook — Outcomes: проверка работы агентов](https://platform.claude.com/cookbook/managed-agents-cma-verify-with-outcome-grader)
- [Anthropic — новые возможности Claude Managed Agents: Dreaming, Outcomes и Multi-Agent v2](https://claude.com/blog/new-in-claude-managed-agents)
- [Claude Code — параллельный запуск агентов: документация о subagents и agent teams](https://code.claude.com/docs/en/agents)
Больше материалов и инструментов — на [сайте Ailoot](https://ailoot.ai/).
## Вопросы и ответы
### Почему два worktree показывают разные tasks.md?
У каждого worktree свои файлы. Разместите список координации по одному абсолютному пути вне обоих, передайте каждому агенту одинаковый раскрытый путь и до начала проверьте чтение.
### Кто должен обновлять общий список?
Назначьте ведущую сессию единственным автором. Исполнители читают список, меняют только назначенные файлы своих worktree и сообщают результаты или препятствия ведущему. Общий путь сам по себе не предотвращает одновременные правки.
## Ailoot · Компания и портфель её проектов
Ailoot опирается на накопленный опыт работы, большую клиентскую базу, стабильный сервис и постоянный контроль KPI.
Компания и портфель её проектов: миллионы клиентов; продажи на миллиарды ежемесячно.
Этот опыт Ailoot использует для API-доступа к нейросетям в продуктах клиентов, агентах, приложениях и автоматизациях.