# Ako delegovať rozsiahlu úlohu v Claude Code pomocou vnorených subagentov
> V Claude Code v2.1.172 môžu subagenti spúšťať vlastných subagentov až do hĺbky 5 úrovní. Návod na delegovanie rozsiahlej úlohy.
Source: https://ailoot.ai/blog/sk/claude-code-nested-subagents/
Canonical: https://ailoot.ai/blog/sk/claude-code-nested-subagents/
Language: sk
Publisher: Ailoot (https://ailoot.ai/)
Translation: guide-232
Revision: sha256-4707ab51e1b0f544923dabfe519f3cfc69a610c3de65ee0b5a2f84cd56b7f9e3
[Dokumentácia Ailoot](https://ailoot.ai/docs/) — referenčné materiály o používaní služby.
## Čo sa zmenilo v Claude Code v2.1.172?
Kľúčový poznatok
Anthropic vydal v2.1.172 a jediným riadkom v zozname zmien zrušil pravidlo staré dva roky. Subagenti teraz môžu spúšťať vlastných subagentov, a to až do hĺbky 5 úrovní. Táto funkcia nie je o rýchlosti ani o väčšom výkone procesora. Hlavnou myšlienkou je zabrániť tomu, aby hlučná prípravná práca zahltila hlavný kontext.
Ak ste za posledných niekoľko mesiacov čítali čokoľvek o AI agentoch v Claude Code, narazili ste na tú istú frázu. Je v oficiálnej dokumentácii, v mojom návode [o subagentoch](https://ailoot.ai/blog/sk/claude-code-subagents/) aj v analýze každého konkurenta. Znie takto: „subagent nemôže spustiť ďalšieho subagenta“. K 11. júnu 2026 sa tento riadok stále nachádza na troch rôznych miestach na stránke `code.claude.com/docs/en/sub-agents`. Anthropic ho jednoducho ešte neaktualizoval.
10. júna o 20:44 UTC sa Claude Code v2.1.172 objavil na GitHub Releases. Hlavná položka v zozname zmien mala jediný riadok:
Subagenti teraz môžu spúšťať vlastných subagentov, a to až do hĺbky 5 úrovní.
— Claude Code Changelog, https://github.com/anthropics/claude-code/releases/tag/v2.1.172
Toto isté vydanie opravilo aj chybu, ktorá sa mohla vyskytnúť iba pri vnorení: subagent na pozadí zostával v paneli agentov zvýraznený ako aktívny aj po zastavení vnoreného subagenta, ktorého spustil.
Je to zriedkavý prípad, keď oficiálna dokumentácia stále odporuje vydanej verzii. Ďalej vysvetlím, ako sa vnáranie líši od paralelných subagentov, čo znamená „hĺbka 5“ a v ktorých troch situáciách je dnes skutočne užitočné.
## Ako sa vnorené subagenty líšia od paralelných a sekvenčných?
Kľúčový poznatok
Ak vás to mätie, nie ste sami. Paralelizmus, reťazenie a vnáranie sú tri nezávislé topológie. Paralelizmus sa týka rýchlosti, reťazenie určuje poradie vykonávania a vnáranie sa týka niečoho úplne iného: skrýva hlučnú prácu pred vaším hlavným oknom. Ak si ich pomýlite, za pár hodín spálite tokeny a potom nebudete vedieť nájsť zdroj chyby.
Dlho som tieto tri prístupy skúšal ručne a predstavujem si ich takto: delegovanie má tri rozmery — šírku, dĺžku a hĺbku. Každý rieši iný problém.
**Šírka — paralelní subagenti.** Hlavný chat spustí N nezávislých subagentov na rovnakej úrovni. Každý dostane úzku úlohu, pracuje vo vlastnom izolovanom okne a vráti iba výsledok. Šírka rieši rýchlosť: 5 subagentov pracujúcich paralelne dokončí úlohu za čas, ktorý by jeden potreboval na jej sekvenčné vykonanie. Tento model som opísal v návode [o paralelných subagentoch s použitím worktree](https://ailoot.ai/blog/sk/claude-code-parallel-worktree-agents/).
**Dĺžka — reťaz subagentov.** A pracuje a odovzdá výsledok B, B pracuje a odovzdá ho C. Každý vidí vstup od predchádzajúceho. Dĺžka určuje poradie: B nemôže začať, kým nedostane údaje od A. Klasický príklad: najprv výskumný subagent zhromaždí zdroje, potom redakčný subagent na ich základe napíše článok a napokon kontrolný subagent overí fakty. Je to plochá postupnosť; hlavný chat udržiava celý príbeh.
**Hĺbka — vnorení subagenti.** A spustí B, B spustí C, C spustí D. Každé dieťa pracuje vo vnútri svojho rodiča, vo vlastnom izolovanom okne, a rodičovi vráti **iba výsledok**. Hlavný chat nevidí nič z toho, čo sa deje u detí, vnúčat a pravnúčat. Toto je novinka vo verzii v2.1.172.
Hlavný zdroj zmätku je predstava, že hĺbka 5 znamená „môžete naraz spustiť 5 subagentov“. Tak to nie je. Hĺbka označuje zvislú úroveň v strome, nie počet súčasne spustených detí. Na každej úrovni môže byť jeden subagent alebo sto. Hĺbka 5 znamená, že reťaz delegovania môže klesať 5 krokov: hlavný chat → vnuk-1 → vnuk-2 → vnuk-3 → vnuk-4 → vnuk-5. A na každej úrovni sa môže vetviť.
Verzia 2.1.172 zrušila práve toto obmedzenie.
Ak vám ide o rýchlosť, potrebujete šírku. Ak máte prísne stanovené poradie vykonávania, potrebujete dĺžku. Hĺbka je užitočná presne v jednom prípade: keď jedna z vašich úloh obsahuje **hlučnú podúlohu** (15 webových požiadaviek, prehľadávanie logov, čítanie tucta súborov) a nechcete, aby tento hluk zaplavil hlavné okno.
## Čo v praxi znamená „hĺbka 5 úrovní“?
Kľúčový poznatok
5 úrovní je maximálna zvislá vzdialenosť od hlavného chatu po najvzdialenejšie pravnúča. Je to limit na strane servera; nemôžete ho zvýšiť, znížiť ani vypnúť prepínačom. Oficiálne zdroje navyše stále neuvádzajú, či sa samotný hlavný chat počíta do týchto 5 úrovní.
Tu je dôležité byť úprimný. Pol dňa som strávil prehľadávaním dokumentácie a komunitných analýz, aby som zistil, že Anthropic neposkytol presnú definíciu. Toto potrebujete vedieť.
**Je to limit, nie nastavenie.**
Limit je zabudovaný na strane servera. Reverzné inžinierstvo klienta v2.1.172 nenašlo konštantu `MAX_DEPTH`. To znamená, že kontrola prebieha niekde v Anthropic API, nie lokálne vo vašom počítači. Nemôžete nastaviť `--max-depth 7` a prehĺbiť tak strom. Nemôžete ani nastaviť `--max-depth 2`, aby ste zaviedli nižší a bezpečnejší limit. Jedinou kontrolou, ktorú máte, je zoznam povolených `Agent(agent_type)` v hlavičke frontmatter — obmedzuje však **typy** detských agentov, nie hĺbku.
**Anthropic presne nedefinoval, čo znamená „5“.** To je druhý dôležitý bod:
Jedna neistota je dôležitá sama osebe: oficiálne zdroje nešpecifikujú, či depth=5 znamená päť úrovní pod koreňom, alebo celkovo päť agentov vrátane koreňa.
Integrácie tretích strán to zatiaľ interpretujú rôzne. ADR-147 v projekte `ruvnet/ruflo` predpokladá „5 detských úrovní pod koreňom = 6 agentov v reťazi“. Pri svojich experimentoch používam rovnakú konvenciu: hlavný chat je úroveň 0, jeho priame deti sú úroveň 1 a tak ďalej až po úroveň 5. Vo verejnej dokumentácii to však nie je zaznamenané.
**Limit je už povolený a nevyžaduje žiadne prepínače.** Nemusíte nič aktivovať. Po aktualizácii Claude Code na v2.1.172 môžete do `tools` detského agenta pridať `Agent` a ten spustí ďalšieho subagenta. Podstatné je, že rodičovský agent to musí povoliť (`tools: Agent(...)`).
## Kde dnes prebieha vaše delegovanie: do šírky, do dĺžky alebo do hĺbky?
Kľúčový poznatok
V reálnych projektoch vibe codingu takmer vždy vidím šírku a občas dĺžku. Hĺbku ľudia vytvárajú ručne: otvoria nové okno, skopírujú zadanie a vrátia sa s výsledkom. Pred 9. júnom to nebolo zabudované. Preto si väčšina ľudí ani neuvedomuje, že jej táto možnosť chýba.
Pozrite si svojich posledných 5 zadaní. Ako často ste urobili toto: začnete úlohu, Claude začne prehľadávať súbory, odošle 10 webových požiadaviek a nasype do kontextu celú stenu logov — a o 20 minút neskôr zistíte, že okno je plné. Záverečná odpoveď už beží s mizerným rozpočtom tokenov, pretože 70 percent kontextu spotrebovali priebežné výpisy.
V takom prípade potrebujete **hĺbku**. Nie paralelizmus, nie reťaz — hĺbku. Hlavný chat má delegovať „výskum“ jednému subagentovi, ktorý potom zvnútra spúšťa vlastné deti na konkrétne webové vyhľadávania, čítanie súborov a prehľadávanie. Deti vrátia iba zosumarizované závery. Vnuk povie rodičovi: „našiel som, potvrdené“ alebo „nenašiel som, dôvod X“. Rodič z toho zostaví jedno zhrnutie a vráti ho vám. Hlavný chat zostane čistý.
Pred 9. júnom som to napodobňoval ručne. Otvoril som druhú inštanciu Claude Code, skopíroval zadanie „preskúmaj toto“, spustil ho a potom výsledok manuálne preniesol späť do hlavného okna. Toto nastavenie som podrobne opísal v návode o delegovaní programovania mnohým AI agentom. Vo v2.1.172 ho môžete opísať priamo v systémovom zadaní orchestrátora — Claude strom vytvorí sám.
## V ktorých 3 situáciách sú vnorení subagenti skutočne užitoční?
Kľúčový poznatok
Nie pri každej úlohe. Hĺbka má zmysel, keď jedno delegovanie obsahuje hlučnú podúlohu, ktorú nechcete presunúť do hlavného okna. Opíšem tri typické situácie, ktoré sa medzi tvorcami používajúcimi vibe coding opakujú: hĺbkový výskum s overovaním faktov, analýzu rozsiahleho repozitára a kontrolu závislostí od začiatku do konca pri zmene schémy alebo kontraktu.
### Situácia 1. Hĺbkový výskum s overovaním faktov
Predstavte si, že zhromažďujete podklady pre článok alebo obchodnú ponuku. Najprv potrebujete z verejných zdrojov vybrať 5–10 tvrdení a potom každé overiť — nájsť pôvodný zdroj, uistiť sa, že citácia je presná, a vypočítať skutočné čísla.
Pred v2.1.172 ste mali dve možnosti. Buď ste všetko zverili jednému subagentovi, ktorý sa predieral 30 webovými požiadavkami a plnil si nimi kontext. Alebo ste si prácu rozdelili ručne: jedno zadanie na vybratie tvrdení a potom postupne pre každé tvrdenie spustili samostatného subagenta. Hlavný chat sa zaplnil stenami priebežných zoznamov.
V nasledujúcom postupe hlavný chat deleguje na `research-orchestrator` (úroveň 1). Orchestrátor sám vyberie tvrdenia, každé odošle `fact-verifier` (úroveň 2) a overovateľ deleguje cielené hľadanie na `web-deep-search` (úroveň 3). Hlavný chat dostane iba pole overených tvrdení so zdrojmi. Všetko ostatné zostane v detských oknách a nikdy nevstúpi do vášho kontextu.
### Situácia 2. Analýza rozsiahleho repozitára
Dostali ste projekt s 200 súbormi. Potrebujete pochopiť architektúru, nájsť hlavné moduly a posúdiť technický dlh. Ak ručne spustíte `Glob` a tucet volaní `Read`, za 10 minút zaplníte okno.
Hĺbka to rieši takto: hlavný chat spustí subagenta „architekt“. Architekt interne vytvorí tri deti — jedno preskúma štruktúru adresárov (spustí `Glob` a pripraví zhrnutie), druhé prečíta 5 kľúčových konfiguračných súborov a tretie vyhľadá hlavné vzory. Každé vráti architektovi stručné zhrnutie. Architekt poskladá celkový obraz a poskytne hlavnému chatu záverečnú správu dlhú polovicu obrazovky. Získate mapu projektu bez toho, aby kontext zaplavila stena výstupu príkazu `cat` zo všetkých súborov.
### Situácia 3. Analýza závislostí od začiatku do konca
Meníte schému databázy, kontrakt API alebo zdieľaný konfiguračný súbor. Potrebujete pochopiť, kde sa zmeny prejavia. Táto úloha najrýchlejšie vyčerpá kontext, pretože existuje veľa závislostí a každú treba overiť v zdrojovom kóde.
Pri použití hĺbky hlavný chat spustí „impact-analyzer“ (úroveň 1). Ten spustí jeden `dependency-tracer` pre každý dotknutý súbor (úroveň 2). Každý tracer interne spustí `consumer-finder` (úroveň 3), ktorý prehľadá kódovú základňu a nájde používateľov danej závislosti. Každý vráti iba podstatu: „tieto tri miesta sa pokazia“. Hlavný chat zostaví tabuľku „dotknuté súbory → dosah“ bez toho, aby poznal výsledky vyhľadávania.
## Ako nastaviť vnorených subagentov za 10 minút
Kľúčový poznatok
Nepotrebujete prepínače ani aktualizácie konfigurácie. Stačí pridať `Agent` do `tools` detského agenta a ten môže spúšťať vlastných subagentov. Aby sa strom nezmenil na kasíno, použite zoznam povolených `Agent(name1, name2)`. Ďalej uvádzam pripravenú šablónu trojúrovňového orchestrátora, ktorú si môžete skopírovať.
**Krok 1. Uistite sa, že používate v2.1.172 alebo novšiu verziu.**
```bash
claude --version
```
Ak je verzia nižšia, aktualizujte ju. Hlavná funkcia tohto vydania je jediný riadok v zozname zmien: „Subagenti teraz môžu spúšťať vlastných subagentov, a to až do hĺbky 5 úrovní“ ([úplné znenie](https://github.com/anthropics/claude-code/releases/tag/v2.1.172)).
**Krok 2. Vytvorte rodičovského agenta, ktorý môže spúšťať deti.**
Súbor `.claude/agents/research-orchestrator.md`:
```markdown
---
name: research-orchestrator
description: Deleguje výskum s hĺbkovým fact-checkom
tools: Agent(fact-verifier), Read, WebFetch
model: opus
---
Si orchestrátor výskumu. Keď dostaneš tému:
1. Prečítaj dodané materiály alebo načítaj dodané verejné URL zdrojov.
Sám vyber najviac 5 konkrétnych tvrdení. Ku každému zaznamenaj text,
zdrojovú URL alebo súbor a presnú podpornú pasáž.
Ak zdrojové materiály chýbajú, pred delegovaním ich vyžiadaj.
2. Pre každé tvrdenie zavolaj fact-verifier — sám vytvorí
vlastných detských subagentov na webové vyhľadávanie a overenie.
3. Fact-verifier ti vráti iba konečné verdikty —
do kontextu nenačítavaj priebežné výpisy.
Záverečná správa je iba pole { claim, sources[], confidence }.
```
Riadok `tools` povoľuje iba detský typ `fact-verifier`. Výber tvrdení vykonáva orchestrátor ako vlastný prvý krok, preto netreba nedefinovaný súbor `claim-extractor`. Zoznam typov obmedzuje, ktoré dieťa možno zavolať; neobmedzuje počet jeho spustení. Postup ohraničte najviac piatimi vybranými tvrdeniami.
**Krok 3. Vytvorte detského agenta, ktorý dokáže spúšťať vlastné vnúčatá.**
Súbor `.claude/agents/fact-verifier.md`:
```markdown
---
name: fact-verifier
description: Overuje tvrdenia prostredníctvom detských webových vyhľadávaní
tools: Agent(web-deep-search), Read
model: sonnet
---
Si kontrolór faktov. Keď dostaneš tvrdenie:
1. Vytvor 2-3 vyhľadávacie dopyty.
2. Pre každý spusti web-deep-search — sám vykoná
WebSearch a WebFetch a vráti overené úryvky.
3. Zhrň ich do jedného verdiktu: { claim, sources[], confidence }.
```
Vidíte tú podstatnú časť? `tools` opäť uvádza `Agent(web-deep-search)`. To znamená, že fact-verifier (úroveň 2 v našom strome) môže sám spustiť ďalšieho subagenta (úroveň 3). Predtým tento riadok nemal žiadny účinok — dokumentácia stále obsahuje frázu:
Subagenti nemôžu spúšťať ďalších subagentov, preto Agent(agent_type) nefunguje v definíciách subagentov.
— Claude Code Docs, https://code.claude.com/docs/en/sub-agents
Vo v2.1.172 je tento riadok zastaraný. Syntax je rovnaká, ale teraz funguje na akejkoľvek úrovni stromu.
**Krok 4. Vytvorte vnuka.**
Súbor `.claude/agents/web-deep-search.md`:
```markdown
---
name: web-deep-search
description: Vyhľadáva na webe a vracia úryvky
tools: WebSearch, WebFetch
model: haiku
---
Dostal si vyhľadávací dopyt. Vykonaj WebSearch, vyber 3 najrelevantnejšie URL a pomocou WebFetch získaj doslovné potvrdenia tvrdenia. Vráť pole { url, snippet, supports_claim: yes|no }.
```
Vnuk nemá v `tools` položku `Agent`, takže už nespúšťa ďalších agentov v strome.
**Krok 5. Spustite orchestrátora.**
```bash
claude --agent research-orchestrator
```
Potom v chate dodajte zdrojový text alebo verejné URL: „Z týchto zdrojov vyber a over najviac 5 konkrétnych tvrdení; vráť tvrdenia, zdroje a mieru istoty.“ Pri `--agent research-orchestrator` je samotná relácia orchestrátorom; jej deti na overovanie a hľadanie pridávajú dve delegované úrovne pod ňou. Ak bežná hlavná relácia namiesto toho deleguje na tohto orchestrátora, pod hlavnou reláciou sú tri delegované úrovne.
## Ktorých 5 zlých vzorcov plytvá tokenmi a ničí pozorovateľnosť?
Kľúčový poznatok
Hĺbka je drahá. Každá ďalšia úroveň násobí počet tokenov a toto násobenie sa s hĺbkou kumuluje. Tu je päť situácií, v ktorých vám vnáranie škodí. Nerobte to — inak za hodinu vyčerpáte denný limit a stratíte prehľad o chybe štyri poschodia nižšie v strome.
**Zlý vzorec 1. Úloha sa zmestí do jedného okna.**
Ak ju jeden subagent zvládne bez hluku, nepridávajte ďalšie úrovne: vnáranie zbytočne zvyšuje náklady a latenciu.
**Zlý vzorec 2. Ide vám o rýchlosť, nie o izoláciu.**
Ak chcete rýchlosť, potrebujete **paralelizmus**, nie hĺbku. Spustite 5 subagentov vedľa seba na rovnakej úrovni namiesto budovania reťaze. Hĺbka slúži na presun hlučnej prípravnej práce do detského okna, nie na zrýchlenie práce.
**Zlý vzorec 3. Práca je od základu plytká.**
„Nájdi tento súbor a ukáž mi ho“ je **dvojkroková požiadavka**; nepotrebuje trojúrovňovú hierarchiu. Vnáranie má zmysel, keď úloha obsahuje hlučnú podúlohu. Ak v nej nie je hluk, nepridávajte subagentov.
**Zlý vzorec 4. Nejasné zadania na prvej úrovni.**
Toto je najnebezpečnejšia situácia. Ak dáte orchestrátorovi úrovne 1 nejasné zadanie, nejasnosť sa znásobí. Z jedného nejasného zadania na úrovni 1 vzniknú 4 nejasné zadania na úrovni 2 a 16 na úrovni 3. Keď sa vnúčatá pustia do práce, ani nevedia, čo hľadajú.
**Zlý vzorec 5. Geometrický rast nákladov.**
Hlavný ekonomický argument: vnáranie násobí spotrebu tokenov a toto násobenie sa prehlbuje s každou úrovňou.
Približný výpočet: reťaz s hĺbkou 3 a rozvetvením 3 na každej úrovni znamená 27 subagentov. To je najmenej 27-krát viac tokenov než pri jednoduchej požiadavke. Pri pláne Claude Pro takýto výpočet vyčerpá denný limit za pár hodín. Ak máte plán Max, za deň miniete týždenný limit.
**Bonusový zlý vzorec (moja skúsenosť): „50 agentov robí zbytočnú prácu.“**
Keď si prezerám projekty iných ľudí, často vidím toto: „Mám 50 pracujúcich agentov.“ Pýtam sa, čo robia. A tých 50 agentov **robí zbytočnú prácu**. Vytvárajú hromady nepotrebných výstupov, množstvo surových zhrnutí, duplicity a steny logov. Každý robí niečo „všeobecne užitočné“ a výsledkom je utopenie kontextu a účet za tokeny ako v malej firme. Hĺbka 5 tento problém nerieši — **zhoršuje ho**. Ak už na úrovni 1 nie je jasné, kto čo robí, hĺbka 5 znamená päť úrovní zmätku.
Pred spustením každého subagenta si za pol minúty odpovedzte na 4 otázky:
- Čo presne robí (jednou vetou)?
- Ktorých súborov sa dotýka?
- Čo vráti svojmu rodičovi?
- Kto to skontroluje?
Ak nedokážete odpovedať do 30 sekúnd, tento subagent by nemal existovať. Toto pravidlo som samostatne vysvetlil v návode [o paralelných subagentoch](https://ailoot.ai/blog/sk/claude-code-parallel-worktree-agents/).
## Prečo vnáranie bez kontextového inžinierstva znamená 5 úrovní halucinácií?
Kľúčový poznatok
Hlavnou pascou hlbokého delegovania je chýbajúci kontext úlohy. Dieťa automaticky nedostáva celú konverzáciu rodiča ani každý prečítaný súbor. Vlastní subagenti zvyčajne načítavajú príslušné pokyny CLAUDE.md, ak ich konfigurácia nevylučuje; tým sa automaticky nenačítajú všetky odkazované obchodné súbory. Pri každom odovzdaní poskytnite presné podklady, cesty a zmluvu výsledku. Ak váš projekt nemá spoľahlivo usporiadaný kontext, čím hlbší je strom, tým viac sa každé vnúča odkláňa do fantázie. Dostanete 5 poschodí halucinácií, po jednom na každej úrovni.
Práve tu sa ľudia často pýtajú: „Aktualizoval som Claude Code, pridal Agent do tools, strom sa vytvára — ale záverečná odpoveď je stále mimo. Prečo?“
Odpoveď je jednoduchá. Každý subagent v Claude Code začína **od nuly**. Z oficiálnej dokumentácie:
Každý subagent začína v novom izolovanom okne. Nevidí históriu konverzácie, zručnosti, ktoré ste už vyvolali, ani súbory, ktoré Claude už prečítal.
— Claude Code Docs, https://code.claude.com/docs/en/sub-agents
Na úrovni 1 je to zvládnuteľné: orchestrátor odovzdá dieťaťu stručný opis úlohy. Na úrovni 3 dostane vnuk od rodiča správu s delegovanou úlohou, pričom aj rodič mal iba takúto správu. Každý odovzdal ďalej len málo informácií. Na úrovni 5 máte subagenta, ktorého okno obsahuje frázu „skontroluj tvrdenie X“ a nič viac. Nevie, v ktorom projekte pracuje, akú úlohu rieši ani na čo sa má sústrediť.
Bez súboru [CLAUDE.md](https://ailoot.ai/blog/sk/claude-md-template/) je vnuk na piatej úrovni ako zamestnanec, ktorý prvýkrát v živote príde do práce bez akéhokoľvek zaškolenia. Niečo urobí, pretože dostal úlohu. Nebude to však to, čo projekt potrebuje.
## Čo sa ešte zmenilo vo v2.1.172 okrem vnárania?
Kľúčový poznatok
Vydanie sa celé týka subagentov. Okrem hlavnej funkcie obsahuje 4 opravy infraštruktúry delegovania. Jedna z nich opravuje chybu, ktorá sa môže vyskytnúť iba pri vnorení.
Otvorte úplný zoznam zmien v2.1.172 a uvidíte, že celé vydanie sa týka subagentov.
**Oprava 1.** Subagent na pozadí už nezostáva v paneli agentov „zaseknutý“ ako aktívny po zastavení vnoreného subagenta, ktorého spustil. Táto chyba sa môže vyskytnúť iba pri vnáraní.
**Oprava 2.** Obmedzenia `availableModels` sa teraz vzťahujú aj na subagentov. Predtým mohli subagenti obísť pravidlo, ktoré obmedzovalo modely dostupné tímu (napríklad zakázalo opus v záujme úspory), a to pomocou prepísania v ich vlastnej konfigurácii. Vo v2.1.172 platí toto pravidlo všade.
**Oprava 3.** Šípka nahor v histórii zadaní teraz zobrazuje zadania z **aktuálnej** karty subagenta, nie hlavného agenta. Vylepšenie pozorovateľnosti.
**Oprava 4.** Znížila sa spotreba procesora v nečinnosti: indikátor `/goal` už pri nečinnosti neprekresľuje terminál s frekvenciou 5 Hz a používateľské rozhranie sa počas práce paralelných subagentov prekresľuje menej často.
Upozorňujem, že všetky štyri opravy sa týkajú subagentov. To znamená, že Anthropic vydal celú infraštruktúru pre vnáranie, nielen jeden riadok v zozname zmien. Vnáranie sa v Anthropic používalo už nejaký čas pred zverejnením.
## Kontrolný zoznam: kedy vnáranie pomáha a kedy škodí
Kľúčový poznatok
Pred každým spustením nového subagenta posúďte úlohu pomocou 6 kontrolných otázok. Ak je aspoň 3-krát odpoveď „áno, použite hĺbku“, použite ju. Ak ich je menej, zostaňte pri paralelizme alebo jednom subagentovi. Ušetríte tým tokeny, nervy aj pár hodín zisťovania, čo vlastne robila reťaz 27 vnorených spustení.
Vnáranie použite, ak:
- Úloha obsahuje podúlohu s veľkým množstvom webových požiadaviek, vyhľadávania alebo čítania súborov.
- Nevadí, ak o túto podúlohu prídete (ak vnuk vráti „nič som nenašiel“, orchestrátor môže pokračovať).
- **Nepotrebujete** priebežné výsledky v hlavnom okne.
- Máte súbor `CLAUDE.md` a zostavený kontext projektu, o ktorý sa subagent môže oprieť.
- Dokážete jasne opísať, čo vráti každá úroveň (vstup, výstup, formát).
- Máte plán Max alebo rezervu na ×27 tokenov.
Vnáranie nepoužívajte, ak:
- Jeden subagent dokáže úlohu vyriešiť bez hluku.
- Potrebujete priebežné výsledky v hlavnom okne (to znamená, že potrebujete paralelizmus).
- Projekt nemá súbor CLAUDE.md alebo obsahuje len veľmi málo obchodného kontextu.
- Zadania na úrovni 1 sú nejasné (nejasnosť sa bude v strome exponenciálne násobiť).
- Potrebujete rýchlosť — pri porovnateľnom výsledku je paralelizmus rýchlejší než hĺbka.
- Máte plán Pro a pracujete celý deň — za pár hodín vyčerpáte limit.
### Zdroje
- [Claude Code Release v2.1.172 - GitHub Releases](https://github.com/anthropics/claude-code/releases/tag/v2.1.172)
- [Vytváranie vlastných subagentov - Claude Code Docs](https://code.claude.com/docs/en/sub-agents)
Ďalšie materiály nájdete na [Ailoot](https://ailoot.ai/).
## Otázky a odpovede: Ako delegovať rozsiahlu úlohu v Claude Code pomocou vnorených subagentov
### Musím pre skopírovaný postup vytvoriť claim-extractor?
Nie. Opravený research-orchestrator sám vyberá najviac päť tvrdení z dodaných materiálov. Vytvorte tri uvedené súbory: research-orchestrator, fact-verifier a web-deep-search; potom dodajte zdrojový text alebo URL.
### Obmedzí povolenie iba fact-verifier počet spustení detí?
Nie. Zoznam typov agentov obmedzuje povolený typ, nie počet vyvolaní. Tento postup samostatne obmedzuje úvodný výber na päť tvrdení; sledujte skutočné volania a spotrebu tokenov.
## Ailoot · Spoločnosť a jej portfólio projektov
Ailoot stavia na dlhodobých prevádzkových skúsenostiach, širokej klientskej základni, stabilných službách a priebežnom sledovaní KPI.
Spoločnosť a jej portfólio projektov: milióny zákazníkov; mesačné tržby v miliardách.
Ailoot využíva tieto prevádzkové skúsenosti na poskytovanie prístupu cez API k funkciám AI v produktoch zákazníkov, agentoch, aplikáciách a automatizáciách.