子 agent 另開迴圈,交接內容決定彼此知道多少
深讀 L2 980 字 2 分鐘 v2.0.0 更新 2026-11-16
派工先經過工具,再啟動另一個迴圈
主迴圈依照 Agent Loop 運作:問模型、執行工具,再把結果送回模型。派工也走這條路,模型透過 工具呼叫 提出工具名稱與參數,由 harness 執行並送回結果。
harness 收到派工請求後,建立新的訊息清單 messages,再啟動子 agent 的迴圈。子 agent 使用自己的系統指示與工具清單,執行被交付的任務。
子 agent 查資料時,讀到的內容與工具結果進入子 agent 的迴圈。結束時,harness 把子 agent 的最後一則訊息,當成這次派工呼叫的結果。
下圖示範任務說明與摘要在兩個迴圈之間的傳遞方向。
主迴圈呼叫派工工具,參數是一段任務說明。
邊界落在新建的訊息清單
下面的偽程式碼把迴圈包成 Agent 工具。agent_tool 使用的 agent_loop,與主迴圈是同一個函式。
def agent_tool(prompt, tools, depth):
if depth >= MAX_DEPTH:
return "error: cannot spawn deeper"
messages = [user(prompt)] # fresh context
return agent_loop(SUB_SYSTEM, tools, messages)
TOOLS["Agent"] = {
"description": "Run a task in a separate context. "
"Returns only the final message.",
"run": agent_tool,
}messages = [user(prompt)] 是交接邊界所在。這份新清單只有任務說明,沒有主對話;呼叫時再另外傳入 SUB_SYSTEM 與 tools。
depth 則在啟動前接受檢查。當 depth >= MAX_DEPTH,函式直接回傳 error: cannot spawn deeper,不會建立新清單或啟動下一層迴圈。
下圖用程式碼逐步標示新清單的建立與迴圈的呼叫位置。
新的 messages 只有任務說明,沒有主對話。
先派唯讀的任務,因為平行讀檔不會衝突
先挑一個需要讀很多檔案的問題,交給子 agent。任務說明寫明目標、已知的事與回報格式,讓子 agent 有足夠背景,也知道最後要交付什麼。
選擇唯讀工作,可以先避開共同修改的協調問題。多個子 agent 同時讀檔不會衝突;若同時修改檔案,就需要協調。適合派出去的工作類型,見 子 agent 只查與審。
先把單一 agent 用好,工具太多或判斷太複雜時,再拆成多個 agent。
子 agent 換來乾淨的主對話,代價是派工與回報兩次交接都可能遺漏資訊。模型讀寫文字以 token 為單位;每個子 agent 都要從頭讀取需要的內容,因此 token 用量也更高。
缺背景查派工,缺發現查回報
子 agent 漏掉已知條件時,先查任務說明。主對話曾經提過,不代表子 agent 收到;要確認條件是否真的寫進傳入的 prompt。
主迴圈漏用查到的發現時,則查子 agent 的最後一則訊息。對照查閱過程中的發現,確認需要交付的內容是否寫進摘要。
若看到 error: cannot spawn deeper,就查呼叫時的 depth 與 MAX_DEPTH。依這段偽程式碼,錯誤發生在子 agent 啟動之前,應先檢查派工深度。
來源
- Create custom subagents Claude Code docs
- How we built our multi-agent research system Anthropic
- A practical guide to building agents OpenAI
- Scaling long-running autonomous coding Wilson Lin, Cursor
- Towards self-driving codebases Wilson Lin, Cursor