Как запустить несколько AI-агентов разом в Claude Code
Приём, который пропускают новички: попроси Claude Code запустить сразу несколько агентов — поделить задачу, бить по ней параллельно или челленджить друг друга.
Евгений Арсентьев · PhDПроверено на точность — Евгений Арсентьев, PhD · 2026-06-15
Да — на тебя может работать не один AI-агент, а сразу несколько одновременно. В Claude Code можно попросить целую команду — пять, десять и больше — и спустить их с поводка параллельно: поделить одну большую задачу, делать разные задачи или даже проверять работу друг друга. Вот как это работает, когда использовать и почему счёт от этого не взрывается.
Что значит «запустить несколько агентов разом»?
Claude Code умеет запускать суб-агентов — независимых помощников, каждый получает свои инструкции и работает сам по себе, в одно и то же время, а потом отчитывается главной сессии. Вместо одного ассистента, который делает шаг 1, потом шаг 2, потом шаг 3, ты получаешь команду, которая делает шаги 1, 2 и 3 одновременно. Ты просишь один раз, обычными словами; координацию берёт на себя Claude.
Один фрилансер идёт по твоему списку дел сверху вниз. Команда из десяти делит список и заканчивает за долю времени — а хорошие ещё и перепроверяют друг друга, прежде чем сдать. Вот разница между одним агентом и роем.
Три способа применить рой
Выбери подходящий паттерн
- 1ПОДЕЛИ одну большую задачу: «проверь все 40 файлов на баги — по агенту на пачку файлов». Десять читателей сделают то, над чем один корпел бы в одиночку.
- 2Гоняй РАЗНЫЕ задачи параллельно: «один агент пишет тесты, один — документацию, один чинит баг входа» — всё одновременно.
- 3Заставь их ЧЕЛЛЕНДЖИТЬ друг друга: «три агента решают это независимо, затем четвёртый сравнивает их, выбирает сильнейшее и указывает на изъяны». Независимые попытки ловят то, что один проход упускает.
Один агент может быть уверенно неправ. Три агента, работающие независимо, редко делают ОДНУ И ТУ ЖЕ ошибку — поэтому, когда ты заставляешь их критиковать друг друга («найди изъян в этом»), слабые ответы отсеиваются, а сильный выживает. Та же причина, по которой в жизни важно второе мнение. Качество выше, а делать самому больше не нужно.
А 10 агентов стоят дороже?
Не на личной подписке. Claude Pro и Max — это ФИКСИРОВАННАЯ плата в месяц: твоё использование уже включено, работает один агент или десять. Никакого счётчика по токенам и никакого неожиданного счёта. Единственное, что большой рой тратит быстрее, — это твой лимит использования в этом окне, а он просто обновляется через несколько часов. (На API с оплатой по факту это И ВПРАВДУ копилось бы по токенам — но это дверь для разработчиков/автоматизации, а не твой тариф.) Так что на подписке — действуй смело.
Как их вообще запустить?
Запусти 5 агентов параллельно, чтобы проверить весь проект на баги: подели файлы между ними, потом пусть ещё один агент перепроверит их находки и выдаст мне только настоящие.
Ты не управляешь ими вручную. Ты описываешь команду и цель; Claude их поднимает, запускает одновременно и собирает результаты в один ответ для тебя.
Рой — это перебор для мелких быстрых задач: для них один агент и один ясный запрос быстрее (и привычки экономии по-прежнему в силе). Береги команду для по-настоящему крупной или параллельной работы: широкие ревью, большие правки, перебор нескольких идей разом или стресс-тест важного ответа. И начальник по-прежнему ты — пробегись глазами по тому, что вернулось, прежде чем довериться.
Что происходит со счётом на личной подписке Claude, когда ты запускаешь десять агентов вместо одного?
Ты не ограничен одним AI, который делает одну вещь за раз. Попроси команду, направь её на работу, дай им поделить её или челленджить друг друга — и на твоей подписке всё это уже включено. Это один из самых больших бесплатных апгрейдов того, как ты строишь.
Бесплатный курс
Хватит читать про ИИ — начни строить с ним
Бесплатный курс Claude Code: свой первый сайт, инструмент или игра — без программирования. Без апсейлов и кросс-сейлов — здесь нечего купить.
Начать →Источники и исследования
Подборка рецензируемых работ и препринтов по научной основе этой темы.
- [1]Shu et al. (2024). Towards Effective GenAI Multi-Agent Collaboration: Design and Evaluation for Enterprise Applications. arXiv:2412.05449
- [2]Rothfarb et al. (2025). Hierarchical Multi-agent Large Language Model Reasoning for Autonomous Functional Materials Discovery. arXiv:2512.13930
- [3]Zhu et al. (2022). A Survey of Multi-Agent Deep Reinforcement Learning with Communication. arXiv:2203.08975
- [4]Wang et al. (2024). Learning From Failure: Integrating Negative Examples when Fine-tuning Large Language Models as Agents. arXiv:2402.11651
- [5]Soyez et al. (2013). A Methodology to Engineer and Validate Dynamic Multi-level Multi-agent Based Simulations. arXiv:1311.5108
- [6]Yang et al. (2024). MedAide: Information Fusion and Anatomy of Medical Intents via LLM-based Agent Collaboration. arXiv:2410.12532
- [7]Peters et al. (2024). Emergent Language: A Survey and Taxonomy. arXiv:2409.02645
Автор
Евгений Арсентьев
PhD · CEO, digital health
Чтение — хорошее начало
Хочешь реально это построить?
Гайды объясняют. Бесплатный курс превращает — персонально, с геймификацией и заточенный на быстрый запуск.
Начать бесплатный курс →