Anthropic: sistema multiagente de pesquisa

01 · O PROBLEMA

Pesquisa é um trabalho de caminho imprevisível

Segundo a Anthropic, em pesquisa é muito difícil prever com antecedência os passos necessários, e a tarefa exige flexibilidade para mudar de rumo e explorar conexões laterais conforme a investigação avança.

O post define um sistema multiagente como vários agentes (LLMs que usam ferramentas de forma autônoma, em laço) trabalhando juntos. No recurso Research, um agente planeja o processo de pesquisa e usa ferramentas para criar agentes paralelos que buscam informação ao mesmo tempo.

Nas avaliações internas da Anthropic, esses sistemas se destacam em consultas em largura, que perseguem várias direções independentes ao mesmo tempo. Um sistema com Claude Opus 4 como líder e subagentes Claude Sonnet 4 superou o Claude Opus 4 sozinho em 90,2% na avaliação interna de pesquisa.

02 · POR QUE FUNCIONA E QUANTO CUSTA

Tokens, paralelismo e viabilidade econômica

A Anthropic afirma que sistemas multiagente funcionam principalmente porque ajudam a gastar tokens suficientes para resolver o problema. Na avaliação BrowseComp, três fatores explicaram 95% da variância de desempenho: o uso de tokens sozinho explica 80%, e os outros dois fatores são o número de chamadas de ferramenta e a escolha do modelo.

Há um preço. Nos dados da Anthropic, agentes usam tipicamente cerca de 4× mais tokens que interações de chat, e sistemas multiagente cerca de 15× mais. Por isso a tarefa precisa ter valor alto o bastante para pagar o desempenho extra.

03 · ARQUITETURA

Orquestrador e subagentes em paralelo

O Research usa o padrão orquestrador-trabalhadores: um agente líder coordena o processo e delega a subagentes especializados que operam em paralelo.

1. A consulta chega ao agente líder, que a analisa e desenvolve uma estratégia.

2. O líder salva o plano na memória para não perdê-lo caso o contexto seja truncado ao passar do limite.

3. O líder cria subagentes para explorar aspectos diferentes da pergunta ao mesmo tempo.

4. Cada subagente busca de forma independente com as ferramentas, avalia o que encontra e devolve achados ao líder.

5. O líder sintetiza o que recebeu e decide se precisa de mais pesquisa, o que pode levar a novos subagentes ou a uma estratégia refinada.

6. Quando há informação suficiente, os achados vão ao agente de citações, que identifica os locais das citações antes de o resultado voltar ao usuário.

Diferente do RAG tradicional, que busca um conjunto de trechos mais semelhantes à consulta para gerar a resposta, a arquitetura faz uma busca em vários passos que encontra informação relevante de forma dinâmica, se adapta a novas descobertas e analisa os resultados.

O plano do líder fica salvo na memória porque, se a janela de contexto passar de 200.000 tokens, ela é truncada e é importante reter o plano.

04 · PROMPTS, FERRAMENTAS E PARALELISMO

Como o líder aprende a delegar

Nas primeiras versões, os agentes criavam 50 subagentes para consultas simples, vasculhavam a web sem fim atrás de fontes inexistentes e distraíam uns aos outros com atualizações em excesso. Como cada agente é guiado por um prompt, a engenharia de prompt foi a principal alavanca para melhorar esses comportamentos.

O líder precisa saber delegar: cada subagente precisa de um objetivo, um formato de saída, orientação sobre ferramentas e fontes, e limites claros de tarefa. Sem descrições detalhadas, os agentes duplicam trabalho, deixam lacunas ou não encontram a informação necessária. Instruções curtas como pesquisar a escassez de semicondutores costumavam ser vagas o bastante para os subagentes interpretarem mal a tarefa ou fazerem exatamente as mesmas buscas de outros agentes.

Como os agentes têm dificuldade de julgar o esforço adequado, a Anthropic embutiu regras de escala nos prompts:

As interfaces entre agente e ferramenta são tão críticas quanto as interfaces humano-computador, e descrições ruins podem mandar o agente por caminhos totalmente errados. Por isso cada ferramenta precisa de propósito distinto e descrição clara. A equipe criou um agente testador de ferramentas que tenta usar uma ferramenta defeituosa e reescreve a descrição para evitar falhas, e esse processo reduziu em 40% o tempo de conclusão de tarefas dos agentes que usaram a nova descrição.

Para ganhar velocidade, foram introduzidos dois tipos de paralelização: o agente líder cria de 3 a 5 subagentes em paralelo, em vez de em série, e os subagentes usam 3 ou mais ferramentas em paralelo. Essas mudanças reduziram o tempo de pesquisa em até 90% em consultas complexas.

Os agentes costumam usar consultas longas e específicas demais, que devolvem poucos resultados. A correção foi instruí-los a começar com consultas curtas e amplas e, depois de avaliar o que está disponível, estreitar o foco progressivamente.

05 · AVALIAÇÃO

Avaliar o resultado, não o roteiro

Mesmo com pontos de partida idênticos, agentes podem seguir caminhos válidos completamente diferentes até o objetivo. Por isso são necessários métodos flexíveis, que julguem se os agentes alcançaram os resultados certos com um processo razoável.

Comece cedo e com amostras pequenas. Uma mudança de prompt pode elevar a taxa de sucesso de 30% para 80%, e com efeitos desse tamanho dá para perceber mudanças com poucos casos de teste. A equipe começou com um conjunto de cerca de 20 consultas que representavam padrões de uso reais.

Como a saída de pesquisa é difícil de avaliar programaticamente por ser texto livre, a Anthropic usou um juiz LLM que avaliou cada saída contra uma rubrica: precisão factual, precisão das citações, completude, qualidade das fontes e eficiência no uso de ferramentas. Uma única chamada de LLM com um único prompt, que devolve notas de 0,0 a 1,0 e um veredito aprovado ou reprovado, foi a mais consistente e alinhada com o julgamento humano.

A avaliação humana encontra o que a automação perde. Testadores notaram que os primeiros agentes escolhiam consistentemente sites de conteúdo otimizado para SEO em vez de fontes autoritativas, mas menos bem ranqueadas, como PDFs acadêmicos e blogs pessoais, e adicionar heurísticas de qualidade de fonte aos prompts ajudou a resolver esse problema.

Para agentes que alteram estado persistente em vários turnos, a Anthropic teve sucesso focando na avaliação do estado final em vez da análise turno a turno.

06 · PRODUÇÃO

Estado, depuração, deploy e limites da execução síncrona

Agentes são stateful e os erros se acumulam. Reiniciar do começo é caro e frustrante para os usuários, então a Anthropic construiu sistemas que retomam do ponto em que o agente estava quando o erro ocorreu, e combina a adaptabilidade dos agentes com salvaguardas determinísticas, como lógica de retry e checkpoints regulares.

Os agentes tomam decisões dinâmicas e são não determinísticos entre execuções, mesmo com prompts idênticos. O tracing completo de produção permitiu diagnosticar por que os agentes falhavam e corrigir problemas de forma sistemática.

1. Como os agentes podem estar em qualquer ponto do processo durante um deploy, o tráfego é deslocado aos poucos da versão antiga para a nova, com as duas em execução.

2. Checkpoints regulares e a capacidade de retomar do ponto em que o agente estava permitem continuar depois de um erro, em vez de recomeçar.

3. O tracing de produção registra padrões de decisão e estruturas de interação, sem monitorar o conteúdo das conversas individuais.

Hoje, os agentes líderes executam os subagentes de forma síncrona, esperando cada conjunto terminar antes de prosseguir. Isso simplifica a coordenação, mas cria gargalos no fluxo de informação entre agentes, e o sistema inteiro pode ficar bloqueado esperando um único subagente terminar de buscar. A execução assíncrona permitiria paralelismo adicional, mas traz desafios de coordenação de resultados, consistência de estado e propagação de erros entre os subagentes.

O apêndice do post descreve esta prática: subagentes chamam ferramentas para guardar seu trabalho em sistemas externos e devolvem ao coordenador apenas referências leves. Isso evita perda de informação em processamento de vários estágios e reduz o custo de tokens de copiar saídas grandes pelo histórico da conversa.

1. No diagrama, o líder delega uma tarefa a um subagente especializado.

2. O subagente chama ferramentas para guardar seu trabalho no armazenamento externo.

3. O subagente devolve ao líder só uma referência leve, sem copiar a saída grande pelo histórico da conversa.