Deel D · Module 01

Multi-agent patronen

Orchestrator, pipelines, teams, worktrees: welke topologie wanneer?

Zone: machine Zone: organisatie ± 15 min kern

Leerdoelen

Na deze module kun je:

  • de vijf werkpatronen (chaining, routing, parallelisatie, orchestrator-workers, evaluator-optimizer) herkennen en het verschil tussen een workflow en een agent uitleggen;
  • voor een taak kiezen tussen één sessie, subagents, een agent team, een dynamic workflow en parallelle worktree-sessies, op basis van wie het plan vasthoudt en wat het kost;
  • een delegatie schrijven die dubbel werk en gaten voorkomt (doel, outputvorm, grenzen).

Voorkennis-check

Twee vragen over subagents en context. Fout? Lees C4 Subagents en B4 Context eerst terug.

Waar zitten we?

Multi-agent is laag 3 (meerdere loops) georkestreerd door laag 4 (de harness, of een script). Met laag 5 in zicht: wie betaalt de tokens, wie reviewt het resultaat van veertig agents, en wie beslist welke topologie past?

De stof in drie lagen

Kern ± 5 min lezen, daarna topologieën vergelijken

Eén agent is één loop met één contextvenster. Meerdere agents geven je parallellisme, aparte vensters en onafhankelijke blikken. Maar ze kosten meer tokens, meer coördinatie en meer review. Begin daarom bij de vraag die Anthropic zelf stelt:

When building applications with LLMs, we recommend finding the simplest solution possible, and only increasing complexity when needed. This might mean not building agentic systems at all.

De belangrijkste vraag bij elke topologie: wie houdt het plan vast? Het model, beurt voor beurt (één sessie, subagents)? Een lead met peers die zelf afstemmen (agent team)? Een script (dynamic workflow)? Of jij (parallelle sessies in worktrees)? Daaruit volgt waar tussenresultaten staan, hoe ver het schaalt en wat het kost.

Kies hieronder telkens een andere topologie voor dezelfde taak: veertig API-handlers migreren en controleren.

Samengevat: meer agents is meer tokens. Anthropic mat dat agents ongeveer 4× zoveel tokens gebruiken als een chat, en multi-agent-systemen ongeveer 15×. Dat loont bij breed, parallel werk met veel informatie; het loont niet bij werk dat gedeelde context of veel onderlinge afhankelijkheden heeft, en de meeste programmeertaken hebben minder echt parallelle delen dan onderzoek.

Verdieping workflow of agent, vijf patronen, topologieën in Claude Code

Workflow of agent?

Workflows are systems where LLMs and tools are orchestrated through predefined code paths. Agents, on the other hand, are systems where LLMs dynamically direct their own processes and tool usage, maintaining control over how they accomplish tasks.

Anthropic Engineering, Building effective agents

Een workflow is voorspelbaar en goedkoop te debuggen; een agent is flexibel als je de stappen niet vooraf kent. In de praktijk combineer je ze: een vaste pijplijn met een agentische stap erin, of een agent die een workflow start.

Vijf werkpatronen

Patronen uit "Building effective agents"
PatroonHoeWanneerIn Claude Code
Prompt chainingstap na stap; de output van de ene LLM-call is de input van de volgende, met programmatische checks (gates) ertussentaak valt netjes uiteen in vaste deeltakeneen skill met genummerde stappen; een pipeline via claude -p
Routingeen classificatie stuurt de input naar een gespecialiseerde vervolgstapduidelijk verschillende soorten inputskill- en agent-descriptions: het model routeert
Parallelisatiesectioning (onafhankelijke deeltaken tegelijk) of voting (dezelfde taak meerdere keren)snelheid, of meerdere perspectieven voor meer zekerheidparallelle subagents; meerdere reviewers
Orchestrator-workerseen centraal model splitst de taak dynamisch op, delegeert en voegt samenje kunt de deeltaken niet vooraf voorspellenhoofdgesprek + subagents; agent teams
Evaluator-optimizerhet ene model genereert, het andere beoordeelt, in een lusduidelijke beoordelingscriteria, en iteratie levert meetbaar iets opschrijver/reviewer-sessies; een Stop-hook met een check

Vijf topologieën in Claude Code

Wie het plan vasthoudt bepaalt de rest
SubagentsAgent teamDynamic workflowWorktree-sessies
PlanClaude, beurt voor beurtde lead, beurt voor beurthet scriptjij
Tussenresultatencontextvenster van de aanroepergedeelde takenlijstscriptvariabeleneigen checkout en branch per sessie
Schaaleen paar per beurteen handvol peerstientallen tot honderdenzoveel als jij kunt overzien
Statusstandaardexperimenteel, uit tenzij CLAUDE_CODE_EXPERIMENTAL_AGENT_TEAMS=1betaalde plannen en APIstandaard (claude -w <naam>)

Agent teams add coordination overhead and use significantly more tokens than a single session. They work best when teammates can operate independently.

A workflow moves the plan into code.

Lessen uit Anthropic's research-systeem

  • Leer de orchestrator delegeren. Elke subagent heeft een doel, een outputvorm, richtlijnen voor tools en bronnen, en duidelijke grenzen nodig. Met korte opdrachten als "onderzoek het chiptekort" deden drie subagents grotendeels hetzelfde werk.
  • Schaal de inzet mee met de vraag. Eén agent met 3–10 tool calls voor een feitje; 2–4 subagents voor een vergelijking; meer dan 10 voor complex onderzoek.
  • Parallel is sneller. 3–5 subagents tegelijk, elk met parallelle tool calls, verkortte de onderzoekstijd tot 90%.
  • Vermijd telefoontje-spelen. Laat subagents resultaten naar een bestand of extern systeem schrijven en geef een verwijzing door, in plaats van alles via de lead te laten lopen.
Onder de motorkap worktrees, /batch, agent teams, kosten

Worktrees

Een git-worktree is een tweede werkmap met eigen bestanden en branch, en dezelfde historie. claude --worktree feature-auth (of -w) maakt er een onder .claude/worktrees/feature-auth/, op branch worktree-feature-auth, en start daar een sessie. Twee sessies kunnen zo tegelijk aan dezelfde repo werken zonder elkaars bestanden te overschrijven.

  • Een worktree is een verse checkout: gitignored bestanden (.env) en dependencies zijn er niet. Zet kleine bestanden in .worktreeinclude (zelfde syntax als .gitignore); laat installeren via CLAUDE.md.
  • Bij afsluiten ruimt Claude Code een onbenoemde worktree zonder wijzigingen zelf op; bij een benoemde of gewijzigde vraagt het wat je wilt.
  • Een subagent met isolation: worktree werkt in zijn eigen worktree (C4).

Parallel werken

# twee terminals, twee geïsoleerde sessies
claude -w checkout-bug
claude -w csv-export

# één grote mechanische wijziging, opgedeeld en per eenheid een worktree en PR
/batch migrate every handler to the v2 response helpers

/batch deelt het werk op in 5 tot 30 eenheden en laat je het plan zien. Na goedkeuring krijgt elke eenheid een eigen worktree, en elke eenheid opent een PR of meldt wat er gebeurde.

Agent teams in het kort

Eén sessie is de lead; teammates zijn volledige Claude Code-sessies met elk een eigen venster. Ze delen een takenlijst, claimen taken en sturen elkaar direct berichten; jij kunt elke teammate ook rechtstreeks aanspreken. De docs adviseren: Sonnet voor teammates, kleine teams, gerichte spawn-prompts, en teammates afsluiten zodra hun werk klaar is, want elke actieve teammate blijft tokens verbruiken.

Rekenen met tokens

Elke extra agent laadt zijn eigen system prompt, CLAUDE.md en tools, en doet eigen requests. De totale kosten groeien dus ongeveer met het aantal agents maal hun looptijd. Voor de economie van multi-agent geldt volgens Anthropic: de taak moet waardevol genoeg zijn om de extra prestaties te betalen. Hoe je dat meet, zie D3 en D5.

Uitgewerkt voorbeeld: een delegatie die werkt

Een lead verdeelt een codebase-audit over drie subagents. Het verschil zit in het taakbericht.

Zwak

Onderzoek de beveiliging van de API.

Sterk (één van drie)

Doel: vind SQL-injectie en ontbrekende inputvalidatie in src/api/orders/ en src/api/payments/.
Niet jouw deel: authenticatie (agent 2) en secrets in config (agent 3).
Gereedschap: lees met Read/Grep; draai niets en wijzig niets.
Output: schrijf je bevindingen naar audit/orders-payments.md, per bevinding
bestand:regel, ernst (hoog/middel/laag), bewijs. Antwoord daarna alleen met het aantal
bevindingen per ernst.
  1. Doel en scope: welke mappen, welke soort fout. Zonder scope kiezen drie agents allemaal de makkelijkste plek.
  2. Grenzen met de anderen: dat voorkomt dubbel werk, het grootste probleem dat Anthropic zag bij vage delegatie.
  3. Gereedschap: wat mag wel en wat niet. Afdwingen doe je met de tools van de subagent (C4).
  4. Outputvorm en plek: details naar een bestand, een kort signaal terug. Zo blijft het venster van de lead klein en gaat er geen informatie verloren in een samenvatting van een samenvatting.
Doe-opdracht

Dezelfde klus in drie topologieën

Gebruik oefenrepo/c4-subagents/ (twee bugs in winkel/prijs.py, twee falende tests). Begin elke ronde vanaf een schone commit (git stash of git checkout .).

Opdracht

  1. Eén sessie. "Repareer beide falende tests." Noteer de kosten met /usage en hoe lang het duurde.
  2. Subagents. /clear, terug naar start. "Gebruik twee subagents parallel: één voor de kortingsbug, één voor de verzendkostenbug. Elk rapporteert een diff van maximaal 10 regels; jij past ze toe." Noteer /usage.
  3. Worktrees. Open twee terminals: claude -w korting en claude -w verzending, elk met één bug. Merge daarna beide branches in main.
  4. Vergelijk tijd, kosten en hoeveel jij moest doen. Welke topologie past bij twee kleine bugs? Bij veertig handlers?
Verwacht resultaat

Alle drie komen tot twee groene tests. Voor deze kleine klus is één sessie meestal het goedkoopst en snel genoeg. Subagents kosten meer tokens (eigen opstart per agent), voor weinig tijdwinst. Worktrees geven twee schone branches, maar jij doet het coördineren en mergen.

De les: de topologie hoort bij de taak. Twee kleine, samenhangende bugs: één sessie. Veertig onafhankelijke handlers: /batch of een workflow. Twee ongerelateerde features tegelijk: worktrees.

Als het niet werkt, kijk naar …
  • claude -w faalt. De map moet een git-repo zijn met minstens één commit.
  • Tests falen in de worktree met een importfout. Draai ze vanuit de root van de worktree (.claude/worktrees/<naam>/).
  • Merge-conflict. Beide sessies hebben prijs.py aangepast, wat bij twee functies in hetzelfde bestand kan. Precies het soort afhankelijkheid waardoor parallel werk tegenvalt.

Zelftoets