Anthropic объяснила, как масштабировать Claude Code: subagents, MCP и архитектура AI-агентов для командной разработки

Не про «ещё один AI-инструмент для программистов» — вот о чём здесь речь. Anthropic делает ставку на куда более серьёзный сценарий: превратить Claude Code из личного помощника разработчика в полноценный слой командной инженерной инфраструктуры. И, честно говоря, это уже не выглядит как красивая презентация для инвесторов. Похоже, компания действительно подталкивает рынок к модели, где разработка AI-агентов и автоматизация становятся частью повседневной поставки кода.

24 марта Anthropic проводит бесплатную сессию, посвящённую продвинутым паттернам работы с Claude Code: оркестрации subagents, интеграциям через Model Context Protocol (MCP) и стратегиям управления контекстом в больших кодовых базах. Формально это вебинар. По сути — демонстрация того, как выглядит масштабирование AI-кодинга в реальной команде, а не в стерильном демо-репозитории.

Сессия ориентирована не на новичков. Скорее, на те команды, которые уже попробовали Claude Code, увидели пользу, но пока не решились встроить его в ежедневный процесс разработки. И вот тут начинается самое интересное: Anthropic говорит не просто о подсказках в редакторе, а о шаблонах, где агент сам координирует задачи, вызывает инструменты, делегирует работу подагентам и работает с длинным контекстом без постоянного ручного надзора.

Если коротко: Claude Code хотят показать как программируемую платформу. Не игрушку. Не «умный autocomplete». Именно платформу.

Почему Anthropic так давит на тему масштабирования

Причина довольно приземлённая — деньги и инерция рынка. Claude Code стал одним из самых быстрорастущих продуктов Anthropic. По данным самой компании и отраслевых обзоров, продукт за короткий срок резко прибавил в выручке и узнаваемости, а в опросе Pragmatic Engineer почти тысяча разработчиков поставили его на первое место среди AI-инструментов для кодинга.

Это важно не только как PR-цифра. Когда инструментом начинают пользоваться не отдельные энтузиасты, а команды, требования меняются моментально: нужны воспроизводимость, журналирование действий, контроль доступа, безопасность AI-агентов, предсказуемые расходы, соответствие внутренним политикам. И вот тут начинается совсем другая игра — уже про архитектуру AI-агентов, а не про удобные подсказки в терминале.

Anthropic, к слову, не скрывает, что сама активно использует Claude Code внутри компании. Значительная часть кода продукта, по её словам, создавалась с участием самого Claude Code. Звучит почти как рекурсия на стероидах, но для рынка это сильный сигнал: компания продаёт не абстрактную теорию, а практику, на которую опирается сама.

Subagents и hooks: как Claude Code превращается в оркестратор

Центральная тема вебинара — subagents. Это специализированные подагенты, которых Claude Code может запускать параллельно для отдельных задач. Один исследует кодовую базу, другой строит план, третий выполняет многошаговую операцию. В результате модель работает не как один «универсальный собеседник», а как система распределённых исполнителей.

И это, если по-человечески, уже ближе к настоящей агентной автоматизации.

У Claude Code есть набор встроенных инструментов — около 14, включая файловые операции, shell-команды, доступ к вебу и механизмы управления потоком выполнения. Среди встроенных ролей subagent упоминаются, например, Explore для безопасного исследования кодовой базы в режиме чтения, Plan для подготовки плана действий и более универсальные исполнители для сложных цепочек задач.

Ключевой момент здесь не в количестве агентов, а в границах. Каждый subagent получает ограниченный набор инструментов и собственные разрешения. Это снижает риск того, что параллельные агенты начнут «топтаться» по одним и тем же ресурсам или, что хуже, внесут нежелательные изменения в код, инфраструктуру или данные. Для корпоративной среды такая модель особенно важна: без ограничений автономия быстро превращается в хаос. Ну, или в очень дорогой хаос.

Hooks дополняют эту схему. Они позволяют перехватывать события жизненного цикла и в нужные моменты запускать проверки, валидацию, внешние процессы или внутренние guardrails. Проще говоря, команда может встроить контрольные точки прямо в агентный workflow: перед изменением файлов, перед коммитом, после генерации тестов, во время проверки pull request и так далее.

Именно здесь Claude Code начинает напоминать не просто coding assistant, а управляемую систему безопасности AI-агентов и автоматизации разработки. Сначала агент делает шаг. Потом система проверяет, не вышел ли он за рамки. Потом — следующий шаг. Не идеально, конечно. Но уже очень похоже на зрелую инженерную модель.

Anthropic также описывает сценарии, где несколько агентов работают в отдельных сессиях и даже в изолированных Git worktree. Один собирает backend API, другой параллельно занимается frontend-частью, третий анализирует тестовое покрытие. Такая схема особенно интересна для команд, которые строят мультиагентные системы и хотят разделять роли, контекст и зоны ответственности между агентами.

Claude Code в CI/CD: уже не эксперимент, а рабочий паттерн

Отдельный пласт — интеграция Claude Code в CI-пайплайны. И вот это, пожалуй, один из самых практичных моментов всей истории. Команды используют инструмент для автоматизированной проверки PR, генерации unit-тестов, анализа diff и раннего поиска регрессий ещё до того, как код увидит живой ревьюер.

Сценарий выглядит так: приходит pull request, Claude Code анализирует изменения, предлагает или пишет тесты, проверяет потенциальные побочные эффекты, сигнализирует о рисках. Человеку остаётся не разгребать всё с нуля, а принимать более качественное решение. Не магия — просто нормальная инженерная экономия времени.

Но вместе с выгодой приходят и новые проблемы. Когда одновременно запускаются несколько агентов, каждый из которых вызывает инструменты, читает контекст, делегирует задачи subagents и крутится в длинных agentic loops, расход токенов может расти очень быстро. А встроенного, нативного контроля затрат по пользователю, команде или проекту у Claude Code пока нет. Для enterprise это уже не мелочь. Это прямая боль.

Потому что одно дело — дать инструмент пяти разработчикам. Совсем другое — развернуть его на десятки команд, где параллельно работают автономные агенты, а бюджет начинает утекать не по капле, а ведром. И да, в этот момент нужны не только метрики, но и AI compliance и соответствие требованиям: кто что запускал, какие данные использовались, какие действия были разрешены, как всё это аудируется.

MCP: почему Model Context Protocol стал таким важным

Вторая большая тема вебинара — MCP, Model Context Protocol. Это протокол, через который Claude Code может подключаться к внешним системам и инструментам: базам данных, GitHub, Slack, внутренним сервисам, корпоративным API и не только. В модели MCP сервер предоставляет возможности, а Claude выступает клиентом, который делает стандартизированные вызовы.

На бумаге всё звучит сухо. На практике — это один из ключевых кирпичей современной агентной инфраструктуры.

Если упростить до предела, MCP нужен для того, чтобы AI-агент не жил в вакууме. Чтобы он не просто генерировал текст, а мог безопасно и предсказуемо взаимодействовать с рабочими системами компании. Запросить PR. Прочитать данные. Отправить сообщение. Запустить проверку. Получить артефакт сборки. И всё это — через единый протокол, а не через кустарные интеграции на коленке.

Anthropic на вебинаре обещает разобрать и практический вопрос: когда стоит делать полноценный MCP-инструмент, а когда достаточно обычного скрипта. Для инженерных команд это не праздная деталь. Иногда хочется «сделать красиво», а потом этот красивый слой приходится поддерживать годами. Так что выбор между быстрым скриптом и полноценной интеграцией — вопрос не только архитектуры, но и здравого смысла.

С момента появления MCP в конце 2024 года протокол заметно окреп. К концу 2025 года его передали в Agentic AI Foundation под эгидой Linux Foundation. Затем поддержку начали добавлять крупные игроки: Apple внедрила нативную поддержку MCP в Xcode 26.3, OpenAI тоже двинулась в ту же сторону, включая защищённые каналы для MCP-серверов. И это уже меняет рынок.

Когда протокол подключения становится общим, конкуренция смещается выше. Не в «кто умеет подключиться к системе», а в «кто лучше оркестрирует работу агентов», «у кого сильнее developer experience», «чья агентная память и контекст работают надёжнее». Собственно, поэтому сегодня так важны темы вроде агентной памяти и RAG, управления длинным контекстом и разделения ролей между агентами.

Правда, есть и ложка дёгтя. Исследователи безопасности отмечают, что в MCP всё ещё не хватает зрелого policy layer для управления разрешениями в длинных цепочках делегирования. То есть агент может вызвать инструмент, который вызывает другой инструмент, который тянет чувствительные данные — и вот тут без чёткой модели политик становится тревожно. Мягко говоря.

Пятислойная модель Claude: от подключения к командной координации

Если собрать всё, что Anthropic продвигает вокруг Claude, получается довольно стройный стек. Внизу — MCP как слой подключения. Выше — Skills, то есть специализированные знания или шаблоны под конкретные задачи. Затем основной Agent. Над ним — Subagents для параллельной и изолированной работы. И, наконец, Agent Teams как уровень координации нескольких агентов в рамках общей задачи.

Эта модель важна потому, что показывает: рынок движется не к одному «суперассистенту», а к системам, где разные агенты выполняют разные функции, а архитектура становится модульной. Для бизнеса это уже вопрос не только удобства, но и проектирования. Кто отвечает за память? Где хранится контекст? Как устроены разрешения? Как обеспечивается безопасность? Как контролируются расходы? Где проходит граница между автономией и ручным одобрением? Вопросов — вагон. И маленькая тележка.

Anthropic выпускает эти строительные блоки довольно быстро: MCP, Agent SDK, subagents, Skills, Agent Teams. Такая скорость впечатляет, но одновременно создаёт нагрузку на корпоративных заказчиков. Им нужно не просто «успевать за релизами», а выстраивать устойчивую модель внедрения. Иначе получится знакомая история: пилот красивый, а масштабирование буксует.

Почему разработчики тянутся к Claude Code

Судя по отраслевым опросам, у Claude Code сейчас сильная поддержка среди разработчиков. В одном из сравнений инструмент получил 46% положительных оценок против 19% у Cursor и 9% у GitHub Copilot. Цифры, конечно, зависят от выборки и методики, но тренд виден: интерес к Claude Code не случайный.

Одна из причин — terminal-native подход. Claude Code работает напрямую из командной строки, а не только как плагин внутри IDE. Это даёт доступ к файловой системе, git-истории, тестовым наборам, shell-командам и реальному окружению разработки. Для опытных инженеров такой формат часто удобнее и мощнее, чем редакторные расширения с жёсткими API-ограничениями.

Есть и ещё один фактор: рост интереса к AI-агентам в целом. По данным Pragmatic Engineer, более половины респондентов уже регулярно используют AI-агентов, а среди senior- и staff-уровня доля ещё выше. И что любопытно — пользователи агентных workflow обычно относятся к AI заметно позитивнее, чем те, кто с ними почти не работает. Видимо, когда инструмент реально помогает, скепсис становится тише. Хотя не исчезает совсем, и это нормально.

Для Anthropic это открывает понятный путь в enterprise. Сначала разработчики сами начинают пользоваться агентами. Потом команды хотят общие шаблоны. Затем появляются требования к безопасности, управлению, аудиту и бюджету. И вот уже разговор идёт не о личной подписке, а о корпоративной платформе.

Где у Claude Code остаются слабые места

При всём оптимизме у Claude Code есть вполне ощутимые ограничения. Главное — governance. Когда multi-agent workflow масштабируются на команду или организацию, резко возрастает потребность в прозрачности: кто запускал агента, какие инструменты он использовал, сколько стоила сессия, какие данные были затронуты, можно ли воспроизвести действия, как настроены политики доступа.

Пока именно здесь у многих enterprise-команд возникают вопросы. И, если честно, вполне справедливые.

Отдельная проблема — отсутствие встроенного детального учёта затрат по пользователям, проектам и подразделениям. Для небольших команд это терпимо. Для крупных организаций — уже нет. Особенно если агенты работают параллельно, порождают subagents и активно используют внешние инструменты через MCP.

Есть и архитектурный риск: чем больше автономии у агентов, тем выше цена ошибки. Неправильно настроенные разрешения, слишком широкий доступ к внутренним системам, слабые guardrails, отсутствие policy layer — всё это может превратить удобную автоматизацию в источник операционных и комплаенс-рисков. Не завтра. Сразу.

Что на самом деле показывает вебинар Anthropic

Если отбросить маркетинговую обёртку, Anthropic пытается ответить на очень конкретный вопрос: может ли Claude Code стать стандартом для командной AI-разработки, а не просто любимым инструментом отдельных инженеров?

Вебинар про subagents, MCP, CLAUDE.md для monorepo и управление context window на больших кодовых базах — это, по сути, попытка доказать, что да, может. Что Claude Code подходит не только для локальных экспериментов, но и для ежедневной работы команд, где важны скорость, контроль, повторяемость и интеграция с существующим стеком.

Получится ли у Anthropic дожать enterprise-сегмент — вопрос пока открытый. У Microsoft сильные каналы продаж и инерция GitHub Copilot, у OpenAI свои амбиции в агентном кодинге, рынок движется быстро, а стандарты ещё не устоялись до конца. Но одно уже видно довольно ясно: борьба идёт не за лучший чат для программиста, а за базовый слой будущей инженерной операционки.

И вот это уже серьёзно.

Для компаний, которые оценивают внедрение AI-агентов, автоматизацию разработки, мультиагентные системы и безопасную интеграцию с внутренними сервисами, история вокруг Claude Code — полезный ориентир. Она показывает, куда движется рынок: к оркестрации агентов, стандартизированным протоколам подключения, управлению контекстом, агентной памяти, контролю безопасности и требованиям compliance. Всё остальное — детали реализации. Важные, да. Но всё же детали.