Как Anthropic учит Claude Code «думать как агент» и зачем вам это знать

Что нового

Anthropic не выкатывает один большой релиз Claude Code, а постепенно перестраивает то, как сам ИИ-агент работает с инструментами. В свежем цикле изменений — несколько ключевых вещей:

1. AskUserQuestion — отдельный инструмент для уточняющих вопросов к пользователю:

   • Claude вызывает его как обычный тул.
   • Интерфейс показывает модальное окно с вопросами.
   • Основной цикл агента останавливается, пока пользователь не ответит.
   • Вопросы структурированы, с вариантами ответов.

2. Переход от TodoWrite к Task tool:

   • Раньше: простой список дел (TodoWrite), напоминания каждые 5 ходов.
   • Сейчас: система задач (Task tool) с зависимостями и обновлениями между субагентами.
   • Задачи можно менять и удалять по ходу работы.

3. Смена подхода к поиску контекста:

   • Стартовая версия Claude Code внутри Anthropic работала на классическом RAG: векторная база, прединдексация кода, автоматическая подача сниппетов в контекст.
   • Anthropic ушла от схемы, где система «кормит» контекст, к схеме, где сам Claude строит контекст с помощью:
     • инструмента grep по коду;
     • Agent Skills и принципа «прогрессивного раскрытия» (progressive disclosure) — агент постепенно открывает нужные файлы и инструкции.

4. Claude Code Guide — субагент вместо ещё одного тула:

   • Отдельный агент, к которому Claude обращается, когда пользователь спрашивает про сам Claude Code: slash-команды, MCP, настройки.
   • Гайд сам ходит в документацию, ищет нужные фрагменты и возвращает только ответ, не засоряя основной контекст.

Общий тренд: Anthropic не наращивает количество инструментов, а переосмысляет, какие именно тулы действительно помогают Claude, а какие мешают, когда модель становится умнее.

Как это работает

AskUserQuestion: структурированные вопросы вместо «болтовни»

Изначально команда пыталась научить Claude задавать вопросы двумя путями:

1. Параметр в ExitPlanTool:

   • К тулу, который отвечает за итоговый план, добавили массив вопросов.
   • Claude должен был одновременно строить план и формировать список уточнений.
   • В реальности агент путался: что делать, если ответы пользователя противоречат уже построенному плану? Звать ExitPlanTool второй раз? Перестраивать план целиком?
   • Этот подход команда быстро отменила.

2. Специальный markdown-формат в выводе:

   • В инструкциях к выводу прописали: генерировать список вопросов в буллетах, варианты ответов — в скобках.
   • UI потом парсит этот текст и превращает его в форму.
   • Claude часто ломал формат: добавлял лишние фразы, терял опции, нарушал структуру.

Рабочим решением стал отдельный инструмент AskUserQuestion:

• Claude может вызвать его в любой момент, но особенно его «подталкивают» делать это в режиме планирования.
• Тул возвращает строго структурированный формат вопросов и вариантов.
• Интерфейс показывает модальное окно, а цикл агента ждёт ответа.
• Пользователи могут использовать этот инструмент и в Agent SDK, и внутри skills, комбинируя его с другими действиями.
• Главное: Claude «понимает», как и когда его вызывать, и делает это охотно.

От TodoWrite к Task tool: когда тулы начинают мешать

Первая версия Claude Code нуждалась в «колёсиках» для памяти:

• Anthropic добавила TodoWrite:
  • Claude в начале работы формировал список задач.
  • По мере выполнения пунктов отмечал их выполненными.
  • Список был виден пользователю.
• Дополнительно каждые 5 ходов в системные инструкции вшивали напоминание о цели, чтобы агент не терял фокус.

Со временем Anthropic увидела две проблемы:

1. Новые версии Claude (например, Opus 4.5) стали лучше управлять планированием и субагентами.
2. Напоминания и жёсткий todo-лист начали ограничивать поведение агента:
   • Claude воспринимал список как нечто фиксированное.
   • Ему было сложнее менять курс по ходу работы.
   • Возник вопрос: как нескольким субагентам делить один список дел?

Ответ — Task tool:

• Задачи вместо жёстких todo:
  • Есть зависимости между задачами.
  • Субагенты могут делиться статусами.
  • Claude может изменять и удалять задачи, а не только «отмечать галочками».
• Фокус сместился с «не дать агенту забыть» на «дать агентам общий язык для координации».

Поиск контекста: от RAG к агентскому поиску

Стартовая архитектура Claude Code внутри Anthropic выглядела так:

• Вся кодовая база индексировалась в векторной БД.
• Перед каждым ответом агентского цикла хранилище возвращало релевантные фрагменты.
• Эти фрагменты автоматически добавлялись в контекст Claude.

Плюсы:

• Быстро.
• Не требует от агента сложного поведения.

Минусы, которые увидела Anthropic:

• Нужен этап индексации и настройка для каждого окружения.
• Система хрупкая: разные стек-технологии, структуры репозиториев, окружения.
• Главное — Claude получает контекст, а не конструирует его сам.

Дальше команда пошла по другому пути:

1. Grep как инструмент:

   • Claude получает тул, который умеет искать по файлам.
   • Агент сам решает, когда и что искать.
   • Контекст строится по шагам: поиск → чтение файла → поиск по ссылкам и импортам → чтение следующего файла.

2. Agent Skills и прогрессивное раскрытие:

   • Skills — это файлы с инструкциями и ссылками на другие файлы.
   • Claude может прочитать skill, затем по его указаниям открыть другие файлы.
   • Так агент выстраивает многоуровневый поиск: от общего описания к точным фрагментам кода или документации.
   • Частый сценарий: skill описывает, как ходить в API или базу данных, а Claude следует этим шагам.

За год Claude прошёл путь от агента, который почти не умел сам строить контекст, до системы, которая делает вложенный поиск через несколько уровней файлов и находит нужный фрагмент кода или инструкции.

Claude Code Guide: больше возможностей без новых тулов

Команда заметила, что Claude плохо отвечает на вопросы про сам Claude Code:

• Как подключить MCP.
• Что делает конкретная slash-команда.
• Как устроена среда.

Варианты, которые рассматривала Anthropic:

1. Запихнуть всё в системный промпт:

   • Минус: пользователи редко спрашивают об этом.
   • Лишний текст портит «чистоту» контекста и мешает основной задаче — написанию кода.

2. Дать ссылку на документацию и разрешить её читать по запросу:

   • Claude мог подгружать доки и искать по ним.
   • На практике он часто тянул огромные куски текста, чтобы ответить на вопрос, который можно решить одной фразой.

Итоговое решение — Claude Code Guide:

• Это субагент, на которого основной Claude «переадресует» вопросы о Claude Code.
• Гайд работает в своём контексте:
  • сам ходит в документацию;
  • следует подробным инструкциям по поиску и извлечению информации;
  • возвращает только сжатый ответ.
• Основной агент при этом не засоряет свой контекст документацией.

Решение не идеальное — иногда Claude всё ещё путается в вопросах о собственной настройке. Но Anthropic смогла расширить «пространство действий» Claude без добавления нового тула.

Что это значит для вас

Если вы строите своих агентов

Из этой истории можно вынести несколько практических правил.

1. Не спешите плодить инструменты:

   • Каждый новый тул — ещё один вариант, который агент должен обдумывать.
   • Anthropic держит около 20 инструментов в Claude Code и регулярно проверяет, нужны ли они все.
   • Попробуйте сначала решить задачу через skills, прогрессивное раскрытие и субагентов.

2. Дизайн тула должен «подходить» под способности модели:

   • Claude лучше использует AskUserQuestion, чем хитрый markdown-формат, потому что инструмент даёт чёткую структуру.
   • Если ваш агент стабильно ломает формат вывода — вероятно, ему нужен отдельный тул, а не ещё один абзац инструкций.

3. Инструменты стареют:

   • То, что помогало вчера (TodoWrite + напоминания), сегодня может ограничивать поведение более сильной версии агента.
   • Периодически пересматривайте свои тулы: что можно убрать или заменить, исходя из новых возможностей модели.

4. Дайте агенту возможность самому строить контекст:

   • Вместо того чтобы вручную «кормить» контекст из векторной БД, попробуйте дать агенту grep-подобный тул и чёткие инструкции.
   • Добавьте skills, которые описывают, как ходить в API, базу данных, внутреннюю документацию.

5. Разделяйте «рабочего» агента и «гайда»:

   • Если ваш продукт сложный (IDE-плагин, платформа, SDK), подумайте о субагенте-гиде.
   • Пусть основной агент пишет код, а гайд отвечает на вопросы «как устроен сам инструмент».

Если вы разработчик и просто пользуетесь Claude Code

• AskUserQuestion делает диалог с агентом менее утомительным: вы чаще видите чёткие, структурированные вопросы и варианты ответов вместо долгих текстовых уточнений.
• Task tool улучшает координацию, если вы запускаете сложные сценарии с несколькими задачами и субагентами.
• Поиск по коду через grep и skills даёт Claude больше шансов действительно разобраться в проекте, а не просто отвечать по случайным сниппетам из RAG.
• Claude Code Guide полезен, когда вы осваиваете slash-команды, MCP и внутреннюю механику инструмента.

Если вы работаете из России, доступ к Claude Code может потребовать VPN и аккаунта в Anthropic. Конкретная доступность зависит от вашей юрисдикции и политики Anthropic на момент использования.

Где Claude Code сейчас слабее

• Anthropic честно пишет, что текущие решения — не «финальная форма»:
  • система вопросов к пользователю ещё будет меняться;
  • Claude всё ещё может путаться в ответах о собственном окружении и настройке.
• Если вам нужна строгая, предсказуемая оркестрация без права агента менять план, система задач с изменяемыми Task может показаться слишком «живой».

Место на рынке

Anthropic в этом материале не приводит цифр по скорости, цене, контексту или прямых сравнениях с OpenAI, Google или другими игроками.

Поэтому можно зафиксировать только качественные моменты:

• Claude Code делает ставку на агентский подход: меньше магии вокруг RAG, больше явных инструментов, которыми управляет сам ИИ.
• Anthropic активно использует субагентов (как Claude Code Guide) и skills для усложнения поведения без взрывного роста числа тулов.

Если вы выбираете между экосистемами, этот материал скорее про философию Anthropic: как они видят «правильного» агента и как постепенно подстраивают под него инструменты. Конкретные сравнения по скорости, цене токена или качеству кода нужно искать в независимых тестах и бенчмарках, здесь их нет.

---

Читайте также

• Пять паттернов координации ИИ-агентов: как собрать рабочую мультиагентную систему, а не красивую игрушку
• Stash: открытый «мозг» для любых ИИ‑агентов вместо блокнотной памяти ChatGPT и Claude
• Как подключить свой AI‑агент к Microsoft 365 Copilot и сохранить полный контроль