Subagent adalah delegasi untuk agen: serahkan satu pekerjaan ke pekerja baru dan terima hanya jawabannya.
Cara kerjanya
Agen utama memutuskan bahwa sebuah tugas bisa berdiri sendiri, misalnya “temukan semua pemanggil fungsi ini” atau “jalankan test suite dan laporkan yang gagal”. Agen utama menjalankan subagent dengan deskripsi tugas. Subagent menjalankan loop agen miliknya sendiri dan mengembalikan hasil.
Dokumentasi Claude Code merumuskannya begini: “Each subagent runs in its own context window with a custom system prompt, specific tool access, and independent permissions.” (terjemahan: Setiap subagent berjalan di context window-nya sendiri dengan system prompt khusus, akses tool tertentu, dan izin yang independen.) Subagent didefinisikan sebagai file Markdown dengan frontmatter YAML, di level proyek dalam .claude/agents/:
---
name: code-reviewer
description: Reviews code for quality and best practices
tools: Read, Glob, Grep
model: sonnet
---
You are a code reviewer. When invoked, analyze the code and provide
specific, actionable feedback on quality, security, and best practices.
(Definisi contoh ini berbahasa Inggris: reviewer kode yang menganalisis kode dan memberi masukan spesifik serta dapat ditindaklanjuti tentang kualitas, keamanan, dan best practice.) Manfaat yang disebutkan antara lain menjaga eksplorasi tetap di luar percakapan utama, membatasi tool yang boleh dipakai subagent, dan mengarahkan tugas ke model yang lebih murah.
Framework lain punya gagasan serupa. OpenAI Agents SDK menyatakan “Handoffs allow an agent to delegate tasks to another agent” (terjemahan: handoff memungkinkan agen mendelegasikan tugas ke agen lain), dan menyajikan setiap handoff ke model sebagai tool.
Artikel context engineering dari Anthropic menjelaskan pola ini dari sisi konteks: setiap sub-agen bekerja di context window yang bersih dan “returns only a condensed, distilled summary of its work” (terjemahan: hanya mengembalikan ringkasan padat dan tersaring dari pekerjaannya), sering kali 1.000 sampai 2.000 token.
Mengapa penting
- Konteks. Satu kali menjalankan test bisa mencetak puluhan ribu token. Di dalam subagent, output itu tetap di luar context window utama; hanya ringkasannya yang kembali. Ini alat inti dalam context engineering.
- Biaya. Total token biasanya naik, karena setiap subagent memuat prompt dan tool-nya sendiri. Artikel biaya multi-agen memperkirakan pengalinya.
- Paralelisme. Subagent yang berjalan bersamaan adalah permintaan paralel. Batas konkurensi penyedia Anda menentukan berapa banyak yang bisa berjalan sekaligus.
Di BroadNet Inference
BroadNet menyajikan model; logika subagent ada di tool agen Anda. Tool apa pun yang menerima base URL yang kompatibel dengan OpenAI bisa mengarahkan agen utama dan subagent-nya ke BroadNet, dan bisa memakai model berbeda untuk masing-masing.
Di skema bayar sesuai pemakaian, satu key mengizinkan 4 permintaan berjalan bersamaan. Di paket harga tetap untuk DeepSeek V4.1 Flash, setiap sesi menjalankan satu permintaan dalam satu waktu, jadi hitung permintaan model yang bisa berjalan pada saat yang sama: tiga subagent yang berjalan bersamaan butuh tiga sesi, dan empat jika orchestrator juga memanggil model selama mereka berjalan. Menjalankan coding agent paralel di API harga tetap membahas jumlah sesi secara rinci.