Blog Logo

Como orquestrar agentes de IA e gastar metade dos tokens

Orquestrar agentes de IA entrega a mesma nota por metade do custo: um Opus que distribui o trabalho entre workers Sonnet alcança 96% do resultado de uma equipe inteira de Opus, segundo a comparação que a Anthropic publicou. O modelo caro só pensa; os baratos executam. Se você usa Claude Code, Codex ou OpenCode com assinatura, isso muda a forma como você pede as tarefas: dizer “use três agentes”, sem mais, costuma acabar em três modelos caros lendo arquivos ao mesmo tempo.

Por que seus subagentes queimam sua cota

Delegar não economiza nada por padrão: os subagentes herdam o modelo e o esforço da sua sessão, então três ordens ao mesmo tempo podem ser três Opus com esforço alto. O gasto sobe porque o trabalho barato, ler arquivos e executar comandos, fica com o modelo caro.

Quando você pede ao Claude Code “monte o backend, o frontend e o banco de dados, e use três agentes para isso”, ele te lança três subagentes. Um subagente é a mesma ferramenta que você usa, iniciada numa instância nova e com contexto zerado: recebe uma ordem, executa e devolve um resultado. Você pode fixar o modelo de cada um na documentação de subagentes do Claude Code, mas é preciso fazer isso para cada tipo de tarefa. E mesmo assim o agente não sabe quanto de cota semanal te resta, nem que você tem outro harness com o modelo livre (Claude Code esgotado e Codex intocado, por exemplo). Por isso chega um ponto do mês em que o uso se esgota, a não ser que vocês paguem bastante. Para preços e limites, veja a análise do Opus 5 para programar.

Quatro mecanismos que a gente confunde com orquestrar

Subagentes, agentes em paralelo, router e orquestrador fazem coisas diferentes: só o orquestrador distribui o trabalho por dificuldade e reduz os tokens. Os outros três gastam o mesmo ou só evitam que você fique na mão no meio da sessão.

MecanismoO que fazO que te economiza
Subagentes nativosSua ferramenta inicia instâncias de si mesma com contexto zeradoNada por padrão: herdam seu modelo e seu esforço
Agentes em paraleloclaude-squad coloca Claude Code, Codex e OpenCode ao mesmo tempo, cada um no seu worktreeTempo; os tokens continuam iguais
Router de modelosFica entre sua ferramenta e os provedores; se uma cota cai, pula para um modelo gratuitoTe evita ficar na mão; não distribui trabalho
OrquestradorDivide a tarefa em pedaços, atribui cada um conforme a dificuldade e junta os resultadosTokens de verdade: o caro pensa, os baratos executam

Os worktrees do paralelo existem para que os agentes não pisem no calo uns dos outros, e em tarefas independentes a economia de tempo é enorme. De tokens, nada. O router também não distribui trabalho: troca de modelo quando um cai, e isso é um fallback. Serve para você não ficar no meio do caminho, não para decidir quem faz o quê.

O orquestrador decide, sim. Ele pega a tarefa, divide em pedaços, manda cada pedaço para o modelo que cabe conforme a dificuldade, lança os workers e junta o que eles devolvem. O Google ADK te serve, com o qual já montei workflows de agentes passo a passo, ou uma skill dentro da ferramenta que você já usa.

Planeje em grande, execute em pequeno

Qualquer tarefa tem um trabalho de pensar e um trabalho de executar, e o de pensar é pequeno. O modelo caro lê o seu pedido, escreve para cada pedaço o que o worker tem que fazer e manda para um mais barato. Cada worker trabalha no seu próprio contexto e devolve um resumo; o chefe junta os resumos e decide se vale mais uma rodada.

Existe uma segunda economia, e é o contexto. Se você acumula arquivos e referências numa janela de meio milhão ou de um milhão de tokens, cada mensagem sai mais caro e o modelo responde pior. Com workers, o chefe só recebe o resumo de cada pedaço, então a janela dele fica limpa para decidir. O Claude Code já documenta agent teams para distribuir trabalho entre agentes, e no guia de custos e tokens você vê como o consumo é medido.

Quando orquestrar sai caro

Se a mudança mexe em dois ou três arquivos, coordenar custa mais do que fazer, e aí manda o agente principal, sem mais. Distribuir a tarefa, escrever o que cada worker tem que fazer, juntar resultados e validar que tudo se encaixa consome tokens.

Compensa com mudanças grandes num projeto grande, ou quando você pediu muitas coisas de uma vez, porque o custo de coordenar pesa pouco perto do que você economiza na execução. Meu critério é esse: tamanho da mudança versus custo de coordená-la.

Como testar hoje com uma skill open source

Existe uma skill gratuita e open source que se instala com um comando no agente que você já usa, Claude Code, OpenCode ou qualquer outro. O setup olha quais CLIs e modelos você tem, você escolhe o playbook e a skill lança os workers certos. No vídeo eu monto ela ao vivo; o fluxo é curto:

  1. O setup escaneia as CLIs que você tem instaladas em todos os seus agentes, olha quais modelos estão disponíveis e te propõe três perfis: base, economia e agressivo, este último para quando você quer qualidade e tanto faz o gasto.
  2. Você escolhe um playbook, uma estratégia guardada num YAML editável. São quatro que cobrem o espectro:
    • direct: tarefas pequenas; o principal faz tudo e nada é orquestrado.
    • scout-then-build: vários workers baratos exploram o código sem escrever nada, e só um escreve a mudança.
    • plan-big-execute-small: o padrão da Anthropic; o modelo grande planeja e os pequenos executam.
    • best-of-n: lança várias tentativas de um conserto difícil, compara e fica com o melhor.
  3. Antes de cada rodada, a skill olha quanto de cota ainda te resta no Claude ou no Codex e te avisa se vai passar da linha que você marcou.
  4. Ao terminar, um comando de report detalha o que cada worker fez, com qual modelo, quanto tempo levou e quantos tokens gastou.

Atenção com best-of-n: consome mais do que acertar de primeira. Existe para qualidade, quando o conserto merece várias tentativas; os outros três sim baixam a fatura.

O que falta confirmar

Para mim, o que mais vale na skill são as duas peças de visibilidade: ela sabe quanto de cota te resta em cada provedor antes de lançar, e o report te diz o que cada worker gastou e com qual modelo. Isso, no Claude Code ou no Codex de forma nativa, hoje você não tem. Falta confirmar se os harnesses acabam integrando a orquestração de fábrica; até lá, a skill é o caminho curto.

Instale, rode o setup com o perfil de economia e lance sua tarefa de sempre com o playbook plan-big-execute-small. Compare o report com o que você gastava antes e me conta nos comentários qual combinação de modelos vocês usam.


O que você achou?

Deixe sua opinião, pergunta ou sugestão. Os comentários são sincronizados com GitHub Discussions .

← Voltar ao blog