Taal AI-GIDS

Subagenten en contextisolatie

Een subagent is een afzonderlijke modelinstantie waarmee een hoofd-AI-agent één gerichte subtaak begint af te handelen.

Luister naar deze gidsAI-verteld · ~3 min

Op deze pagina4 minuten lezen
  1. Overzicht
  2. Diepe duik
  3. Implementatie in de echte wereld
  4. De toekomst van subagenten en contextisolatie
  5. Het in de praktijk brengen
  6. Blijf verkennen
  7. Veelgestelde vragen

Overzicht

Het krijgt zijn eigen nieuwe contextvenster en stuurt alleen een gecomprimeerd resultaat terug. Hierdoor blijft de context van de hoofdagent kort en on-topic en kan onafhankelijk werk parallel worden uitgevoerd, ten koste van extra tokens en het risico dat belangrijke details verloren gaan bij de overdracht.

Diepe duik

Taalmodellen werken binnen een beperkt contextvenster, en de kwaliteit neemt vaak af naarmate dat venster zich vult met zoekresultaten, bestandsinhoud en oude tooluitvoer, zelfs voordat de harde limiet is bereikt. Subagenten pakken dit aan door het werk te splitsen. De hoofdagent, ook wel de orkestrator of lead genoemd, schrijft een taakbeschrijving en start een subagent met een duidelijke context, vaak met een beperktere set tools. De subagent onderzoekt, roept tools en redenen op en stuurt vervolgens een samenvatting terug. Alleen die samenvatting komt in de context van de hoofdagent. Het patroon verschijnt in echte producten. Met Claude Code kunnen gebruikers bijvoorbeeld subagenten definiëren met hun eigen instructies en toolmachtigingen, en verschillende codeer- en onderzoeksagenten sturen verkenningswerk naar parallelle werkers. Anthropic heeft geschreven over een multi-agent onderzoekssysteem waarin een hoofdagent parallel subagenten bestuurt. Het rapporteerde winst op brede onderzoeksvragen en een veel hoger tokengebruik dan een enkele agent. De afwegingen zijn reëel. De kosten stijgen omdat elke subagent de instructies opnieuw laadt en een bepaalde verkenning herhaalt. Coördinatie wordt moeilijker: parallelle subagenten kunnen elkaars werk niet zien, waardoor ze hun inspanningen kunnen dupliceren of onverenigbare keuzes kunnen maken. Dat is vooral een probleem als taken nauw met elkaar verbonden zijn, zoals bij het schrijven van verschillende delen van één stuk code. Informatie gaat verloren omdat in een samenvatting details achterwege blijven die de hoofdagent mogelijk nodig had, en de subagent weet alleen wat de taakbeschrijving hem vertelt. Een misvatting is dat meer agenten altijd betere resultaten betekent. Sommige beroepsbeoefenaars beweren dat voor nauw verbonden werk één enkele agent met een goed beheerde context betrouwbaarder is. Subagenten werken het beste voor taken die onafhankelijk zijn, veel lezen en gemakkelijk samen te vatten zijn: zoeken, onderzoeken, controleren en verzamelen.

Implementatie in de echte wereld

Een codeeragent die wordt gevraagd een bug te repareren, start een subagent om in een grote repository te zoeken naar elke aanroeper van een functie. De subagent leest tientallen bestanden en retourneert een tienregelige lijst met locaties, zodat de context van de hoofdagent nooit wordt gevuld met de bestandsinhoud.

Een onderzoeksassistent start drie subagenten tegelijk, één per subvraag, die elk zelfstandig op internet zoeken. De hoofdagent combineert vervolgens hun korte samenvattingen in één rapport.

Een codebeoordelingsopstelling geeft een subagent alleen de diff en een beoordelingschecklist. Omdat het de eerdere redenering van de hoofdagent niet heeft gezien, is het minder waarschijnlijk dat het de aannames van die agent deelt over waarom de code correct is.

Een team ontdekt dat een subagent alleen maar 'controleer de tests' vertelde, de hele suite opnieuw heeft uitgevoerd en niet-gerelateerde fouten heeft gerapporteerd. Ze repareren het door de subagent het exacte testbestand, het doel en het formaat te geven dat hij terug wil.

De toekomst van subagenten en contextisolatie

Subagenten worden een standaardfunctie van codeer- en onderzoeksagenten, met groeiende ondersteuning voor aangepaste definities, per-subagent toolmachtigingen en parallelle uitvoering. Openstaande vragen zijn onder meer hoe je een rijkere gedeelde status tussen agenten kunt doorgeven zonder dat de context weer opzwelt, en hoe je automatisch kunt beslissen wanneer het splitsen van een taak de kosten waard is. Grotere contextvensters en beter contextbeheer, zoals automatische samenvatting, kunnen in sommige gevallen de behoefte aan subagenten verminderen. Isolatie heeft ook voordelen, waaronder een nieuw perspectief, parallel werk en strengere machtigingen, dus het patroon zal waarschijnlijk nuttig blijven.

Het in de praktijk brengen

Waarom het ertoe doet

  • Snelheid en schaal. Taalworkflows kunnen sneller verlopen zonder dat dit ten koste gaat van de consistentie.
  • Toegang en bereik. Het breidt de toegang uit naar meerdere talen en communicatiestijlen.
  • Duidelijkere beslissingen. Teams kunnen meer tijd besteden aan beoordeling, terwijl automatisering de herhaling afhandelt.

Pas op voor

  • Gehallucineerde feiten kunnen stilletjes rapporten binnendringen, stromen ondersteunen of onderzoeksresultaten opleveren.
  • Gevoeligheid voor prompts kan inconsistente resultaten opleveren voor vergelijkbare verzoeken.
  • Gevoelige tekstgegevens kunnen openbaar worden gemaakt als de toegangscontroles zwak zijn.

Volgende stappen

  1. Definieer het uitvoerformaat, de toon en de kwaliteitsnormen vóór de implementatie.
  2. Grondreacties met vertrouwde bronnen wanneer nauwkeurigheid belangrijk is.
  3. Houd een menselijk controlepunt bij voor resultaten met een hoge inzet.
  4. Houd faalpatronen bij en train prompts of workflows regelmatig opnieuw.

Blijf verkennen

Gratis nieuwsbrief

Ontvang de dagelijkse AI-briefing

Drie verifieerde AI-verhalen elke weekdagmorgen, geschreven in eenvoudig Engels. Gratis voor altijd, geen advertenties.

Eén e-mail elke weekdag. Afmelden met één klik. We verkopen of delen je adres nooit.

Test jezelf

Take the Subagents and Context Isolation quiz

Directe feedback op elke antwoord, en een deelbare certificaat met een verifieerbare ID zodra je een cursus hebt afgerond.

Quiz starten

Ondersteun gratis AI-onderwijs. AI Understanding is een 501(c)(3) non-profit — geen advertenties, geen betaalmuur, nooit. Doe een donatie

Veelgestelde vragen

Wat zijn subagenten en contextisolatie?

Een subagent is een afzonderlijke modelinstantie waarmee een hoofd-AI-agent één gerichte subtaak begint af te handelen. Het krijgt zijn eigen nieuwe contextvenster en stuurt alleen een gecomprimeerd resultaat terug. Hierdoor blijft de context van de hoofdagent kort en on-topic en kan onafhankelijk werk parallel worden uitgevoerd, ten koste van extra tokens en het risico dat belangrijke details verloren gaan bij de overdracht.

Wat scheidt een subagent hoofdzakelijk van de hoofdagent?

Contextisolatie is het bepalende kenmerk. De werkgegevens van de subagent blijven buiten de hoofdcontext en alleen de samenvatting komt terug.

Waarom kan een opvullend contextvenster een probleem zijn, zelfs vóór de harde limiet?

Grote hoeveelheden oude zoekresultaten en bestandsinhoud kunnen de aandacht van het model verzwakken voor wat er nu toe doet.

Welke taak past het beste bij een subagent?

Zoeken is onafhankelijk, zwaar lezend en gemakkelijk samen te vatten, en dat is waar subagenten het beste werken.

Wat is een belangrijke bron van informatieverlies bij subagenten?

Informatie gaat in beide richtingen verloren: de overdracht beperkt wat de subagent weet, en de samenvatting beperkt wat terugkomt.

Waarom kosten configuraties met meerdere agenten doorgaans meer tokens?

Elke subagent begint opnieuw, dus gedeelde instellingen en overlappende verkenningen worden meer dan één keer betaald.