Apa itu SubAgen di Claude Code? Yang Perlu Anda Ketahui

Sub-agen (sering ditulis subagen or sub-agen) adalah salah satu kemajuan praktis paling jelas dalam perkakas pengembang agen: mereka memungkinkan Anda menyusun tim kecil asisten AI khusus di dalam Kode Claude, masing-masing dengan peran, alat, dan jendela konteksnya sendiri. Idenya sederhana namun ampuh — alih-alih meminta satu model generalis untuk melakukan segalanya, Anda mendefinisikan agen yang ringkas dan bertujuan tunggal yang didelegasikan oleh orkestrator utama (baik secara otomatis maupun ketika Anda memintanya secara eksplisit). Ini mengubah cara Anda mengelola konteks, alat, dan tradeoff biaya/latensi dari alur kerja yang kompleks.

Apa itu subagen?

Definisi singkat. Subagen adalah "kepribadian" AI yang telah dikonfigurasi sebelumnya dan terspesialisasi, yang dapat didelegasikan tugasnya oleh Claude Code. Setiap subagen memiliki perintah sistemnya sendiri, jendela konteksnya sendiri (terisolasi), alat yang diberikan secara eksplisit, dan pilihan model (opsional). Subagen dapat dibuat di tingkat proyek atau pengguna dan dipanggil secara otomatis oleh Claude atau secara eksplisit oleh pengguna.

Properti utama subagen

Tujuan khusus dan sistem yang cepat. Anda menjelaskan peran, kendala, dan pendekatan subagen dalam perintah sistemnya sehingga berperilaku sesuai prediksi untuk domain sempitnya (misalnya, peninjau kode, debugger, ilmuwan data).
Jendela konteks terisolasi. Setiap subagen menyimpan riwayat dan konteks percakapannya sendiri, mencegah konteks utas utama terkontaminasi dengan detail tingkat rendah. Hal ini penting untuk menskalakan alur kerja yang biasanya menghabiskan konteks satu percakapan.
Ruang lingkup dan izin alat. Anda dapat mengizinkan atau membatasi penggunaan alat internal atau alat Model Context Protocol (MCP) eksternal yang dapat digunakan oleh subagen. Ini merupakan fitur keamanan dan tata kelola yang krusial.
Konfigurasi sebagai kode. Subagen didefinisikan sebagai file Markdown dengan bagian depan YAML (nama, deskripsi, alat, model) dan disimpan di tingkat proyek (.claude/agents/) atau tingkat pengguna (~/.claude/agents/). Definisi proyek diutamakan.

Apa itu Delegasi Otomatis dan Pemanggilan Eksplisit

Kode Claude bisa secara otomatis delegasikan tugas ke subagen saat perintah Anda atau subagen description sesuai dengan tugas — atau Anda bisa secara eksplisit meminta agen (misalnya, > Use the code-reviewer subagent to check my recent changes). Membuat description berorientasi pada tindakan ("Use PROACTIVELY", "MUST BE USED") untuk mendorong delegasi otomatis, dua cara pelengkap untuk menggunakan subagen di Claude Code:

Delegasi otomatis — Claude memeriksa permintaan dan mendelegasikan pekerjaan yang cocok kepada subagen secara proaktif.
Pemanggilan eksplisit — Anda memanggil subagen dengan nama di prompt/perintah Anda (misalnya, Use the code-reviewer subagent to check my changes).

Kedua pendekatan ini memiliki kompromi UX dan rekayasa yang berbeda. Berikut saya uraikan masing-masing pendekatan.

Delegasi otomatis

Bagaimana tampilannya bagi pengguna. Anda mengeluarkan perintah tingkat tinggi (misalnya, “Siapkan audit keamanan untuk pustaka baru ini”), dan Claude mendeteksi bahwa satu atau lebih subagen cocok berdasarkan description bidang dalam konfigurasi mereka. Jika dikonfigurasi untuk penggunaan proaktif, subagen akan dikirim secara otomatis dan mengembalikan hasil sebagai keluaran terstruktur.

Mengapa tim menggunakannya.

Ini menurunkan beban kognitif — Anda tidak perlu mengingat atau mengetik setiap nama subagen.
Ini menciptakan orientasi yang lebih lancar untuk alur kerja bersama di mana tugas-tugas tertentu harus selalu ditangani oleh spesialis yang sama.

Peringatan.

Anda harus merekayasa description dan sistem secara sengaja meminta agar Claude secara akurat memilih subagen yang benar.
Pendelegasian yang terlalu bersemangat dapat meningkatkan penggunaan token dan kebisingan jika banyak subagen yang aktif untuk tugas serupa; rancang deskripsi Anda secara konservatif.

Pemanggilan eksplisit

Bagaimana tampilannya bagi pengguna. Anda secara eksplisit menyebut subagen: > Use the test-runner subagent to run the project testsOrkestrasinya bersifat deterministik: Claude memanggil subagen bernama tersebut dengan izin dan perintah yang telah dikonfigurasi sebelumnya.

Mengapa tim menggunakannya.

Kontrol penuh: Anda memutuskan dengan tepat spesialis mana yang akan menjalankan, yang menyederhanakan debugging dan reproduktifitas.
Lebih mudah untuk bernalar tentang biaya dan akses alat dalam CI atau skrip otomatis.

Peringatan.

Lebih banyak mengetik dan disiplin: pengembang atau otomatisasi harus mengetahui nama subagen yang tepat.
Kurang oportunistik: Anda kehilangan beberapa kemudahan di mana agen utama akan mendeteksi subagen yang baik secara otomatis.

Cara kerja subagen — ikhtisar teknis

Berikut ini adalah tampilan praktis berorientasi implementasi tentang apa yang terjadi saat Anda membuat dan menggunakan subagen.

Mendefinisikan subagen (konfigurasi sebagai kode)

Subagen adalah berkas Markdown dengan front matter YAML. Bidang-bidang penting meliputi:

name — id huruf kecil yang unik (diberi tanda hubung)
description — deskripsi bahasa alami yang digunakan untuk pencocokan delegasi otomatis
tools — daftar koma opsional dari alat yang diizinkan (atau dihilangkan untuk mewarisi semua alat)
model — alias opsional (sonnet, opus, haiku) atau inherit untuk menggunakan model percakapan utama

Contoh kecil (konseptual, tidak kata demi kata dari dokumen):

---
name: code-reviewer
description: Expert code reviewer. Proactively reviews code for quality, security, and maintainability.
tools: Read, Grep, Bash
model: inherit
---
You are a senior code reviewer. Focus on security, correctness, and maintainability.

File-file ini ada di .claude/agents/ (lingkup proyek) atau ~/.claude/agents/ (lingkup pengguna). File proyek diutamakan, sehingga memudahkan pembagian dan pengontrolan versi subagen.

Pemilihan model dan alat

Bidang model: Anda dapat memilih alias model tertentu untuk subagen atau membiarkannya mewarisi model percakapan utama. Hal ini memungkinkan Anda menggabungkan tradeoff biaya/kualitas (misalnya, menggunakan model yang lebih murah untuk subagen pemindaian data besar dan model berkualitas lebih tinggi untuk sintesis akhir).
Ruang lingkup alat: Memberikan setiap subagen seperangkat alat minimal mengurangi radius ledakan dan menyederhanakan penalaran tentang keselamatan. Peralatan tersebut mencakup primitif Claude Code standar (Read, Grep, Bash, Edit, dll.) dan integrasi yang disediakan MCP.

Perilaku runtime dan penanganan konteks

Ketika Claude mendelegasikan kepada subagen, subagen tersebut menerima:

Prompt sistemnya (konten YAML/Markdown).
Hanya konteks yang dibutuhkan (jendela konteksnya sendiri).
Akses alat sebagaimana diizinkan dalam konfigurasinya.

Karena setiap subagen menyimpan konteks yang terisolasi, investigasi yang panjang atau analisis berkas yang besar dapat diurai menjadi banyak konteks yang kecil alih-alih memaksa satu konteks tunggal untuk menyimpan semuanya — sebuah kemenangan besar bagi keandalan dan interpretabilitas.

Pola arsitektur untuk subagen

Arsitektur yang paling umum adalah pemimpin orkestra (agen utama) yang menguraikan tugas tingkat tinggi, menjalankan beberapa sub-agen, lalu mensintesis atau memverifikasi keluarannya. Dua pola kanonik muncul di alam liar:

1) Orkestrasi + Spesialis

Satu agen ( pemimpin orkestra) mengoordinasikan beberapa subagen secara paralel atau serial. Orkestrasi memutuskan spesialis mana yang akan dipanggil, mengagregasi keluaran, memverifikasi konsistensi, dan melakukan integrasi akhir. Ini adalah pendekatan umum "manajer mendelegasikan kepada anggota tim" dan sesuai dengan banyak contoh dan desain yang direkomendasikan dalam materi Claude Code. Manfaatnya meliputi paralelisme, pemisahan masalah yang lebih jelas, dan pengendalian kesalahan yang lebih mudah (subagen yang bermasalah hanya memengaruhi cakupannya).

Kapan menggunakannya: tugas kompleks dengan submasalah independen (misalnya, “menghasilkan pengujian”, “menjalankan analisis statis”, “menulis ulang modul”, lalu “mengintegrasikan dan menjalankan pengujian menyeluruh”).

Pengorbanan: Logika orkestrasi dapat menjadi rumit; perjalanan pulang pergi tambahan mungkin sedikit meningkatkan latensi.

2) Spesialis Pipa / Rantai

Di sini, subagen disusun dalam urutan di mana keluaran satu menjadi masukan untuk subagen berikutnya (misalnya, spesifikasi → perancah → implementasi → uji → optimalkan). Ini pada dasarnya adalah komposisi fungsi yang dinyatakan sebagai agen — berguna ketika Anda membutuhkan transformasi bertahap dan jaminan ketat tentang bagaimana data mengalir antar tahapan. Secara konseptual, ini lebih sederhana untuk alur kerja linear dan terkadang lebih mudah untuk di-debug.

Kapan menggunakannya: transformasi multi-langkah deterministik (misalnya, menerjemahkan dokumen desain menjadi kode bertahap, lalu pengujian, lalu pengoptimalan).

Pengorbanan: kurang alami untuk tugas yang memerlukan eksplorasi luas (penelitian, curah pendapat), dan satu tautan yang rusak dapat menghentikan seluruh alur kerja.

Apa yang membedakan subagen dari perintah berbasis peran belaka?

1) Jendela konteks terpisah

Setiap subagen mendapatkan buffer konteksnya sendiri yang menyimpan pertukaran, berkas, dan metadata yang relevan dengan perannya. Hal ini mencegah konteks sesi utama tercemar oleh pesan perantara yang berisik, dan juga berarti Anda dapat menyimpan — atau membatasi — riwayat untuk setiap kapabilitas. Beginilah cara Claude Code memungkinkan Anda menyimpan konteks yang tahan lama dan bersinyal tinggi untuk tugas-tugas khusus tanpa membayar biaya token atau overhead kognitif untuk memasukkan semuanya ke dalam satu prompt.

2) Perintah sistem dan persona

Subagen dibuat dengan instruksi tingkat sistem yang mendefinisikan peran, nada, dan batasannya (misalnya, "Bertindak hanya sebagai spesialis refaktor; jangan jalankan perintah shell" atau "Hasilkan pengujian unit dalam gaya pytest; hanya gunakan antarmuka publik"). Perintah ini bertindak seperti deskripsi pekerjaan untuk subagen dan diberlakukan saat dijalankan oleh runtime Claude Code.

3) Pengikatan alat dan cakupan izin

Perbedaan praktis yang krusial: subagen dapat diberikan atau ditolak aksesnya ke alat tertentu — sistem berkas, eksekusi proses, API eksternal, atau kumpulan data istimewa. Hal ini menjadikan subagen canggih untuk hak istimewa paling rendah Desain: generator dokumentasi dapat diblokir agar tidak menjalankan perintah sembarangan, sementara subagen CI diberikan sandbox terisolasi. Banyak postingan komunitas menganjurkan pemasangan subagen dengan Model Context Protocol (MCP) atau server MCP berbasis hook untuk mengelola akses aman ke rahasia dan I/O.

4) Pemilihan model dan pertukaran biaya-kinerja

Karena subagen bersifat modular, Anda dapat menetapkan model dasar yang berbeda tergantung pada kompleksitas tugas. Gunakan model Sonnet berkemampuan tinggi untuk penalaran mendalam atau model Haiku yang ringan untuk tugas yang cepat dan repetitif. Penerapan heterogen ini membantu menyeimbangkan latensi, biaya token, dan kapabilitas. Pembaruan produk dan artikel komunitas Anthropic menekankan penerapan paralel model yang lebih kecil untuk penskalaan yang hemat biaya.

5) Pola komunikasi

Subagen berkomunikasi dengan orkestrator (atau satu sama lain) melalui pesan atau berkas terstruktur. Pola-pola umum meliputi:

mengembalikan muatan JSON terstruktur (lebih disukai untuk orkestrasi terprogram),
menulis ke file berlingkup di ruang kerja bersama,
atau mengirimkan kembali pesan berformat akhir ke pengatur yang menyertakan skor keyakinan dan alasan.
Eksperimen komunitas menunjukkan tim lebih menyukai serah terima yang eksplisit dan dapat dibaca mesin untuk menghindari ambiguitas.

Manfaat Kinerja

Sub-agen bukan sekadar kerapian desain — mereka memberikan kinerja praktis dan manfaat kualitas bila digunakan dengan benar.

1) Mengurangi waktu jam dinding melalui paralelisme

Dengan mengirimkan beberapa pekerja secara bersamaan (misalnya, satu pekerja per folder repositori, per layanan mikro, atau per potongan data), orkestrasi mengurangi waktu yang dibutuhkan untuk menyelesaikan tugas-tugas komposit yang besar. Kasus penggunaan seperti memilah laporan bug, membuat dokumentasi untuk banyak modul, atau mengaudit beberapa layanan merupakan pilihan yang tepat. Alur kerja pengembang akan dipercepat secara signifikan ketika beban kerja benar-benar dapat diparalelkan.

Dengan memberikan konteksnya sendiri pada setiap peran, Anda menghindari pembengkakan prompt dan mengurangi risiko halusinasi yang disebabkan oleh gangguan historis yang tidak relevan. Artinya, lebih sedikit kegagalan terkait konteks dan keluaran yang lebih konsisten untuk tugas-tugas khusus. Tulisan komunitas dan penelitian Anthropic sendiri menunjukkan bahwa pengaturan multi-agen seringkali mengungguli agen monolitik pada tugas-tugas breadth-first. Satu evaluasi internal Anthropic melaporkan peningkatan dramatis untuk tugas-tugas bergaya riset menggunakan arsitektur agen utama + subagen.

Peringatan: paralelisme menghasilkan keuntungan terbaik ketika sub-tugas bersifat independen. Jika pekerja harus terus-menerus menunggu satu sama lain atau berbagi status yang berat, Anda akan melihat hasil yang semakin berkurang.

2) Pemanfaatan konteks yang lebih baik dan pemborosan token yang lebih rendah

Alih-alih memasukkan setiap hasil pencarian perantara ke dalam satu konteks global, pekerja hanya menyimpan hal-hal yang relevan di dalam jendela mereka sendiri dan mengembalikan keluaran yang disaring. Hal ini mengurangi konsumsi token untuk orkestrator dan mengurangi risiko mencapai batas konteks — sebuah keuntungan praktis ketika Anda bekerja dengan basis kode yang besar, log yang panjang, atau repositori dokumen yang besar. Pemadatan/peringkasan SDK semakin memperluas memori efektif agen yang berjalan lama.

3) Peningkatan akurasi dari perintah spesialis

Sub-agen yang dibangun sebagai spesialis dengan cakupan sempit dapat disetel (melalui perintah sistem dan perangkatnya) untuk mengoptimalkan presisi di domainnya: pemeriksaan keamanan, gaya kode, atau ekstraksi kepatuhan. Perintah dengan cakupan sempit cenderung mengurangi halusinasi karena ruang tindakan yang diizinkan dan keluaran yang diharapkan dari agen dibatasi. Organisasi melaporkan keluaran berkualitas lebih tinggi untuk tugas-tugas seperti peninjauan kode otomatis ketika mereka menggunakan sub-agen khusus domain, alih-alih meminta generalis untuk melakukan semuanya.

Bagaimana tim benar-benar menggunakan subagen — contoh alur kerja

Berikut adalah contoh konkret untuk membuat hal ini kurang abstrak.

Contoh A — Alur kerja refaktor (Orkestrator + Spesialis)

Orchestrator menerima permintaan “refactor komponen X”.
Panggilan orkestrator analysis-subagent (tanpa izin menulis) untuk mengidentifikasi titik-titik kompleksitas dan ketergantungan yang berisiko.
Panggilan orkestrator refactor-subagent (tulis izin ke kotak pasir seperti cabang) untuk menghasilkan berkas yang difaktorkan ulang.
Panggilan orkestrator test-gen-subagent (hanya baca pada kode) untuk menghasilkan pengujian unit.
Orchestrator menjalankan CI dengan ci-runner-subagent (eksekusi kotak pasir) dan menggabungkan hasil untuk tinjauan manusia.
Pola ini mengisolasi setiap fase, menahan risiko, dan menjaga jejak audit tetap rapi.

Contoh B — Riset + prototipe (Pipa)

literature-subagent mengikis dan meringkas referensi (tidak ada penulisan berkas, akses web yang diatur).
prototype-subagent perancah PoC minimal dari ringkasan.
benchmark-subagent menjalankan uji mikrobenchmark dalam kotak pasir dan melaporkan hasilnya.
Rantai ini memperkuat sifat berurutan tugas penelitian sambil menjaga tanggung jawab tetap jelas.

Praktik dan pola terbaik

Desain dan konfigurasi

Mulailah dengan peran yang kecil dan sempit. Tugaskan setiap subagen untuk satu pekerjaan yang jelas. Tanggung jawab yang lebih sempit membuat proses debugging jauh lebih mudah.
Kontrol versi Anda .claude/agents/ folder. Perlakukan definisi subagen seperti kode — tinjau, uji, dan pin versi. Ini mengurangi penyimpangan dan memudahkan audit.
Sematkan alat dan model dengan sengaja. penggunaan model: inherit Jika Anda menginginkan perilaku yang konsisten dengan percakapan utama, tentukan alias model berbiaya rendah untuk pemindaian latar belakang. Kunci alat untuk meminimalkan permukaan serangan.

Pola operasional

Gunakan pemanggilan eksplisit untuk otomatisasi deterministik. Jika Anda menjalankan pekerjaan CI atau hook, panggil subagen tertentu untuk memastikan hasil yang dapat diprediksi.
Gunakan delegasi otomatis dalam sesi interaktif. Untuk pekerjaan eksplorasi, biarkan Claude memilih subagen untuk mengurangi gesekan — tetapi buat description bidang yang disengaja sehingga otomatisasi tidak dipicu secara tak terduga.
Merancang keluaran terstruktur untuk sintesis. Memaksa subagen untuk menulis ke berkas atau menghasilkan JSON yang dapat dibaca oleh pengatur; hal itu menyederhanakan langkah pengurangan dan audit.

Pengujian, pemantauan, dan tata kelola

Membangun evaluasi yang representatif. Lacak di mana subagen gagal dan bangun pengujian yang menguji mode kegagalan tersebut. Anthropic merekomendasikan rangkaian pengujian yang representatif dan peningkatan iteratif.
Pantau penggunaan token dan alat. Instrumenkan penggunaan setiap subagen dan tambahkan peringatan untuk mendeteksi biaya yang tidak terkendali atau kondisi batas tarif.

Kapan TIDAK menggunakan subagen

Subagen memang kuat tetapi tidak selalu merupakan alat yang tepat.

Tugas sederhana: Untuk perintah pendek dan satu kali atau transformasi sepele, subagen menambah kerumitan yang tidak perlu.
Batasan latensi yang ketat: Perjalanan pulang pergi orkestrasi menambah overhead; jika Anda memerlukan respons satu putaran dan latensi yang sangat rendah, pendekatan monolitik mungkin lebih sederhana.
Tim kecil dengan sedikit infrastruktur: Tanpa perangkat untuk rahasia, observabilitas, dan sandbox, subagen dapat meningkatkan risiko operasional. Artikel komunitas menekankan pentingnya memulai dari yang kecil dan menambahkan subagen ketika Anda membutuhkan modularitas.

Dimana penggunaan kode Claude CLI paling direkomendasikan

Sangat menggembirakan untuk mengumumkan bahwa CometAPI kini sepenuhnya mendukung Claude Code cli yang canggih. Anda hanya perlu menginstal Claude Code dan mengautentikasi dengan kunci API Comet dan alamat dasar yang diperoleh untuk menggunakan model API Comet pada Claude Code.

Mengapa menggunakan kode claude melalui CometAPI?

Fitur-fitur utama Kecerdasan Buatan: Mudah menghasilkan, men-debug, dan mengoptimalkan kode menggunakan model yang dibuat khusus untuk pengembang.

Pemilihan Model yang Fleksibel: Berbagai model kami yang komprehensif memungkinkan Anda mengembangkan dengan lebih lancar.
Integrasi yang Lancar: API selalu tersedia. Integrasikan Claude Code langsung ke alur kerja Anda yang sudah ada dalam hitungan menit.
Menggunakan Claude Code melalui CometAPI akan menghemat lebih banyak biayaAPI Claude yang disediakan oleh CometAPI mendapatkan diskon 20% dari harga resmi dan diperbarui dengan model terbaru oleh pihak resmi.

Siap menggunakan Claude Code cli? konsultasikan Panduan API untuk petunjuk rinci.

Jika Anda ingin mengetahui lebih banyak tips, panduan, dan berita tentang AI, ikuti kami di VK, X dan Discord!

Lihat Juga Bagaimana Cara Menginstal dan Menjalankan Kode Claude melalui CometAPI?

Kesimpulan — mengapa subagen penting saat ini

Subagen mewujudkan janji alur kerja agen yang praktis bagi tim: subagen memungkinkan Anda bernalar tentang peran, izin, konteks, biaya, dan paralelisasi secara eksplisit dan sebagai objek kelas satu. Ketika digunakan dengan bijaksana, subagen membuka kecepatan pengembang yang lebih tinggi, kualitas yang lebih baik pada tugas multi-langkah, dan tata kelola yang lebih terprediksi. Sisi sebaliknya adalah Anda harus merancang, menguji, dan memantau subagen ini seperti perangkat lunak produksi — tetapi investasi tersebut mengubah rekayasa cepat menjadi praktik rekayasa yang andal.