Tool / Skill / Subagent 决策框架：Anthropic Applied AI 团队的 Agent 分解方法论
Summary
Anthropic Applied AI 工程师 Will 在 Code with Claude London 2026-05-22 的 45 分钟 Live Workshop（YouTube 9,972 views）。核心问题："When does logic belong in a tool, a skill, or a subagent?" 通过现场重构一个失控的库存管理 Agent（Stock Pilot）演示决策框架。起始病态：1 个 orchestrator + 402 行 system prompt + 12 tools（含 3 个 sub-agent wrapper） + eval 滑到 62%。改造后：system prompt 15 行 + 3 primitives（bash/read/write）+ 1 个 sub-agent（forecasting） + eval 升到 92%，token 用量、成本、延迟全降。核心 3 条原则：① Skills replace system prompt（progressive disclosure）② Tools 从 Claude Code primitives 开始 → 自定义 local tools → 最后才考虑 MCP（绝大多数客户的反模式是 MCP first）③ Sub-agents 只在两种场景用：a) throw lots of Claude at a problem（并行化研究/探索）b) need a fresh mind（review、隔离视角如 forecasting）。Frontier models 变强后很多 sub-agent 可以砍掉，能力收回 orchestrator。配套方法论是 "Hill Climbing"：run eval → triage with Claude Code → fix one thing → re-run → climb。
Key Concepts
- Tool Skill Subagent 决策框架 — 三种 agentic primitive 的选择标准；本演讲的核心贡献
- Agent 瘦身实战 — Stock Pilot 案例：402→15 行 prompt，12→3 tools，eval 62→92%
- Claude Code Primitives 优先 — bash / file system / web search / code execution / to-do list 是默认起点，不是 nice-to-have
- Human like Primitives 哲学 — "We lean into the same primitives that we as humans have access to"——Claude 就像你来上班，给它人类工具
- Drop in Model Upgrade 红利 — 用 primitives 而非定制工具的好处：换更强 Claude 自动用得更好，不需要改 tools
- Skills Progressive Disclosure — 业务规则不应 stuff 进 system prompt，做成 Skills 让 Claude 按需 pull 进 context
- System Prompt 用法分界 — 只放"无论给什么任务都需要"的信息；任务相关信息 → Skills
- Sub agent 两种合法场景 — (1) 并行化（research/exploration）(2) Fresh mind（review/forecasting，避免 context distortion）
- Sub agent 反趋势 — Frontier models 变强后，很多 sub-agent 可以砍掉能力收回 orchestrator
- Sub agent 通信痛点 — Orchestrator ↔ sub-agent "翻译失真"是多 sub-agent 系统最常见的失败模式
- CMA Callable Agents — Claude Managed Agents 原生 sub-agent 编排，比 sub-agent-as-a-tool 封装好（observability + metrics）
- MCP 反先用原则 — Tools 顺序：Claude Code primitives → local tools → 最后 MCP（仅多 client 共享时）
- Code Execution 替代 MCP — 越来越常见的趋势：用 CLI / API via code 替代 MCP（避免 context pollution）
- Hill Climbing 评估法 — Run eval → Triage → 改一处 → 重跑 → 爬升
- F eval 与 R eval — R: regression (single-turn realistic), F: failure mode (multi-turn complex)
- Context 是问题，不是模型 — Stock Pilot R8 hallucination 根因：两条 policy 在 system prompt 不同位置矛盾，模型困惑
Tags
anthropic, claude, claude-code, agent-decomposition, skills, subagents, tools, framework, hill-climbing, managed-agents, code-with-claude
Detailed Content
三种 Agentic Primitive 决策表
| Primitive | 何时用 | 何时不用 |
|---|---|---|
| Tool | 模型需要操作外部系统的能力（read file, run code, search web, call API） | 表达业务规则或步骤指南 → 用 Skill |
| Skill | 任务相关的业务规则、policy、流程，只在某些任务下需要 | 无论何时都需要的信息（→ system prompt）；可执行能力（→ tool） |
| Subagent | (1) 并行化（多 Claude 同跑）<br>(2) Fresh mind（review、隔离视角） | 简单任务的"分工"幻觉；frontier model 已能 manage 时直接收回 orchestrator |
Tools 三层优先级（最关键的反直觉规则）
[ 第 1 步 ] Claude Code 原生 primitives
- bash
- file system (read/write/list)
- web search
- code execution
- to-do list
[ 第 2 步 ] 自定义 local tools（仅本 agent 用）
- 调用特定业务 API
- 调用专有数据源
[ 第 3 步 ] MCP servers（仅多 client 共享 governed tools 时）
反直觉的核心：大多数客户的反模式是 MCP first，这创造了 "chaotic MCP ecosystem with overlapping tools"。Anthropic 内部从不 MCP first。
Skills vs System Prompt 的分界
System prompt 只放：
- 角色定义
- 通用工作风格
- 永远适用的安全约束
- 跨所有任务的核心指令
Skills 放：
- 业务规则（如库存盘点 SOP）
- Policy 细节（如促销期 forecasting 算法）
- 步骤化流程
- 某类任务才需要的领域知识
关键判断："Is this information needed regardless of the task?" — Yes → system prompt。No → Skill。
Sub-agent 决策树
有 sub-agent 的想法？
↓
是为了并行化？（同时跑多个 Claude）
├── 是 → 用 sub-agent（research / exploration）
└── 否 → 继续
↓
是为了 fresh mind？（review、隔离视角）
├── 是 → 用 sub-agent（code review / forecasting）
└── 否 → 继续
↓
就是想"分工"或"专门化"？
└── 检查：当前 frontier model 是否已能 handle？
├── 能 → **砍掉 sub-agent**，能力收回 orchestrator
└── 不能 → 用 sub-agent，但准备好处理通信失真问题
三个失败 eval 的根因分类（教学样本）
| Eval | 现象 | 根因分类 |
|---|---|---|
| F1 | 答对但路径绕远，token 超标 | Tool 选择不当 → 用 primitives 替代专用工具 |
| F2 | Sub-agent 算对，orchestrator 收到错答案 | Sub-agent 通信失真 → CMA callable agents |
| R8 | Hallucination：用 1.35 而非 3.1 multiplier | System prompt 内部 policy 矛盾 → Skills 拆分 |
普适教训：眼前看到的 hallucination/regression 几乎都是 context 问题而非模型问题。
Hill Climbing 工作流（实操版）
1. Run eval suite → 得 baseline 通过率
2. 用 Claude Code triage 失败 case → 找根因主题
3. 选**一个**根因主题改架构（不要一次改多处）
4. 重跑 eval → 看是否爬升
5. 如果升 → 锁定改动，进下一根因
如果降 → 回滚或细调
6. 重复直到稳定在目标通过率
Will 的工作配置：Claude Code + Opus 4.7 + extra high effort（"I usually set effort as extra high with Opus 4.7 and I forget about it"）。
量化收益
Stock Pilot 改造前后（同样的 eval suite）：
| 指标 | 改造前 | 改造后 | 变化 |
|---|---|---|---|
| Eval pass rate | 62% | 92% | +30 pp |
| System prompt | 402 行 | 15 行 | -96% |
| Tool count | 12 | 3 | -75% |
| Sub-agent count | 3 | 1 | -67% |
| Token / task | 200K+ | 显著下降 | — |
| Latency | 基准 | 显著下降 | — |
| Cost | 基准 | 同步下降 | — |
与已有 wiki 的呼应（完整 Claude Code Agent 实操光谱）
| 条目 | 角色 |
|---|---|
| Anthropic官方：构建有效AI Agent的设计模式与实践指南 | 总纲（5 种编排模式） |
| Claude Subagents vs Agent Teams：按上下文分而非按角色分的多 Agent 架构 | Sub-Agent 与 Agent Team 架构辨析（理论层） |
| Anthropic：多智能体研究系统工程实践 | Anthropic Research 多 Agent 实战 |
| Anthropic Claude Managed Agents：企业级 AI Agent 云托管服务 | CMA 托管服务介绍 |
| Anthropic Agent Skills - 为真实世界任务装备AI Agent的技能框架 | Skills 框架原理 |
| Anthropic：AI Agent 有效上下文工程 | Context 工程总论 |
| Anthropic：为 Agent 编写高效工具（用 Agent 优化工具） | 工具设计原则 |
| Anthropic 工程师 30 分钟实战：1 人驱动 5 个并行 Agent | 1 人 5 Agent 实战 pointer |
| 本条 | Tool/Skill/Subagent 三选一决策框架 + Hill Climbing 落地 |
形成完整光谱：理论（building-effective-agents）→ 组件理论（Skills / Tools / Subagents）→ 实战分解决策（本条）→ 多 agent 实战（5 agents demo）。
战略观察
- Anthropic 自己也踩同样的坑："We see this type of scenario happen pretty commonly with customers and actually with ourselves included in that." — 内部 + 客户都一样
- System prompt 膨胀 = 经典反模式：业务需求一来就 append，最终矛盾爆发
- Claude Code 是教科书示范：它的工具就是 humanlike primitives 集合，所有人都能"复用"这个模板
- Sub-agent 不是越多越好，是越精越好：frontier model 进步后许多 sub-agent 应被砍掉
- MCP 是终点不是起点：太多团队 MCP first → context 污染 + overlap 混乱
- Code execution 正在吃 MCP 的份额：用 CLI / API via code 替代 MCP 是行业趋势
与本知识库 SKILL 工作流的高度共鸣
我们的 ~/knowledge_base/SKILL.md 工作流（Ingest → Compile → Query → Lint → Export）本质上就是按"任务无关的稳定步骤放 SKILL，任务相关的提炼放 Wiki，原始数据放 Raw"原则设计的——和这条演讲讲的 system prompt vs skill 分界完全同源。
Related Topics
- Anthropic官方：构建有效AI Agent的设计模式与实践指南 — Anthropic 建效 Agent 5 模式
- Claude Subagents vs Agent Teams：按上下文分而非按角色分的多 Agent 架构 — Subagents vs Agent Teams
- Anthropic：多智能体研究系统工程实践 — Anthropic Research 多 Agent
- Anthropic Claude Managed Agents：企业级 AI Agent 云托管服务 — Managed Agents 服务
- Anthropic Agent Skills - 为真实世界任务装备AI Agent的技能框架 — Skills 框架
- Anthropic：AI Agent 有效上下文工程 — Context 工程
- Anthropic：为 Agent 编写高效工具（用 Agent 优化工具） — 工具设计
- Anthropic工程博客：用代码执行+MCP构建更高效的Agent — Code Execution × MCP
- Anthropic: Effective Harnesses for Long-Running Agents — 长任务 Harness
- Anthropic官方：揭秘AI Agent评测 - 从设计到实施的完整指南 — Agent Eval 方法
- Anthropic 工程师 30 分钟实战：1 人驱动 5 个并行 Agent — 1人5Agent demo（实战 pointer）
- AHE：Agent 自进化优化 Harness 的可观测性框架 — 复旦/ 北大 AHE 自进化
- Hermes Agent vs 主流 CLI Agent 横向对比（15 维度） — Hermes 全栈对比