Claude Code agent teams: multi-agentná práca mieri do praxe

Aktualizácia 20. októbra 2026: orchestrátor nemusí rozumieť všetkému

Meta Engineering 19. októbra opísalo „thin orchestrator“: pevné riadenie workflow s izolovanými špecialistami namiesto jedného agenta s celým kontextom. Autori uvádzajú skrátenie prípravy konfigurácie z niekoľkých dní ručne na menej než hodinu; asi dve tretiny zmien nevyžadujú významné ľudské úpravy. Je to ich interný výsledok, nie nová funkcia Claude Code alebo náš benchmark.

Do pilotu by som preniesol oddelenie riadenia postupu od práce na obsahu. Pri CRM enrichmente môže kód držať stavy „čaká na zdroje“, „návrh“, „kontrola“ a „prijaté“. Špecialista dostane podklady jednej firmy a vráti návrh polí so zdrojmi. Nemá meniť definíciu dokončenej úlohy ani preskočiť kontrolu.

Otestoval by som tri chyby: ten istý lead príde dvakrát, worker skončí timeoutom a zdroje si odporujú. Vonkajšie workflow musí zabrániť duplicitnému zápisu, obmedziť opakovanie a vyžiadať kontrolu sporu. Správne poradie krokov nezaručuje pravdivý obsah.

V n8n či Make by som začal explicitnými vetvami a stavom uloženým mimo chatu. Ak klasifikácia potrebuje model, je to ďalší ohraničený krok s možnosťou neistoty; samotný routing z nej nerobí deterministický proces. Ďalších špecialistov pridávajte až po porovnaní s jedným agentom.

Anthropic 13. mája 2026 pridal do Claude Code research preview agent teams. Dôležité nie je ďalšie tlačidlo v CLI, ale posun k prostrediu, kde sa práca rozdelí medzi viac špecializovaných agentov.

Aktualizácia 25. mája 2026: doplnil som aj príkaz /goal, ktorý Anthropic vydal vo verzii Claude Code 2.1.139 už 11. mája 2026. Je to dôležitý dielik tej istej skladačky: agent teams rieši rozdelenie práce, /goal rieši, kedy má agent pokračovať bez ďalšieho postrčenia a kedy je hotovo.

Aktualizácia 28. mája 2026: dopĺňam aj Superset, ktorý ukazuje druhú vetvu toho istého trendu: nie multi-agentný režim v jednom nástroji, ale lokálnu orchestráciu viacerých coding agentov cez izolované Git worktree. Nie je to nový release z dneška, ale prakticky dôležité workflow, ktoré dopĺňa agent teams aj /goal.

Aktualizácia 18. júna 2026: dopĺňam praktickú vrstvu okolo Claude Code hooks a notifikácií. Nie je to nový model, ale dôležitý prevádzkový detail: dlhé agentné behy majú človeka aktívne zavolať späť, keď chcú povolenie, narazia na chybu alebo dokončia prácu.

Aktualizácia 29. júna 2026: dopĺňam ešte prevádzkový detail, ktorý sa cez víkend znovu objavil v českej AI scéne: Claude Code môže bežať lokálne ako nástroj v termináli, ale samotný model beží vzdialene. Pre firemné nasadenie je to podstatné. Neriešite len prompt, ale aj oprávnenia k súborom, sieťový prístup k pracovnej stanici, schvaľovanie príkazov a to, aké dáta odchádzajú do modelu.

Aktualizácia 30. júna 2026: pridávam nadväznosť na Remote Control, Claude Code on the web a Slack. Dôležitá nie je samotná možnosť spustiť agenta z mobilu alebo zo Slack threadu. Dôležité je rozlíšiť, kde agent naozaj beží, odkiaľ berie kontext a kto má právo poslať ho do repozitára.

Aktualizácia 31. augusta 2026: Claude Code už cez SendMessage a ListAgents dokáže posielať správy medzi samostatnými reláciami. Praktická ukážka z českej scény ukazuje, že agenti tak môžu koordinovať aj zdieľaný zdroj, napríklad jednu GPU. Správa však nie je zámok ani dôkaz doručenia. Reálna prevádzka potrebuje lease, potvrdenie a kontrolu skutočného stavu zdroja.

Claude Code agent teams workflow

Čo sa zmenilo

Changelog Claude Code pri verzii 2.1.141 uvádza experimentálnu funkciu agent teams pre multi-agentnú spoluprácu. Zapína sa cez premennú CLAUDE_CODE_EXPERIMENTAL_AGENT_TEAMS=1 a Anthropic rovno upozorňuje, že ide o tokenovo náročnú funkciu.

Prakticky to dáva zmysel vtedy, keď jeden agent implementuje, druhý kontroluje testy a riziká, tretí skúma dokumentáciu alebo kód a človek drží zadanie aj finálne rozhodnutie.

Nová vrstva: /goal

/goal posúva Claude Code iným smerom než agent teams. Nejde o to, že máte viac agentov. Ide o to, že nastavíte merateľnú podmienku dokončenia a Claude pokračuje cez viac ťahov, kým ju samostatný hodnotiaci model nevyhodnotí ako splnenú.

Typický príklad cieľa:

/goal npm test prejde bez chýb a git status neukazuje žiadne nechcené zmeny

Podľa dokumentácie Claude Code sa po každom ťahu kontroluje, či je cieľ splnený. Ak nie, Claude dostane dôvod a pokračuje ďalším ťahom. Hodnotiaci model sám nespúšťa príkazy ani nečíta súbory; posudzuje len to, čo sa objavilo v konverzácii. Preto je potrebné, aby Claude počas práce ukazoval dôkazy: výstup testov, build, diff alebo zoznam splnených kritérií.

Superset: externý orchestrátor namiesto ďalšieho chatu

Superset rieši ten istý problém z inej strany. Nie je to model ani ďalší coding agent. Je to editor/orchestrátor, ktorý vie spúšťať viac CLI coding agentov paralelne na jednom stroji. Podľa dokumentácie podporuje nástroje ako Claude Code, Codex, Gemini CLI, Cursor, OpenCode alebo Copilot a každému behu vytvára izolované prostredie cez Git worktree.

Prakticky to znamená:

jeden agent opravuje bug,
druhý pripravuje testy,
tretí skúša refaktor,
štvrtý rieši dokumentáciu,
človek medzi tým porovnáva diffy, púšťa testy a rozhoduje, čo sa zlúči.

Toto je dôležitý rozdiel oproti agent teams. Agent teams rieši spoluprácu agentov v Claude Code. Superset rieši prevádzkovú orchestráciu naprieč rôznymi nástrojmi a oddelenými pracovnými stromami. Je to menej magické, ale veľmi praktické: izolácia cez worktree je nudná technológia, ktorá presne rieši problém, že dvaja agenti nesmú šliapať po tých istých súboroch.

Neznamená to, že máte pustiť desať agentov na jeden chaotický úkol. Dáva to zmysel hlavne pre paralelné, oddeliteľné práce: samostatné issue, experimentálne varianty riešenia, refaktor vedľa novej feature alebo rýchle porovnanie Claude Code vs. Codex vs. Gemini CLI na rovnakom zadaní.

Kedy použiť agent teams, /goal a Superset

Beriem to takto:

agent teams sa hodia, keď potrebujete paralelné roly v jednom probléme: implementácia, review, výskum, testy,
/goal sa hodí, keď máte jeden jasný koncový stav a nechcete agenta po každom kroku znovu postrkovať,
Superset sa hodí, keď chcete pustiť viac nezávislých agentných behov vedľa seba a držať ich oddelené cez worktree,
auto mode rieši hlavne schvaľovanie nástrojov v rámci jedného ťahu,
hooks alebo vlastný loop dávajú zmysel, keď potrebujete deterministickejšiu kontrolu vlastným skriptom.

Najzaujímavejšia kombinácia je podľa mňa /goal plus rozumné mantinely plus izolované worktree plus ľudský review. Napríklad: „migruj modul, kým všetky testy neprejdú, nemeň verejné API a po 10 ťahoch zastav s reportom“. To už nie je chatovanie. To je zadanie práce agentovi.

Hooks ako prevádzkový panel agenta

Praktický signál je jednoduchý: Claude Code nemusí iba potichu bežať v termináli. Cez hooks z neho viete spraviť agenta, ktorý na konci práce, pri požiadavke na povolenie alebo pri chybe spustí vlastnú akciu. Pokojne notifikáciu, zápis do logu, webhook do Slacku alebo lokálne text-to-speech.

Oficiálna dokumentácia Claude Code opisuje hooks ako používateľské shell príkazy, HTTP endpointy alebo promptové hooky naviazané na udalosti v životnom cykle. Prakticky sú dôležité hlavne udalosti ako Notification, Stop, StopFailure, PreToolUse a PostToolUse. To sú miesta, kde sa z chatovacieho nástroja stáva riadený proces.

Pre tímové nasadenie to neberiem ako hračku. Zmysel dáva nastaviť napríklad:

hlasové alebo systémové upozornenie, keď agent čaká na povolenie,
správu do Slacku po dokončení dlhého behu,
automatický zápis súhrnu do issue alebo interného logu,
tvrdý blok pre deštruktívne príkazy,
kontrolný hook po úprave súborov, ktorý spustí lint alebo testy.

Je to malá zmena v konfigurácii, ale veľká zmena v ergonómii. Ak agent beží 20 minút, človek nemá sedieť a sledovať kurzor. Agent má pracovať, zaznamenať dôkazy a ozvať sa vo chvíli, keď je potrebné rozhodnutie alebo review.

Tri režimy: lokálny stroj, cloud a Slack

Claude Code sa prakticky rozpadá do troch rôznych prevádzkových režimov a bola by chyba hádzať ich do jedného vreca.

Prvý režim je Remote Control. Podľa dokumentácie zostáva session bežať na vašom stroji a web alebo mobil sú iba ovládacia plocha. Je to užitočné, keď agent potrebuje lokálny checkout, lokálne MCP servery, lokálne nástroje alebo projektovú konfiguráciu. Zároveň to znamená, že počítač musí bežať, musí mať sieť a stále nesie riziká lokálneho prostredia.

Druhý režim je Claude Code on the web. Tam session beží v cloudovej infraštruktúre Anthropic. Hodí sa, keď chcete rýchlo založiť úlohu bez lokálneho setupu, pustiť viac úloh paralelne alebo pracovať nad repozitárom, ktorý práve nemáte naklonovaný. Bezpečnostný model je iný: namiesto prístupu k lokálnemu stroju riešite pripojené GitHub repozitáre, cloudové prostredie, zdieľanie session a limity plánu.

Tretí režim je Slack. Keď v kanáli spomeniete @Claude s coding úlohou, Slack integrácia vie založiť Claude Code session na webe, preniesť kontext threadu, vybrať repozitár a posielať priebežné stavy späť do Slacku. Pre firmy je to zaujímavé hlavne pri bug triage: v support alebo incident kanáli už existuje opis problému, logy, očakávané správanie a diskusia tímu. Agent z toho môže spraviť vyšetrenie alebo malý PR bez toho, aby niekto ručne kopíroval kontext do editora.

Tu sa však začína governance. Slack thread nie je automaticky bezpečný prompt. Claude dokumentácia upozorňuje, že agent môže pracovať s kontextom konverzácie a môže nasledovať inštrukcie z okolitých správ. Preto by som Slack režim nepúšťal do všeobecného firemného chatu. Dáva zmysel skôr vo vyhradených kanáloch typu #dev-bugs, #support-triage alebo #internal-tools, kde sú jasné pravidlá, kto môže agenta spomenúť, aký repozitár sa smie použiť a kedy je povinné ľudské review.

Praktický pattern: Slack slúži ako vstupná fronta, Claude Code on the web ako izolované pracovné prostredie a pull request ako kontrolný bod. Remote Control nechávam pre situácie, keď agent potrebuje konkrétne lokálne prostredie vývojára. Ak sa tieto tri režimy zmiešajú bez pravidiel, tím stratí prehľad, kde vznikla zmena, z akého kontextu a kto ju vlastne autorizoval.

Lokálny nástroj nie je lokálny model

Claude Code je podľa oficiálnej dokumentácie agentický coding nástroj dostupný v termináli, IDE, desktopovej aplikácii a prehliadači. Prakticky to znamená, že beží blízko vášho repozitára, vie čítať súbory, upravovať ich, spúšťať príkazy a napojiť sa na vývojárske nástroje. Neznamená to však, že sa model počíta lokálne na notebooku.

Pre tímy je táto hranica dôležitá. Lokálny beh CLI rieši ergonómiu a prístup k pracovným súborom. Vzdialený model rieši inferenciu. Bezpečnostné otázky preto ležia medzi nimi:

ktoré priečinky a repozitáre agent smie čítať,
ktoré príkazy smie spustiť bez potvrdenia,
či v pracovnom strome nie sú secrets, produkčné dumpy alebo klientské dáta,
ako sa človek pripája k stroju, kde agent beží,
kde vzniká auditná stopa a kto schvaľuje výsledok.

Praktický víkendový pattern je jednoduchý: vývojár má Claude Code na vlastnom počítači alebo devboxe, k nemu sa bezpečne pripojí cez privátnu sieť typu Tailscale a agent beží nad lokálnym checkoutom. Dá sa to použiť, keď chcete pokračovať v práci mimo hlavného počítača, sledovať dlhý beh alebo schváliť krok na diaľku. Stále však platí, že musíte oddeliť prístup k stroju, prístup k repozitáru a oprávnenia samotného agenta.

Tailscale SSH v dokumentácii opisuje model, kde sa SSH spojenie autentizuje a šifruje cez WireGuard a Tailscale node keys. Je to užitočná sieťová vrstva, nie magická bezpečnostná výnimka. Ak agent môže na stroji spustiť deštruktívny príkaz, vzdialené pripojenie cez VPN z toho automaticky neurobí bezpečný proces.

Moje praktické minimum: samostatný pracovný účet alebo devbox, jasný pracovný adresár, žiadne produkčné secrets v repe, read-only default tam, kde to ide, schvaľovanie deštruktívnych príkazov, hooks na logovanie a ľudské review pred mergom. Potom je "lokálny Claude Code + vzdialený prístup" dobrý workflow. Bez toho je to len rýchlejšia cesta k drahšej chybe.

Kde to dáva zmysel

Na malé úpravy by som agent teams ani Superset nepúšťal. Overhead je zbytočný. Zmysel to má pri väčších refaktoringoch, debugovaní neznámej časti systému, bezpečnostnom review, migráciách API, incidentoch, PR, ktoré zasahujú viac modulov, alebo porovnávaní viacerých agentov na rovnakom zadaní.

Cieľom je paralelná kontrola, izolácia a dobrý merge proces, nie iba dlhší prompt.

Čo nastaviť ako prvé

Agent teams, /goal ani Superset nie sú výhovorka na vypnutie kontroly. Práve naopak. Čím viac autonómie agent dostane, tým viac potrebujete mantinely:

jasný limit na tokeny, počet ťahov alebo rozpočet pre jednu úlohu,
oddelené vetvy alebo worktree,
merateľný konečný stav, ideálne test, build alebo checklist,
povinný záverečný report: čo sa zmenilo, čo sa netestovalo, kde sú riziká,
ľudský review pred merge,
pravidlá pre secrets, produkčné dáta a deštruktívne príkazy,
logovanie toho, ktorý agent urobil aké rozhodnutie.

Bez toho sa multi-agentné workflow rýchlo zmení na drahšiu verziu chaosu.

Záver

Claude Code agent teams stále beriem ako research preview, /goal ako užitočný režim pre úlohy s jasným koncom a Superset ako praktickú lokálnu vrstvu pre riadenie viacerých agentných behov. Smer je však jasný: vývojové workflow sa posúva od jedného chatovacieho okna k riadeným agentným behom.

Tímy s dobrým zadávaním práce, limitmi, worktree a review z toho budú ťažiť. Tímy, ktoré len zapnú ďalšiu experimentálnu funkciu, si skôr kúpia drahú lekciu.

Aktualizácia 15. júla 2026: adopcia je tímový problém, nie inštalácia nástroja

Tomáš AI dnes otvoril praktickú pointu, ktorú pri firemných AI rolloutoch vidím stále: vybrať nástroj nestačí. Ak sa nezmení spôsob práce, zodpovednosti a meranie, firma iba pridá ďalšiu aplikáciu do stacku.

Dobre to dopĺňa čerstvá štúdia Adoption and Impact of Command-Line AI Coding Agents nad skorým rolloutom Claude Code a GitHub Copilot CLI v Microsofte. Autori sledovali desiatky tisíc inžinierov a adopciu neopisujú ako čisto technický problém. Prvé použitie sa šírilo hlavne cez sociálnu sieť vo firme, retencia súvisela viac s reálnou coding aktivitou než s demografiou a používatelia agentov mergovali približne o 24 % viac pull requestov, než by podľa modelu mergovali bez adopcie. Autori zároveň férovo upozorňujú, že merged PR nie je to isté ako skutočná hodnota dodanej zmeny.

Pre CTO je z toho praktickejší záver než "kúpte všetkým agenta". Pilot má mať viditeľných šampiónov, konkrétne use casy, merané výstupy a pravidlá pre review. Nestačí poslať odkaz na nástroj do Slacku a čakať plošnú zmenu. Lepšie je vybrať tímy, ktoré už majú dosť kódovej práce, ukázať reálne príklady v pull requestoch, zbierať používanie podľa workflow a merať nielen počet PR, ale aj kvalitu review, defekty, čas do merge, tokenové náklady a spokojnosť tímu.

To zapadá do celej pointy tohto článku. Agentný vývoj nie je o tom, že vývojár dostane silnejší chat. Je to zmena prevádzky: ako zadávame prácu, kde agent beží, kto schvaľuje akcie, ako sa oddeľujú worktree, čo sa loguje a podľa čoho zistíme, že produktivita sa naozaj zdvihla. Bez toho zostane Claude Code alebo Copilot CLI zaujímavou hračkou pre pár nadšencov. S dobrým rolloutom sa z toho môže stať normálna tímová schopnosť.

Aktualizácia 20. 8. 2026: viac agentov môže byť výkonnejších a zároveň horšie riaditeľných

Dve praktické ukážky z českej AI scény dobre dopĺňajú pôvodný článok. AI s rozumem ukazuje Git worktrees ako izoláciu pre paralelných coding agentov. Marek Bartoš upozorňuje na nové experimenty Anthropic, v ktorých multiagentné zostavy nezvládli konfliktné ciele a zdieľané prostredie.

Anthropic v práci o „AI organizations“ zistilo, že tímy agentov v testovaných úlohách častejšie dosiahli obchodný cieľ, no zároveň robili horšie etické kompromisy než jediný agent. V softvérových úlohách si agenti rozdelili prácu na izolované podproblémy a nikto nedržal systémový cieľ. Autori výslovne upozorňujú, že bezpečnosť single-agent systému automaticky necertifikuje multi-agent nasadenie.

Ešte dramatickejší red-team experiment dal trom Claude inštanciám v jednom prostredí navzájom nezlučiteľné ciele. Agenti o sebe spočiatku nevedeli, zmeny ostatných čítali ako sabotáž a konflikt eskaloval. Je to laboratórny, zámerne konfliktný scenár — nie dôkaz, že bežné agent teams začnú samy útočiť. Je to však veľmi dobrý test toho, čo sa stane, keď orchestrácia nerieši vlastníctvo práce, viditeľnosť cieľov a oprávnenia.

Git worktree rieši iba prvú vrstvu: každý agent dostane vlastný pracovný adresár, index a HEAD, takže si neprepisujú rozpracované súbory. Produkčný návrh potrebuje aj ďalšie vrstvy:

jednoznačný cieľ a vlastník úlohy pre každého agenta,
zdieľaný register stavu, kde je vidieť, kto pracuje na ktorej časti a prečo,
oddelené worktrees, credentials a sandboxy, nie spoločný shell s plnými právami,
merge gate s testami a review, ktorý nevykonáva ten istý agent, ktorý zmenu napísal,
stop podmienku pri neočakávaných zmenách namiesto automatického revertu alebo protiakcie,
systémový evaluator, ktorý stráži celok, nie ďalšieho špecialistu optimalizujúceho svoj diel.

Pre bežný tím je najpraktickejší štart jednoduchý: dvaja agenti v dvoch worktrees, jeden implementuje a druhý kontroluje testy a riziká. Obaja vidia rovnaký brief, ale nemajú rovnaké právo zapisovať. Výsledok sa spojí až cez diff a review. Desať paralelných agentov bez tohto základu nie je desaťkrát rýchlejší tím. Je to desať súčasne bežiacich zdrojov zmien, konfliktov a nákladov.

Zdroje aktualizácie: Anthropic AI Organizations Can Be More Effective but Less Aligned than Individual Agents, Anthropic Patterns and problems in emerging multiagent systems, Git git-worktree dokumentácia, YouTube AI s rozumem: Git worktrees a Marek Bartoš: 3 AI na jednom počítači.

Aktualizácia 31. 8. 2026: agenti si môžu písať medzi reláciami, ale správa nie je zámok

Jirka Herník ukázal praktický workflow pri dabovaní dvojhodinového videa do štrnástich jazykov. Na jednom počítači bežalo niekoľko relácií Claude Code a zdieľali jednu RTX 3090. Agent cez ListAgents našiel ostatné relácie, cez SendMessage sa opýtal, kto GPU používa a ako dlho ju ešte potrebuje, a čakanie využil na preklady a inú CPU prácu. Render spustil až po uvoľnení GPU a po dokončení informoval ostatných.

Je to dobrý vzor pre drahé alebo obmedzené zdroje: GPU, licencovaný CAD nástroj, testovacie zariadenie, staging prostredie alebo jediný účet externej služby. Čakajúci agent nezablokuje celý workflow a medzitým si pripraví prácu, ktorá zdieľaný zdroj nepotrebuje.

Claude Code pridal cross-session SendMessage, ListAgents, nastavenia crossSessionInbound a dialogExpiry vo verzii 2.1.224. Changelog zároveň ukazuje rýchle opravy chýbajúceho inboxu, zaparkovaných správ aj falošného úspechu pri nedoručení. Novšie verzie majú odmietnutú správu alebo plný rad hlásiť odosielateľovi. Vo verejnom repozitári Claude Code však existujú konkrétne reporty zo starších verzií, v ktorých sa správa zobrazila alebo vrátila úspech, ale prijímajúci model ju nespracoval.

Preto by som zo SendMessage nerobil distribuovaný zámok. Bezpečnejšie produkčné minimum je zámerne nudné:

stav zdroja free / leased / released držte mimo konverzácie agentov,
lease musí mať vlastníka a expiráciu, aby po páde relácie nezostal zdroj navždy zamknutý,
vyžadujte explicitné potvrdenie a pred použitím skontrolujte skutočný stav zdroja,
dlhá práca lease priebežne obnovuje a po dokončení ho uvoľní,
konflikt alebo stratená odpoveď vedie k bezpečnému čakaniu, nie k súbežnému použitiu,
audit log ukladá žiadosť, potvrdenie, štart, koniec a výsledok.

V malom tíme môže byť registrom zamknutý súbor, SQLite alebo Redis. V n8n či Make to môže byť riadok v databáze s vlastníkom a expires_at. Pri GPU tesne pred štartom overte reálne procesy a voľnú pamäť. Pri stagingu je lepší lease nad konkrétnym prostredím než správa „teraz ho asi nikto nepoužíva“. Cross-session messaging je výborná koordinačná vrstva, ale autorita nad zdrojom má zostať v deterministickom systéme.

Praktická pointa je rovnaká ako pri worktrees: agenti môžu zdieľať zámer a stav, no izolácia a vlastníctvo nesmú zostať iba v textovej konverzácii. Správy medzi reláciami zrýchlia handoff. Lease, overenie a audit rozhodujú, či z neho vznikne spoľahlivý proces.

Zdroje aktualizácie: Claude Code changelog, Jirka Herník: agenti v Claude Code si medzi sebou požičiavajú GPU, reporty v oficiálnom repozitári Claude Code #89938 a #86370.

Zdroje: Claude Code changelog, Claude Code /goal dokumentácia, Claude Code commands, Superset, Superset docs: AI Agents, Superset: Working with Git Worktrees, Filip Oborník: Superset, Filip Oborník: Claude Code Goal, Jirka Herník, Tomáš AI, Claude Code hooks reference, AI s rozumem: Ako som donútil Claude Code, aby so mnou hovoril, Claude Code overview, Claude Code security, Tailscale SSH docs, AI s rozumem: Claude Code beží lokálne, AI s rozumem: vzdialený prístup cez Tailscale, AI s rozumem: čo znamená lokálne, Claude Code Remote Control, Claude Code in Slack, AI s rozumem: Claude Code na diaľku, Jirka Herník: Claude v Slacku, Adoption and Impact of Command-Line AI Coding Agents, Tomáš AI: implementácia nie je len o technológiách.