Anthropic推出的Claude Code Agent Teams标志着AI代理架构的一次重要演进。与传统的单个ReAct代理、监督-子代理结构或工作流不同，Agent Teams代表了一种全新的“团队协作”范式——多个独立的AI代理可直接通信、分工协作，无需通过中央协调者传递信息。 最令人印象深刻的是其极简的使用方式：无需编写YAML配置、无专门的代理定义文件，也无需复杂的框架代码。只需在自然语言提示中描述你想要的团队结构，例如“组建一个由安全专家、性能分析员和测试工程师组成的团队来审查这个PR”，Claude Code便会自动创建并管理整个团队。所有协调、任务分配、消息传递都由模型自主完成。 这种设计背后是深刻的权衡。临时代理（Ephemeral Agents）适合快速探索、一次性任务，如调试代码或审查PR，启动快、成本低；而持久代理（Durable Agents）则用于可复用、高可靠性的场景，如CI流水线中的每日代码审查，需要版本控制、可测试性和确定性。Agent Teams定位在前者，强调交互性、探索性和即时性，不与生产级代理框架竞争。 一个关键突破是代理间的直接通信。传统子代理只能向主代理汇报，信息传递存在瓶颈。而Agent Teams中，每个成员都是独立的Claude实例，拥有自己的上下文窗口，可自动加载项目信息（如CLAUDE.md、MCP服务），并直接在任务列表中互相“认领”任务、共享发现、甚至展开辩论。任务完成会自动解除依赖，实现高效协同。 该功能依赖于Opus 4.6模型在工具调用、任务管理与多轮协调方面的显著提升。Markdown提示不再是静态配置，而是模型可自主执行的指令。其“简单”背后，是模型已具备替代传统编排代码的能力。 尽管如此，这种模式仍存在局限：缺乏持久化、难以复用、Token成本随团队规模上升。长远来看，Anthropic的愿景是：随着模型在自主协调方面持续进化，未来大多数应用将不再需要显式的框架层，开发将简化为编写Markdown文件。 Agent Teams的本质，是让模型成为“运行时”，将AI代理从“需要精心设计的系统”转变为“即说即行的协作体”。这不仅是工具的革新，更是一次范式跃迁。