Como organizar o contexto em sistemas multi-agentes com os forked subagents do LangChain

A maioria dos harnesses de agentes suporta subagentes: um agente supervisor delega tarefas a subagentes que rodam em paralelo e com isolamento de contexto, sem poluir a janela de contexto do supervisor. O problema é que esse isolamento tem um custo oculto — cada subagente começa do zero e pode repetir trabalho de coleta de contexto que o supervisor já fez. Para resolver isso, o LangChain introduziu os forked subagents no framework deepagents.

A ideia por trás do “fork”

Um subagente forked herda a conversa completa do supervisor em vez de começar do zero. Isso pode ser mais rápido e mais barato, porque reaproveitar a conversa do supervisor aproveita o prompt caching e evita trabalho repetido — como reler arquivos que o supervisor já leu. A escolha entre os dois modos depende da natureza da tarefa:

• isolated: o subagente começa em um contexto novo, recebendo apenas a tarefa e os materiais relevantes.
• fork: o subagente herda todo o histórico do supervisor.

Quando usar cada modo

O artigo do LangChain ilustra a decisão com quatro papéis de subagente:

• Agente de correção (fixer) — modo fork: quando o problema já foi diagnosticado e falta implementar e testar a correção, herdar o raciocínio do supervisor evita que o subagente redescubra o diagnóstico. O supervisor invoca com algo como “atualize a lógica de retry com base no problema de timeout que identificamos”.
• Agente verificador (verifier) — modo isolated: um verificador deve avaliar o trabalho de forma independente, sem ser ancorado pelo diagnóstico do supervisor. Herdar o raciocínio do supervisor aqui seria contraproducente.
• Agente pesquisador (researcher) — modo isolated: quando a pergunta é autocontida, o pesquisador não precisa da conversa do supervisor. Isso é especialmente útil quando vários pesquisadores rodam em paralelo — fazer fork de cada um duplicaria o histórico do supervisor à toa.
• Agente de memória (memorizer) — modo fork: aqui a conversa é o material a analisar. Com fork, o agente de memória recebe a interação completa e decide o que vale preservar — preferências do usuário, decisões de arquitetura — sem que o supervisor precise reenunciar tudo.

Especializando subagentes com permissões

Além do modo de contexto, os subagentes podem ser especializados com restrições de arquivos. No exemplo do agente de memória, as permissões negam escrita em qualquer caminho, mas permitem leitura apenas de /AGENTS.md e /docs/** — limitando exatamente o que o agente pode editar enquanto trabalha.

Como experimentar

O deepagents é o framework do LangChain construído a partir das lições de milhares de times que publicam agentes. Para testar os modos de contexto de subagente:

# Python
uv add deepagents

# TypeScript
pnpm i deepagents

A decisão entre isolated e fork é um bom exemplo de como o design de sistemas multi-agentes está amadurecendo: não se trata mais de escolher entre “com contexto” ou “sem contexto”, mas de decidir, por tarefa, qual herança de contexto produz o melhor equilíbrio entre custo, latência e qualidade. É um detalhe de implementação que, na prática, define se um supervisor consegue coordenar muitos subagentes sem desperdiçar tokens nem reintroduzir viés.