Claude Code 2.1.212 מאפשר כעת למפתחים להגדיר מגבלות קשיחות על מספר הסוכנים המשניים (sub-agents) וחיפושי האינטרנט שסשן AI יכול להפעיל, מה שנותן כלי קונקרטי לעצירת עלויות שמשתוללות ללא שליטה.

העדכון מוסיף שתי תקרות (caps) ניתנות להגדרה – אחת להפעלת סוכנים משניים ואחת לקריאות חיפוש באינטרנט – שתיהן מוגדרות כברירת מחדל ל-200 לכל סשן. מפתחים יכולים להוריד את המספרים הללו באמצעות משתני סביבה (environment variables), וכל קריאת MCP (Model-Control-Plane) שרצה יותר משתי דקות נדחקת באופן אוטומטי לרקע, מה שמונע מכלי איטי אחד להקפיא את כל תהליך העבודה.

למה המגבלות חשובות כעת

סוכני AI שיכולים לקרוא לסוכנים אחרים או לסרוק את הרשת ללא רסן הם שימושיים, אך הם גם הופכים לסיכון פיננסי. פרומפט מעורפל יכול להפעיל שרשרת של סוכנים משניים, שכל אחד מהם צורך טוקנים ומפעיל כלים חיצוניים. התוצאה היא חשבון שעלול להתנפח לפני שמישהו בכלל שם לב. בפועל, צוותים דיווחו על:

  • הוצאת טוקנים בלתי צפויה שמתעלה על תקציב המשימה המקורי.
  • סוכנים משניים כפולים שמתנגשים בעריכות זה של זה, מה שיוצר תוצאות סותרות.
  • מבול של פלטים חלקיים שקשה לחבר ביניהם.
  • כלים חיצוניים איטיים שמעכבים את כל הסשן, והופכים שאילתה מהירה להמתנה של דקות ארוכות.

על ידי הטלת תקרת מקסימום קשיחה, Claude Code מאלץ את המערכת לעצור לפני שהעלויות יוצאות משליטה, תוך מתן תשובה חלקית שניתן לבחון באופן אנושי.

איך להגדיר את התקרות

שלושת ה"כפתורים" (knobs) נחשפים כמשתני סביבה:

export CLAUDE_CODE_MAX_SUBAGENTS_PER_SESSION=12   # default 200
export CLAUDE_CODE_MAX_WEB_SEARCHES_PER_SESSION=30   # default 200
export CLAUDE_CODE_MCP_AUTO_BACKGROUND_MS=120000   # 2 minutes

ברירות המחדל נדיבות מספיק עבור רוב עבודות המחקר, אך צוותים יכולים להדק אותן כדי להתאים לפרופיל הסיכון של משימה מסוימת. המאמר שהודיע על הגרסה הציע כמה נקודות התחלה:

  • תיקון באג מקומי: 0-2 סוכנים משניים (sub-agents), 0-5 חיפושים.
  • סקירת PR: 3-5 סוכנים משניים, 0-10 חיפושים.
  • חקירת תקרית: 2-4 סוכנים משניים, 10-25 חיפושים.
  • מחקר ארכיטקטורה רחב: synthesizer אחד, 2-4 חוקרים (researchers), 20-40 חיפושים.

אלו אינן הנחיות מחייבות; הן נועדו לשמש כנקודת בסיס שעבורה מפתחים יכולים לבצע איטרציות.

הפשרה (The trade-off)

הטלת תקרת מקסימום קשיחה על פעילות הסוכן אינה מחליפה תכנון משימה טוב. אם בעיה היא גדולה מדי עבור סשן בודד, הגישה המומלצת היא לפצל אותה לשלבים, להקצות תקציב לכל שלב, ולהוסיף נקודת בקרה אנושית לפני שממשיכים הלאה. מערכת מוגבלת צריכה להחזיר תוצאה חלקית מועילה עם שאלות פתוחות, ולא להמשיך לשרוף כסף בלופים חוזרים ונשנים.

הסיכון בתקרה אגרסיבית מדי הוא שהסוכן עלול לעצור לפני שהוא מגיע לפתרון בר השגה, מה שיאלץ מפתחים להריץ את המשימה מחדש עם מגבלות גבוהות יותר. האיטרציה הנוספת הזו עלולה להוסיף עומס (overhead), אך המחיר של סשן ללא בקרה יכול להיות גבוה בהרבה.

הטמעה בסביבת ייצור (Production)

  1. שדרגו ל-Claude Code 2.1.212 בסביבת staging.
  2. בחרו תהליך עבודה (workflow) – למשל, סקירת PR – והגדירו תקציב שמרני.
  3. הגדירו ניטור (instrumentation) ללוגים שלכם כדי לתעד את מספר הסוכנים המשניים שהופעלו, חיפושי האינטרנט שבוצעו, וכל קריאת MCP שהגיעה לסף של שתי דקות.
  4. סקרו כל הרצה שמגיעה לתקרה. קבעו האם התקרה חסכה כסף או קטעה התקדמות אמיתית, ועדכנו את המגבלות בהתאם.

מכיוון שהתקרות נאכפות בזמן ריצה (runtime), הן נראות מיד בלוגים. צוותים שעוקבים אחר המדדים הללו יכולים לבנות לולאת משוב: להוריד את התקציב עד שהסוכן מתחיל להיכשל בסיום המשימה, ואז להעלות אותו בדיוק במידה הדרושה להשלמת המשימה המרכזית.

מה כדאי לעקוב אחריו בהמשך

ההשקה עדיין בשלבים מוקדמים, ולכן הנתונים מהעולם האמיתי לגבי חיסכון בעלויות הם מוגבלים. ארגונים המאמצים את התקרות צריכים לנטר:

  • עלות לכל סשן לפני ואחרי השינוי.
  • שיעור השלמת משימות ברמות תקציב שונות.
  • שביעות רצון משתמשים כאשר הסוכן עוצר מוקדם לעומת כאשר הוא פועל עד תום.

אם התקרות יוכחו כיעילות, ייתכן שנראה דחיפה רחבה יותר לעבר סוכני AI מודעי-תקציב (budget-aware) בכל התעשייה. אם מפתחים ימצאו את המגבלות מגבילות מדי, האיטרציה הבאה עשויה להציג בקרות גרנולריות יותר, כגון תקציבים לכל כלי או סקיילינג דינמי המבוסס על הוצאות שנצפו.

השורה התחתונה: Claude Code 2.1.212 מעניק לצוותים דרך פשוטה וניתנת לאכיפה למנוע מאוטומציה מבוססת AI להפוך להפתעה פיננסית. השתמשו בתקרות, נתחו את התוצאות, ותנו לנתונים להנחות את מידת האוטונומיה שאתם מעניקים לסוכנים שלכם.