Claude Code 2.1.212 kini memungkinkan pengembang untuk menetapkan batas keras (hard limits) pada jumlah sub-agent dan pencarian web yang dapat dijalankan oleh sebuah sesi AI, memberikan kendali nyata untuk menghentikan pembengkakan biaya.

Pembaruan ini menambahkan dua batas (caps) yang dapat dikonfigurasi – satu untuk pembuatan sub-agent dan satu untuk panggilan pencarian web – keduanya secara default berjumlah 200 per sesi. Pengembang dapat menurunkan angka tersebut menggunakan variabel lingkungan (environment variables), dan setiap panggilan MCP (Model-Control-Plane) yang berjalan lebih dari dua menit akan secara otomatis dipindahkan ke latar belakang (background), mencegah satu alat yang lambat membekukan seluruh alur kerja.

Mengapa batasan ini penting sekarang

Agen AI yang dapat memanggil agen lain atau melakukan scraping web tanpa batasan memang berguna, tetapi mereka juga bisa menjadi risiko finansial. Prompt yang tidak jelas dapat memicu rentetan sub-agent, yang masing-masing mengonsumsi token dan memanggil alat eksternal. Hasilnya adalah tagihan yang dapat membengkak sebelum ada yang menyadarinya. Dalam praktiknya, tim telah melaporkan:

  • Penggunaan token yang tidak terduga yang jauh melampaui anggaran tugas asli.
  • Sub-agent duplikat yang saling menimpa hasil edit satu sama lain, sehingga menciptakan hasil yang bertentangan.
  • Banjir output parsial yang sulit untuk disatukan.
  • Alat eksternal yang lambat menghambat seluruh sesi, mengubah kueri cepat menjadi penantian selama beberapa menit.

Dengan menerapkan batas atas (hard ceiling), Claude Code memaksa sistem untuk berhenti sebelum biaya melonjak tak terkendali, sambil tetap memberikan jawaban parsial yang dapat diperiksa oleh manusia.

Cara menetapkan batas (caps)

Ketiga pengaturan tersebut tersedia sebagai variabel lingkungan:

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

Nilai default sudah cukup longgar untuk sebagian besar pekerjaan eksplorasi, tetapi tim dapat memperketatnya agar sesuai dengan profil risiko pekerjaan tertentu. Artikel yang mengumumkan rilis ini menawarkan beberapa titik awal:

  • Perbaikan bug lokal: 0-2 sub-agent, 0-5 pencarian.
  • Review PR: 3-5 sub-agent, 0-10 pencarian.
  • Investigasi insiden: 2-4 sub-agent, 10-25 pencarian.
  • Riset arsitektur luas: 1 synthesizer, 2-4 researcher, 20-40 pencarian.

Ini bukanlah aturan baku; ini dimaksudkan sebagai dasar bagi pengembang untuk melakukan iterasi.

Kompromi

Menerapkan batas keras pada aktivitas agen tidak menggantikan desain tugas yang baik. Jika sebuah masalah terlalu besar untuk satu sesi, pendekatan yang direkomendasikan adalah membaginya menjadi beberapa fase, menetapkan anggaran untuk setiap fase, dan menyisipkan titik pemeriksaan (checkpoint) manusia sebelum melanjutkan. Sistem yang terbatasi harus mengembalikan hasil parsial yang berguna dengan pertanyaan-pertanyaan terbuka, bukan terus menghabiskan uang pada loop yang berulang-ulang.

Risiko dari batas yang terlalu agresif adalah agen mungkin berhenti sebelum mencapai solusi yang layak, sehingga memaksa pengembang untuk menjalankan ulang tugas dengan batas yang lebih tinggi. Iterasi tambahan tersebut dapat menambah beban kerja (overhead), tetapi biaya dari sesi yang tidak terkendali bisa jauh lebih tinggi.

Memasukkannya ke produksi

  1. Upgrade ke Claude Code 2.1.212 di lingkungan staging.
  2. Pilih alur kerja (workflow) – misalnya, review PR – dan tetapkan anggaran yang konservatif.
  3. Instrumentasikan log Anda untuk menangkap jumlah sub-agent yang diluncurkan, pencarian web yang dilakukan, dan setiap panggilan MCP yang mencapai ambang batas dua menit.
  4. Tinjau setiap eksekusi yang mencapai batas. Tentukan apakah batas tersebut menghemat uang atau justru menghambat kemajuan nyata, lalu sesuaikan batasnya.

Karena batas tersebut diterapkan saat runtime, batas tersebut langsung terlihat di dalam log. Tim yang melacak metrik ini dapat membangun loop umpan balik: turunkan anggaran sampai agen mulai gagal menyelesaikan tugas, lalu naikkan sedikit saja agar tugas inti dapat selesai.

Apa yang perlu diperhatikan selanjutnya

Peluncuran ini masih dalam tahap awal, sehingga data dunia nyata mengenai penghematan biaya masih terbatas. Organisasi yang menerapkan batasan ini harus memantau:

  • Biaya per sesi sebelum dan sesudah perubahan.
  • Tingkat penyelesaian tugas pada berbagai tingkat anggaran.
  • Kepuasan pengguna saat agen berhenti lebih awal dibandingkan saat agen berjalan hingga habis.

Jika batasan tersebut terbukti efektif, kita mungkin akan melihat dorongan yang lebih luas untuk agen AI yang sadar anggaran (budget-aware) di seluruh industri. Jika pengembang merasa batas tersebut terlalu membatasi, iterasi berikutnya dapat memperkenalkan kontrol yang lebih granular, seperti anggaran per alat atau penskalaan dinamis berdasarkan pengeluaran yang diamati.

Intinya: Claude Code 2.1.212 memberikan cara yang sederhana dan dapat ditegakkan bagi tim untuk mencegah otomatisasi berbasis AI berubah menjadi kejutan finansial. Gunakan batas tersebut, pantau hasilnya, dan biarkan data memandu seberapa besar otonomi yang Anda berikan kepada agen Anda.