Claude Code 2.1.212 тепер дозволяє розробникам встановлювати жорсткі ліміти на кількість субагентів та вебпошукових запитів, які може створити AI-сесія, що дає конкретний важіль контролю для запобігання неконтрольованим витратам.

Оновлення додає два налаштовувані обмеження — одне для створення субагентів і одне для викликів вебпошуку, — обидва за замовчуванням становлять 200 на сесію. Розробники можуть знизити ці показники за допомогою змінних середовища, а будь-який виклик MCP (Model-Control-Plane), що триває довше двох хвилин, автоматично переводиться у фоновий режим, запобігаючи заморожуванню всього робочого процесу через один повільний інструмент.

Чому ці обмеження важливі саме зараз

AI-агенти, які можуть без обмежень викликати інших агентів або сканувати веб, є корисними, але вони також стають фінансовим ризиком. Нечіткий промпт може спровокувати каскад субагентів, кожен з яких споживає токени та залучає зовнішні інструменти. Результатом може стати рахунок, який стрімко зростає ще до того, як хтось це помітить. На практиці команди повідомляли про:

  • Непередбачені витрати токенів, що значно перевищують бюджет початкового завдання.
  • Дублювання субагентів, які заважають редагуванням один одного, створюючи конфліктні результати.
  • Лавину часткових результатів, які важко об'єднати в цілісну відповідь.
  • Повільні зовнішні інструменти, що гальмують усю сесію, перетворюючи швидкий запит на тривале очікування.

Встановлюючи жорстку межу, Claude Code змушує систему зупинитися до того, як витрати вийдуть з-під контролю, водночас надаючи часткову відповідь, яку людина зможе перевірити.

Як встановити обмеження

Ці три параметри доступні як змінні середовища:

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

Значення за замовчуванням є достатньо щедрими для більшості дослідницьких робіт, але команди можуть звузити їх відповідно до профілю ризику конкретного завдання. У статті, що анонсувала реліз, було запропоновано кілька початкових точок:

  • Виправлення локального багу: 0–2 субагенти, 0–5 пошукових запитів.
  • Перевірка PR: 3–5 субагентів, 0–10 пошукових запитів.
  • Розслідування інциденту: 2–4 субагенти, 10–25 пошукових запитів.
  • Широке дослідження архітектури: 1 синтезатор, 2–4 дослідники, 20–40 пошукових запитів.

Це не суворі правила, а скоріше базові орієнтири, від яких розробники можуть відштовхуватися під час ітерацій.

Компроміс

Встановлення жорсткого ліміту на активність агента не замінює якісного проектування завдань. Якщо проблема занадто велика для однієї сесії, рекомендованим підходом є її розділення на етапи, призначення бюджету для кожного етапу та встановлення контрольної точки з участю людини перед переходом до наступного кроку. Обмежена система має повертати корисний частковий результат із відкритими питаннями, а не продовжувати марнувати гроші на повторюваних циклах.

Ризик занадто жорсткого обмеження полягає в тому, що агент може зупинитися, не знайшовши життєздатне рішення, що змусить розробників перезапускати завдання з вищими лімітами. Ця додаткова ітерація може створити додаткові витрати, але вартість неконтрольованої сесії може бути набагато вищою.

Впровадження у робоче середовище

  1. Оновіть Claude Code 2.1.212 у стейджинговому середовищі (staging environment).
  2. Оберіть робочий процес — наприклад, перевірку PR — і встановіть консервативний бюджет.
  3. Налаштуйте збір даних у ваших логах, щоб відстежувати кількість запущених субагентів, виконаних вебпошуків та будь-яких викликів MCP, що досягли двоххвилинного порогу.
  4. Аналізуйте кожен запуск, що досягає ліміту. Визначте, чи заощадив ліміт кошти, чи перервав реальний прогрес, і відповідно скоригуйте обмеження.

Оскільки ліміти застосовуються під час виконання, вони одразу відображаються в логах. Команди, які відстежують ці метрики, можуть побудувати цикл зворотного зв'язку: знижувати бюджет, доки агент не почне не справлятися із завданням, а потім підвищувати його рівно настільки, щоб виконати основну задачу.

На що звернути увагу далі

Розгортання ще на ранній стадії, тому реальні дані про економію коштів обмежені. Організаціям, які впроваджують ці обмеження, варто моніторити:

  • Вартість однієї сесії до та після змін.
  • Показник завершеності завдань при різних рівнях бюджету.
  • Задоволеність користувачів, коли агент зупиняється завчасно, порівняно з випадками, коли він працює до повного вичерпання ресурсів.

Якщо ці обмеження виявляться ефективними, ми можемо побачити ширший рух у бік AI-агентів, що враховують бюджет, у всій галузі. Якщо розробники вважатимуть ліміти занадто жорсткими, наступна ітерація може запровадити більш деталізоване керування, наприклад, бюджети для кожного окремого інструмента або динамічне масштабування на основі спостережуваних витрат.

Підсумок: Claude Code 2.1.212 надає командам простий і дієвий спосіб не дозволити автоматизації на базі AI перетворитися на фінансовий сюрприз. Використовуйте обмеження, відстежуйте результати та дозволяйте даним визначати, наскільки велику автономію ви надаєте своїм агентам.