Novo recurso oculto do Claude Code, Swarms, revela modo de equipe multiagente

• Swarms é um recurso de orquestração multiagente que existe dentro do Claude Code, mas ainda não havia sido divulgado
• O usuário deixa de conversar com um único codificador de IA e passa a interagir com uma IA no papel de líder de equipe
• O líder de equipe não escreve código diretamente; em vez disso, define o plano, distribui as tarefas e consolida os resultados, delegando papéis aos agentes subordinados
• Após a aprovação do plano, agentes trabalhadores especializados são executados em paralelo e ficam responsáveis pela implementação real
• Isso mostra como o Claude Code está evoluindo de uma ferramenta isolada para um processo de desenvolvimento em equipe

Como funciona

• Quando o usuário aprova o plano, ocorre a transição para o Delegation Mode
• Vários agentes trabalhadores especializados são criados e trabalham em paralelo
• Cada trabalhador cuida de tarefas práticas de implementação, como escrever código, analisar e corrigir
• Os trabalhadores coordenam progresso e dependências por meio de mensagens entre si
• Todos os resultados são agregados ao líder de equipe e retornados como resposta final

Ferramenta claude-sneakpeek

• O repositório claude-sneakpeek oferece um build paralelo do Claude Code com flags de recursos habilitadas
• É possível experimentar recursos não públicos, incluindo o modo Swarms, em um ambiente totalmente separado da instalação existente do Claude Code
  • Usa configurações, sessões, servidores MCP e credenciais separados
• Também disponibiliza recursos adicionais embutidos no Claude Code, mas ainda não lançados publicamente
  • Suporte à execução nativa multiagente por meio do Swarm mode
  • Criação de agentes em segundo plano por meio do Delegate mode
  • Recursos de mensagens entre membros da equipe e gerenciamento de propriedade de tarefas
• Suporte a modelos e provedores separados
  • Suporte a Z.ai, MiniMax e OpenRouter, com possibilidade de integração de modelos locais via cc-mirror

[GN⁺]

Comentários do Hacker News

• Sinceramente, isso pode soar como loucura, mas foi assim que consegui o código de mais alta qualidade até hoje
  Custou cerca de 10x mais, mas fiz uma única instância do Opus gerenciar uma “equipe de projeto” inteira com vários subagentes
  A tarefa era portar um servidor Java legado para C# .NET 10, e usei 9 agentes, um Kanban de 7 etapas e uma estrutura separada de Git Worktree
  Cada papel era o seguinte —
  Manager (Claude Opus 4.5): loop global de eventos que acorda os agentes conforme o estado do Kanban
  Product Owner (Claude Opus 4.5): responsável pela estratégia, evitando scope creep
  Scrum Master (Opus 4.5): priorização do backlog e atribuição de tickets
  Architect (Sonnet 4.5): dedicado ao design, sem implementar
  Archaeologist (Grok-Free): lê o Java legado descompilado só quando necessário
  CAB (Opus 4.5): gatekeeper que rejeita funcionalidades nas etapas de design e código
  Dev Pair (Sonnet 4.5 + Haiku 4.5): loop de AD-TDD, em que o júnior escreve testes que falham e o sênior corrige
  Librarian (Gemini 2.5): gerenciamento de documentação e gatilho de retrospectivas
  Sinceramente, se perguntar “isso é mesmo necessário?”, a resposta provavelmente é “não”, mas foi muito divertido ver agentes de IA colaborando
  A versão inicial do processo está nesta imagem

  • Fiquei curioso para saber se você pode compartilhar detalhes técnicos
    É algo puramente baseado em prompt, um plugin ou uma estrutura de chamadas repetidas por script?
    Também queria saber onde o Kanban existe
  • Eu também uso uma estrutura parecida
    É formada por um coordenador e alguns agentes especializados, como especialistas em backend, frontend e banco de dados
    O ponto central é o coordenador. Ele reduz minha carga cognitiva e acompanha bem o progresso geral
  • Em geral, o Scrum Master não atribui tickets diretamente
  • Acho que o próximo passo é transformar isso em serviço
    Tipo “não quero falar com o macaco, quero falar com o tocador de realejo”; começaria com entrevistas com gerente e program manager, e depois eles tocariam tudo sozinhos enquanto você só pede demos e atualizações. Engraçado
  • Fico me perguntando se isso é sátira ou sério

• Na verdade isso usa a funcionalidade de subagentes já embutida no Claude
  Não precisa criar em Go uma abstração tipo tmux com 300 mil linhas
  É só pedir ao Claude para executar trabalho em paralelo com subagentes em segundo plano
  Vale a pena ter arquivos para repasse de prompts, acompanhamento de progresso e relatórios, e recomendo limitar cada agente a um worktree separado
  Estou organizando esse padrão em workforest.space
  A maioria está criando um orquestrador separado, mas na prática o próprio Claude é o melhor orquestrador

  • Isso não é apenas um subagente simples
    A diferença em relação às ferramentas existentes é que a abstração é por unidade de trabalho, não por unidade de conversa
    O Claude Code era limitado por ser centrado em conversa por causa dos apps de terceiros, e o Claude Code Web foi o primeiro a expandir isso
    Esse método faz a própria IA coordenar o trabalho, sem exigir que o usuário continue enviando prompts o tempo todo
    É complexo, mas está evoluindo para uma estrutura em que uma IA gerencia outras IAs
  • Na prática, isso não é tanto uma função nova, e sim uma forma de usar em implementações reais os subagentes que o Claude Code já tinha
    Só que ainda falta detalhe no planejamento, então a confiabilidade continua baixa
  • É diferente dos subagentes existentes
    O agente principal muda para um modo de contexto centrado em delegação, integrando um sistema de tarefas baseado em equipe com um sistema de mailbox
    É um nível de integração que não dá para implementar via plugin
  • Entendi o conceito imediatamente graças à visualização de stacked PR
    Eu costumo empilhar commits como se fossem PRs e organizar com rebase, mas isso era bem doloroso
    Agora parece que dá para melhorar dividindo em 2 ou 3 branches e gerenciando de forma a minimizar conflitos
  • Eu também deixo a instância principal do Claude no papel de gerente, administrando os agentes de implementação
    Isso ajuda a manter o contexto limpo e produzir resultados de alta qualidade

• Eu queria que o código evoluísse para ser mais curto e de maior qualidade
  Mas a direção atual parece ir no sentido oposto
  Se os modelos ficarem mais robustos, com mais bom senso e loops de feedback melhores, isso pode ser útil, mas no momento parece piorar o problema com a lógica de “quanto mais código, melhor”
  Dá para fazer demos impressionantes, mas em ambientes reais de produção parece que isso geraria código 10 a 100 vezes mais complexo

  • Tive uma experiência parecida
    Pedi ao Claude para adicionar estatísticas de cobertura de testes no CI, e como o nyc não estava instalado ele tentou reimplementar o Istanbul em bash
    No fim precisei dizer “só instala o nyc”
  • O fato de isso ainda não ter sido lançado sugere que a própria Anthropic acha que o modelo ainda não está pronto
    Mesmo assim, esse tipo de experimento deve ajudar a expandir os limites do modelo
    Talvez não agora, mas quem sabe em 2026 isso seja viável

• Seria bom se no HN houvesse uma votação periódica para mapear a popularidade dos agentes de programação com IA
  Como um TIOBE Index por linguagem, seria interessante ver a tendência de quais modelos estão ganhando popularidade

  • É só escolher um de que você goste e usar
    Disputa de ranking no fim é só mais um ciclo de hype girando
  • Acabei de começar uma pesquisa parecida. Participação é bem-vinda → agentic-coding-survey.pages.dev
  • Não é opinião da comunidade, mas eu consulto bastante o leaderboard do lmarena
    Achei interessante o MiniMax 2.1 estar acima da maioria dos GPTs
    No openrouter.ai também dá para ter uma noção da taxa de processamento e do custo do modelo
  • Eu acompanho as novidades pela newsletter do Zvi Mowshowitz
    Graças a isso, passei a usar o Opus 4.5 como principal uma semana após o lançamento
  • Minha skill de agente está entre as 10 primeiras no diretório skills.sh
    Cerca de 80% da base de usuários dela está no Claude Code, e 75% usa ambiente darwin-arm64

• O Claude gera código demais, o que torna a revisão difícil
  Alguns dizem “se os testes passam, está bom”, mas em projetos de manutenção de longo prazo isso dá insegurança
  Queria saber como foi a experiência de quem já tentou geração de código no estilo YOLO em projetos operados no longo prazo

  • Em ambientes profissionais reais, lidar com um agente por vez já é suficiente
    A qualidade do código ainda é baixa, e ele erra bastante na depuração
    Ainda assim, é útil para busca, compreensão e expansão de ideias
    Em projetos experimentais pessoais, uma abordagem YOLO pode funcionar bem
  • Trabalho na Graphite/Cursor, mas se você fizer o CC gerenciar as mudanças em formato de stack e acoplar um agente de revisão automática, fica mais fácil entender até mudanças grandes
    Assim, você automatiza a geração de código sem perder a compreensão do sistema
  • Quando o Claude Code escreve código, eu faço ele revisar o último commit com uma skill que criei chamada “codex-review”
    Peço ao Codex para sugerir pontos de revisão e verifico a precisão disso na revisão real
  • Ainda é cedo demais para enxergar os resultados, mas no fim deste ano talvez a gente veja que destino terão projetos que parecem castelos construídos sobre areia

• Havia a frase “agora você não fala com um programador de IA, mas com um líder de equipe”,
  e o engraçado é que até esse tweet parecia ter sido escrito por IA

  • Sim, esse tipo de expressão retórica se repete demais em textos de IA

• Em 2026, orquestradores de agentes provavelmente serão a grande tendência
  Usar diretamente termos tradicionais de software, como líder de equipe e membro do time, deve melhorar compreensão e aceitação

  • Concordo. Conceitos complicados como Gas Town são só gambiarras para corrigir comportamentos anômalos do modelo
    Se a Anthropic conseguir orquestrar seus próprios modelos, essas camadas vão se tornar desnecessárias
    No fim, o essencial é mensageria e gestão de tarefas
  • Mas eu acho que conceitos como Polecats ajudam a evitar antropomorfização excessiva

• Achei engraçada a frase “para o líder da equipe e o time inteiro, deixem este botão vermelho”

  • “Engenheiro principal! Precisamos de arquitetura! Time de marketing, publi com celebridade! Time de produto, roadmap! Time de ML, reflitam os dados de treinamento! Time financeiro, calculem o ROI! Time de operações, cobertura 24/7!”
    E no fim a conclusão foi “ótimo, agora deixem o botão vermelho!”. Sátira perfeita
  • Mesmo que o Claude consiga fazer isso só com prompt, nós não vamos aceitar que isso basta
    Este vídeo passa bem essa sensação
  • O prompt de sistema padrão está configurado para julgar bem quando deve usar o modo swarm
    Se você der instruções adicionais no CLAUDE.md, dá para ajustar para que ele não use o modo swarm em tarefas triviais

• Na versão 2.1.9 recente, mudou completamente a forma como o loop principal orquestra os subagentes
  Aparecem logs como “o agente FTSChunkManager ainda está em execução, mas está progredindo, então vamos esperar”, junto com stack trace e saída em JSON

• Vi esse comportamento diretamente no app desktop do Claude Code
  Sob uma tarefa mestre, vários agentes líderes de workers exploram o codebase, escrevem relatórios e listas de TODO
  Outro sistema consolida isso para montar o esquema mestre e o plano
  Eu crio chats separados de devops, frontend, arquitetura e segurança; quando cada chat termina, ele deixa logs e troca atualizações com os outros
  Se eu fizer conectar por SSH a um droplet para usar o terminal, o Claude repete sozinho o ciclo de build, correção, teste e validação
  Assim concluí este projeto em 3 dias

  • Na verdade isso é só a funcionalidade básica de iniciar vários agentes de exploração paralela e juntar os resultados
  • É muito parecido com o funcionamento do oh-my-opencode