当 agent 连续做很多事时，messages 会越来越长。
如果这些中间过程都永久堆在父对话里，后面的问题会越来越难回答，因为上下文被大量局部任务的噪声填满了。
这就是子智能体要解决的问题：
把局部任务放进独立上下文里做，做完只把必要结果带回来。
1. 子代理
什么是"父智能体"
当前正在和用户对话、持有主 messages 的 agent，就是父智能体。
什么是"子智能体"
父智能体临时派生出来，专门处理某个子任务的 agent，就是子智能体。
什么叫"上下文隔离"
意思是：
- 父智能体有自己的
messages - 子智能体也有自己的
messages - 子智能体的中间过程不会自动写回父智能体
1.1 最小心智模型
Parent agent
|
| 1. 决定把一个局部任务外包出去
v
Subagent
|
| 2. 在自己的上下文里读文件 / 搜索 / 执行工具
v
Summary
|
| 3. 只把最终摘要或结果带回父智能体
v
Parent agent continues最重要的点只有一个：
子智能体的价值，不是"多一个模型实例"本身，而是"多一个干净上下文"。
1.2 最小实现
（1）给父智能体一个 task 工具（claude code中是Agent工具）
父智能体需要一个工具，让模型可以主动说：
"这个子任务我想交给一个独立上下文去做。"
最小 schema 可以非常简单：
python
{
"name": "task",
"description": "Run a subtask in a clean context and return a summary.",
"input_schema": {
"type": "object",
"properties": {
"prompt": {"type": "string"}
},
"required": ["prompt"]
}
}（2）子智能体使用自己的消息列表
python
def run_subagent(prompt: str) -> str:
sub_messages = [{"role": "user", "content": prompt}]
...（3）子智能体只拿必要工具
子智能体通常不需要拥有和父智能体完全一样的能力。
最小版本里，常见做法是：
- 给它文件读取、搜索、bash 之类的基础工具
- 不给它继续派生子智能体的能力
这样可以防止它无限递归。
（4）只把结果带回父智能体
子智能体做完事后，不把全部内部历史写回去，而是返回一段总结。
return {
"type": "tool_result",
"tool_use_id": block.id,
"content": summary_text,
}（5）子智能体关键数据结构
python
class SubagentContext:
messages: list
tools: list
handlers: dict
max_turns: int解释一下：
messages：子智能体自己的上下文tools：子智能体可以调用哪些工具handlers：这些工具到底对应哪些 Python 函数max_turns：防止子智能体无限跑
这就是最小子智能体的骨架。
（5）子智能体作用
用处 1：给父上下文减负
局部任务的中间噪声不会全都留在主对话里。
用处 2：让任务描述更清楚
一个子智能体接到的 prompt 可以非常聚焦：
- "读完这几个文件，给我一句总结"
- "检查这个目录里有没有测试"
- "对这个函数写一个最小修复"
用处 3：让后面的多 agent 协作有基础
你可以把子智能体理解成多 agent 系统的最小起点。
先把一次性子任务外包做明白，后面再升级到长期 teammate、任务认领、团队协议，会顺很多。
1.3 从 0 到 1 的实现顺序
版本 1：空白上下文子智能体
先只实现：
- 一个
task工具 - 一个
run_subagent(prompt)函数 - 子智能体自己的
messages - 子智能体最后返回摘要
这已经够了。
版本 2：限制工具集
给子智能体一个更小、更安全的工具集。
比如：
- 允许
read_file - 允许
grep - 允许只读 bash
- 不允许
task
版本 3：加入最大轮数和失败保护
至少补两个保护：
- 最多跑多少轮
- 工具出错时怎么退出
版本 4：再考虑 fork
只有当你已经稳定跑通前面三步，才考虑 fork。
1.4 Fork
前面的最小实现是：
- 子智能体从空白上下文开始
这叫最朴素的子智能体。
但有时一个子任务必须知道父智能体之前在聊什么。
例如：
"基于我们刚才已经讨论出来的方案，去补测试。"
这时可以用 fork：
- 不是从空白
messages开始 - 而是先复制父智能体的已有上下文，再追加子任务 prompt
python
sub_messages = list(parent_messages)
sub_messages.append({"role": "user", "content": prompt})2. claude code实测
如下图是claude code中Agent工具的schema
下图为claude code调用Agent工具的情况，包括subagent_type, description, prompt
终端显示如下
