Fra Solo-Agent til Dev Team: Claude Codes nye Agent Teams ændrer spillereglerne

Da Anthropic lancerede Opus 4.6 den 5. februar 2026, fulgte en feature med, som fundamentalt ændrer den måde udviklere arbejder med AI-assistenter på: Agent Teams. Ikke længere én AI-agent, der kæmper sig igennem opgaver sekventielt — men et helt team af specialiserede agenter, der arbejder parallelt i dit codebase.

Jeg har fulgt udviklingen tæt — og har nu selv gjort mig nogle erfaringer med multi-agent workflows via Claude Code. Her er hvad du skal vide.

Hvad er Agent Teams?

Agent Teams er Claude Codes svar på det, udviklere har bygget selv i måneder: multi-agent orkestrering. Konceptet er simpelt men kraftfuldt:

• Team Lead: Din primære Claude Code-session. Analyserer opgaven, opretter teamet, fordeler arbejde og samler resultaterne.
• Teammates: Selvstændige Claude Code-instanser med eget kontekstvindue. Hver agent loader projektets `CLAUDE.md`, MCP-servere og skills — og arbejder uafhængigt.
• Shared Task List: En central opgaveliste med tre tilstande: *pending*, *in progress*, *completed*. Opgaver kan have afhængigheder, der automatisk blokerer/frigiver.

Den afgørende forskel fra sub-agents: teammates taler med hinanden. En sub-agent rapporterer tilbage til sin caller. Agent team-medlemmer sender direkte beskeder, udfordrer hinandens konklusioner og koordinerer autonomt.

Bag kulisserne: TeammateTool

Historien om Agent Teams startede faktisk før den officielle lancering. En udvikler kørte strings på Claude Codes binære fil og fandt TeammateTool — et fuldt implementeret multi-agent system med 13 operationer, mappestrukturer og environment variables. Feature-flagged off. Klar til brug.

Systemet inkluderer:

• **Team lifecycle:** `spawnTeam`, `discoverTeams`, `cleanup`
• **Koordination:** `write` (direkte beskeder), `broadcast` (alle teammates)
• **Plan-godkendelse:** `approvePlan`, `rejectPlan`
• **Graceful shutdown:** `requestShutdown`, `approveShutdown`

Det viste sig, at Anthropic havde produktificeret de community-byggede multi-agent løsninger som claude-flow, ccswarm og oh-my-claudecode — og absorberet mønstrene ind i platformen.

Sådan kommer du i gang

Agent Teams er stadig eksperimentelle. Aktivering kræver ét environment variable i din Claude Code setting (setting.local.json eller setting.json) :

{
  "env": {
     "CLAUDE_CODE_EXPERIMENTAL_AGENT_TEAMS": "1"
   }
}

Eller direkte i shell:

export CLAUDE_CODE_EXPERIMENTAL_AGENT_TEAMS=1

Derefter beder du Claude i naturligt sprog:

*”Jeg vil refaktorere auth-modulet. Opret et agent team: én teammate på backend JWT-logik, én på frontend session-håndtering, og én der skriver integrationstests.”*

Claude spawner teamet, opretter en delt opgaveliste og begynder at koordinere. Ingen YAML-konfiguration. Ingen boilerplate.

Fire koordineringsmønstre

Erfaringerne fra de første uger viser fire mønstre, der fungerer:

1. Hierarkisk

En Chief Orchestrator dirigerer Team Leads (Frontend, Backend, DevOps), som igen styrer specialistagenter (CSS, API, Testing).

2. Afhængighedsbaseret

Task B venter på Task A. Sekventielle workflows med logiske afhængigheder forhindrer for tidlig eksekvering.

3. Broadcast

Systemdækkende opdateringer. Alle agenter modtager information samtidig for synkroniseret forståelse.

4. Peer-to-peer messaging

Direkte agent-til-agent kommunikation. Samarbejdende problemløsning og krydsvalidering af tilgange.

Tre use cases der retfærdiggør token-forbruget

Agent Teams koster ca. 5x mere i tokens end en enkelt agent. Disse scenarier gør det værd:

Parallel Code Review (3 reviewere, 3 perspektiver)

Spawne tre reviewere med forskellige perspektiver: sikkerhed, performance og test-dækning. ‘Lederen’ samler alle fund til ét samlet review. Tre agenter fanger, hvad én overser.

Debugging med konkurrerende hypoteser

Den måske mest overbevisende use case. Én agent finder én plausibel forklaring og stopper. Flere agenter, der argumenterer mod hinanden, finder den rigtige forklaring. Spawn 3-5 teammates, lad dem undersøge forskellige hypoteser og debattere baseret på evidens.

Multi-modul feature-arbejde

Spænder over frontend, backend og tests. Hver teammate ejer et lag. Ingen filkonflikter. Backend-agent færdiggør API → test-agent begynder automatisk.

Agent Teams vs. Sub-agents: Hvornår bruger du hvad?

Tommelfingerregel: Brug sub-agents når du bare har brug for resultatet. Brug Agent Teams når processen og dialogen mellem agenter giver værdi.

Begrænsninger og gotchas

• Ingen session-genoptagelse: Lukker du terminalen, mister du teamet
• Ingen nestede teams: Et team kan ikke spawne et underteam
• Filkonflikter: To teammates, der redigerer samme fil = overskrivninger. Strukturér arbejdet så hver teammate ejer forskellige filer
• Token-forbrug: Hold øje med omkostningerne. Start med code review (read-only) før du kaster dig ud i parallelle refaktoringer

Det større billede

Agent Teams er ikke bare en Claude Code-feature. Det er et signal om, hvor AI-assisteret udvikling er på vej hen. Vi bevæger os fra “én AI, der hjælper én udvikler” til “et team af AI-agenter, der selv-organiserer sig omkring en opgave.”

GitHub Agent HQ, lanceret 11. februar, tager konceptet endnu videre: Claude Code, OpenAI Codex og GitHub Copilot kører parallelt og leverer draft-PRs i dit eksisterende review-flow.

Vi er ikke længere i “vibe coding”-æraen. Anthropic kalder det “vibe working” — AI, der håndterer professionelt arbejde, ikke bare kodning.

Kilder:

• [Bytebot: Claude Sonnet 5 vs Opus 4.6 Developer Guide](https://bytebot.io/articles/claude-sonnet-5-developer-guide)
• [Marc0.dev: Claude Code Agent Teams Setup Guide](https://www.marc0.dev/en/blog/claude-code-agent-teams-multiple-ai-agents-working-in-parallel-setup-guide-1770317684454)
• [Paddo.dev: Claude Code’s Hidden Multi-Agent System](https://paddo.dev/blog/claude-code-hidden-swarm/)
• [Gaga.art: Claude Code 5 — AI Dev Team](https://gaga.art/blog/claude-code-5/)