Claude Code Agent Teams — fra solo-agent til orkestreret multi-agent samarbejde

Anthropic lancerede i starten af februar 2026 Claude Opus 4.6 med en ny eksperimentel feature, der har fået udviklere verden over til at gentænke, hvordan de bruger AI-kodningsagenter: Agent Teams. Hvor vi hidtil har arbejdet med én agent ad gangen — eller i bedste fald med subagenter der rapporterer tilbage i isolation — kan Claude Code nu orkestrere hele hold af samarbejdende agenter, der kommunikerer direkte med hinanden.

For dem af os der dagligt bruger Claude Code til alt fra refaktorering til feature-udvikling, er det et markant skift. Spørgsmålet er: lever det op til hypen, og hvad betyder det i praksis?

Hvad er Agent Teams?

Agent Teams er en eksperimentel feature i Claude Code, der lader dig spinne flere Claude-instanser op som et koordineret team. Én instans fungerer som team lead — den fordeler opgaver, koordinerer arbejdet og samler resultaterne. De øvrige instanser er teammates, der hver især arbejder i deres eget kontekstvindue på deres egen del af projektet.

Det afgørende er kommunikationsmodellen. Med traditionelle subagenter har vi en hub-and-spoke-arkitektur: subagenten udfører en opgave og rapporterer resultatet tilbage til hovedagenten. Subagenter kan ikke tale med hinanden. Hvis Agent A opdager noget, som Agent B har brug for, skal hovedagenten manuelt videresende informationen.

Agent Teams bruger i stedet en mesh-arkitektur: teammates kan sende beskeder direkte til hinanden, dele opdagelser undervejs og koordinere uden flaskehalse. De deler en fælles opgaveliste med fil-locking, så to agenter ikke tramper hinanden over tæerne på den samme fil.

Sådan kommer du i gang

Funktionen er stadig markeret som eksperimentel. For at aktivere den skal du tilføje følgende til din settings.json:

"CLAUDE_CODE_EXPERIMENTAL_AGENT_TEAMS": "1"

Herefter kan du beskrive dit team i naturligt sprog direkte til Claude Code. Der er ingen YAML-filer, ingen agent-skemaer, ingen workflow-definitioner. Du beskriver teamet konversationelt, og Claude Code håndterer spawning, opgavestyring og beskedudveksling.

Et eksempel kunne være: “Jeg har en refaktorering der rører API-laget, databasemigrationer og tests. Spin tre teammates op — én til API, én til database, én til tests — og koordinér arbejdet.” Claude opretter et team lead, spawner tre uafhængige teammates og sætter dem i gang parallelt.

Subagenter vs. Agent Teams — hvornår bruger du hvad?

Valget mellem subagenter og Agent Teams handler fundamentalt om ét spørgsmål: har dine agenter brug for at kommunikere med hinanden?

Subagenter er ideelle til fokuserede opgaver, hvor kun resultatet er vigtigt — code review af en enkelt fil, analyse af et datasæt, eller research-opslag. De bruger færre tokens og har lavere overhead. Tænk på dem som freelancere du sender på separate ærinder.

Agent Teams er til komplekse opgaver, der kræver koordinering — multi-komponent features, cross-layer refaktoreringer, eller debugging med konkurrerende hypoteser. Her kan teammates dele fund, udfordre hinandens tilgang og konvergere mod bedre løsninger sammen. Det er forskellen mellem en freelancer-kø og et projektteam i samme rum.

Et vigtigt forbehold: Agent Teams bruger markant flere tokens end en enkeltsession. Hver teammate er en separat Claude-instans med eget kontekstvindue. For en Opus 4.6-instans med 1 million tokens kontekst løber regningen hurtigt op, hvis du ikke er opmærksom. Det er derfor værd at være præskriptiv om antallet af teammates frem for at lade Claude selv bestemme — ellers risikerer du, at den spawner otte agenter, hvor tre havde været rigeligt.

Den bredere kontekst: multi-agent-kapløbet

Anthropic er langt fra alene om at satse på multi-agent-arkitekturer. I februar 2026 lancerede stort set alle store spillere multi-agent-features inden for samme to uger: Grok Build fik 8 parallelle agenter, Windsurf fik 5, og OpenAIs Codex CLI fik Agents SDK-integration. Det er en tydelig indikation af, at industrien ser multi-agent som næste evolutionstrin for AI-kodningsværktøjer.

Vi har tidligere set, hvordan Claude Codes worktree-mode løste problemet med filkonflikter ved parallel kørsel. Agent Teams bygger videre på den idé, men tilføjer et kommunikationslag, der gør parallel kørsel til egentligt samarbejde. Og som vi har diskuteret i konteksten af agentic engineering, bevæger vi os støt væk fra “vibe coding” — hvor man prompter og håber — og hen mod systematisk orkestrering af AI-agenter som et egentligt ingeniørfag.

Hvad ændrer det i praksis?

Som udvikler er der tre scenarier, hvor Agent Teams allerede viser sit værd:

1. Cross-layer features: Når en ny feature rører frontend, backend og tests samtidig, kan tre teammates hver eje deres lag. De koordinerer via beskeder — “jeg har ændret API-endpointet til /v2/users, opdater dine kald” — uden at du manuelt skal være mellemmand.

2. Debugging med konkurrerende hypoteser: Spawn to-tre teammates, der undersøger forskellige teorier for en bug parallelt. De kan aktivt forsøge at modbevise hinandens hypoteser, hvilket typisk giver hurtigere og mere pålidelige resultater end sekventiel debugging.

3. Research og arkitekturbeslutninger: Flere teammates undersøger forskellige aspekter af et problem eller argumenterer for forskellige arkitekturvalg. Det er beslægtningsværktøj — en form for AI-drevet “adversarial review” der tvinger bedre beslutninger frem.

Det er dog vigtigt at holde forventningerne realistiske. Teammates er efemere — de eksisterer kun i den aktuelle session og har ingen hukommelse på tværs af sessioner. Der er ingen persistent identitet, intet /resume. Du beskriver et team, det kører, det forsvinder. For gentagne workflows i CI/CD er durable agent-frameworks som LangGraph eller CrewAI stadig relevante.

Konklusion

Claude Code Agent Teams repræsenterer et reelt paradigmeskift i, hvordan vi bruger AI-kodningsagenter. Det er ikke længere ét LLM-kald ad gangen, men orkestrerede hold der samarbejder i realtid. Funktionen er stadig eksperimentel, og token-forbruget kræver opmærksomhed, men for komplekse opgaver der involverer flere dele af en kodebase er potentialet markant.

Udviklere der bygger muskelhukommelse med multi-agent-patterns nu — hvad enten det er via Claude Code Agent Teams, Codex CLI eller andre værktøjer — vil have en seriøs fordel, når disse tools modner. Gabet mellem “bruger AI til kodning” og “orkestrerer AI-agent-teams” vil kun vokse.