Agent Teams（Agent 团队）是 Claude Code 最前沿的特性之一，允许多个 Claude Code 实例协同工作。相比单一 Subagent 方式，Agent Teams 支持成员间直接通信和协调，为复杂的并行开发任务提供了全新的解决方案。
注意：Agent Teams 是实验性功能，默认禁用。需在 settings.json 或环境变量中设置
CLAUDE_CODE_EXPERIMENTAL_AGENT_TEAMS=1启用。目前有会话恢复、任务协调和关闭行为方面的已知限制。
Agent Teams vs Subagents：核心区别
| 特性 | Subagents | Agent Teams |
|---|---|---|
| 上下文 | 独立上下文窗口；结果返回调用者 | 独立上下文窗口；完全独立 |
| 通信 | 只向主 Agent 报告结果 | 成员间可直接通信 |
| 协调 | 主 Agent 管理所有工作 | 共享任务列表，自我协调 |
| 适用场景 | 只关心结果的聚焦任务 | 需要讨论和协作的复杂工作 |
| Token 成本 | 较低：结果汇总返回主上下文 | 较高：每个成员完整上下文 |
最佳应用场景
Agent Teams 在并行探索能带来真正价值的任务中效果最好：
1. 研究与代码审查
多个成员同时调查问题的不同方面，然后分享和挑战彼此的发现：
# 让 3 个成员并行分析安全漏洞
# 成员 A 分析前端 XSS 风险
# 成员 B 分析后端注入漏洞
# 成员 C 分析认证系统
# 然后汇集结果，交叉验证2. 新模块或功能开发
每个成员负责独立的代码模块，互不干扰：
# 成员 A 实现前端 React 组件
# 成员 B 实现后端 API 端点
# 成员 C 编写数据库迁移
# 成员 D 编写测试套件3. 竞争假设调试
多个成员并行测试不同的假设，更快收敛到答案：
# Bug 原因不明时
# 成员 A 假设是数据库连接问题
# 成员 B 假设是缓存失效问题
# 成员 C 假设是竞态条件
# 同时调查，谁先找到根因4. 跨层协调
修改横跨前端、后端和测试的功能，每层由不同成员负责：
# 添加用户头像功能
# 成员 A 修改前端 UI 组件
# 成员 B 修改后端上传 API
# 成员 C 修改存储服务
# 成员 D 更新测试什么时候不用 Agent Teams
Agent Teams 增加了协调开销，每个成员都有完整的上下文窗口，Token 消耗显著更高：
- 顺序任务：步骤 A 必须在步骤 B 之前完成
- 同文件编辑：多个成员修改同一文件会产生冲突
- 依赖性强的工作：每一步都依赖上一步的结果
这些情况下，单一会话或 Subagents 更有效。
启用 Agent Teams
在 ~/.claude/settings.json 或项目的 .claude/settings.json 中：
{
"env": {
"CLAUDE_CODE_EXPERIMENTAL_AGENT_TEAMS": "1"
}
}或通过环境变量：
export CLAUDE_CODE_EXPERIMENTAL_AGENT_TEAMS=1
claude如何工作：架构解析
共享任务列表
Agent Teams 通过共享任务列表协调工作：
- 团队领导（Lead）创建任务列表，分配初始任务
- 团队成员（Teammates）从任务列表认领工作
- 成员完成任务后更新状态，其他成员可以看到进度
- 成员间可以直接发消息协调复杂问题
- 团队领导综合所有成员的结果
成员间通信
与 Subagents 不同，Agent Teams 的成员可以直接互相通信：
- 成员 A 发现一个依赖问题，直接通知成员 B 调整实现
- 成员 B 完成后，成员 C 可以基于成员 B 的工作继续
- 无需所有通信都经过团队领导
成本管理
Agent Teams 的 Token 消耗与活跃成员数成正比。控制成本：
// settings.json
{
"model": "sonnet", // 成员使用 Sonnet 平衡成本和能力
"env": {
"CLAUDE_CODE_EXPERIMENTAL_AGENT_TEAMS": "1"
}
}成本优化策略：
- 使用 Sonnet：成员用 Sonnet 而非 Opus，显著降低成本
- 控制团队规模：只在真正需要并行时才增加成员
- 精简启动提示词：成员会自动加载 CLAUDE.md、MCP 服务器和技能，避免在提示词中重复这些信息
- 及时清理团队：空闲成员也会消耗 Token
实战示例：并行 API 开发
场景：为电商平台添加新的产品推荐系统，需要修改前端、后端、数据库和测试。
# 1. 初始分析（团队领导）
> Analyze the codebase and create a plan for adding a product recommendation system.
> The work should be divided into: frontend components, backend APIs, database schema, and tests.
# 2. Agent Teams 协调（自动发生）
# 成员 A 负责：React 推荐组件
# 成员 B 负责：REST API 端点和业务逻辑
# 成员 C 负责：数据库 schema 和迁移
# 成员 D 负责：单元测试和集成测试
# 3. 成员间协调
# 成员 B 完成 API 设计后，通知成员 A 接口规范
# 成员 C 完成 schema 后，通知成员 B 数据模型
# 4. 综合结果（团队领导）
# 检查一致性，创建 PR当前已知限制
Agent Teams 还是实验性功能，存在以下限制：
- 会话恢复：中断后恢复团队会话可能不稳定
- 任务协调：复杂依赖关系的任务分配仍在优化中
- 关闭行为：有时成员不能干净地关闭
- 调试难度：多 Agent 系统的调试比单 Agent 更复杂
总结
Agent Teams 代表了 AI 编程辅助的未来方向——从单一 AI 助手演化为协作的 AI 团队。对于真正需要并行探索和跨模块协作的复杂项目，Agent Teams 能显著提升效率。但在选用前，需要权衡其额外的 Token 消耗和当前实验性阶段的限制。
来源：Claude Code 官方文档 - Agent Teams 原文作者：Anthropic Team