O rótulo de cinco palavras com um apetite de 40.000 tokens
A cada 30 segundos, o Claude Code consulta agentes em segundo plano ativos, pedindo a um modelo de linguagem que resuma seu trabalho em poucas palavras para o painel do agente. Esse recurso aparentemente inofensivo, projetado para visibilidade do usuário, pode consumir silenciosamente uma parte significativa da cota de tokens do usuário.
O teste de OpenTelemetry da Better Stack, que exportou os dados de rastreamento do Claude Code, revelou a extensão desse dreno. As solicitações de resumo apareciam aproximadamente a cada 30 segundos, cada uma transmitindo todo o histórico de conversas do agente. Esse inchaço de contexto significava que as solicitações frequentemente envolviam cerca de 40.000 tokens de entrada para gerar meros 130 tokens de saída, como "executando o sétimo sleep de 20 segundos".
Esses resumos, marcados com query_source = "agent_summary", representaram 12% do custo total em uma sessão sintética projetada para executar várias tarefas sleep 20. Em um cenário mais realista — construir um site TanStack usando três agentes em segundo plano — a sobrecarga do resumo ainda consumiu cerca de 8% do uso total de tokens da sessão. Isso ocorre porque o sistema usa, por padrão, o modelo de agente principal (frequentemente Claude Claude Opus) para esses resumos, em vez de uma alternativa mais barata como o Claude Claude Haiku.
Por que uma pequena atualização de status continua ficando mais cara
Repetidamente, o Claude Code envia o histórico completo da conversa — não apenas as alterações recentes — para o modelo de cada agente em segundo plano ativo. Isso aumenta o contexto e o volume de tokens de entrada ao longo dos ciclos de consulta, crescendo de 18 mensagens para 42 em um teste. Cada chamada de resumo consumiu aproximadamente 40.000 tokens de entrada para produzir meros 130 tokens de saída, como "executando o sétimo sleep de 20 segundos".
Uma preocupação significativa é a seleção do modelo. Os testes do vídeo descobriram que essas chamadas de resumo eram executadas no modelo atribuído ao agente, incluindo o caro Claude Claude Opus, em vez de um modelo menor e mais econômico, como o Claude Claude Haiku. Isso amplia o custo de uma atualização de rotina da interface do usuário.
As medições da comunidade sobre esse dreno de tokens variam, com a contagem e a atividade dos agentes gerando divergências. Os testes da Better Stack descobriram que o agent_summary representava 12% de uma sessão sintética de sleep e 8% de uma compilação realista do TanStack. Outros benchmarks da comunidade variaram de 8% a 26% para fluxos de trabalho intensos com múltiplos agentes.
A Anthropic citou médias mais baixas, com um engenheiro observando 2% do custo da API e 6% no terminal em toda a telemetria global. O cache de prompts pode reduzir os preços da API em cerca de um décimo, mas a Anthropic afirma que o uso da assinatura ainda consome as cotas sem total transparência sobre a economia real de custos.
O uso que você não encontrará nos seus logs habituais
Observar os custos ocultos do agent_summary exige olhar além do registro padrão. As transcrições locais .jsonl do Claude Code, frequentemente usadas por ferramentas como cc-usage para análise de custos, não registram essas solicitações de resumo. Consequentemente, os cálculos de uso baseados em transcrição podem subestimar significativamente o consumo real de tokens.
Para verificar a atividade do agent_summary, ative a exportação de OpenTelemetry no Claude Code. Exporte esses rastreamentos para uma plataforma de observabilidade, como a Better Stack. Lá, filtre e agrupe as solicitações por query_source = agent_summary para revelar sua frequência e volume de tokens. Esse método fornece evidências granulares e mensuráveis dessa sobrecarga específica.
Os testes da Better Stack revelaram que o agent_summary representou 12% do gasto total da sessão em um teste sintético de sleep e 8% durante um build realista do TanStack. Descobertas da comunidade externa da Flamerix AI notaram até 16,4% do gasto total e 19,7% das requisições de API atribuídas a esses resumos em execuções multi-agente de alta frequência. Para mais informações sobre a utilidade mais ampla do Claude Code, veja Claude Code: Best practices for agentic coding - Anthropic.
A telemetria da Anthropic sugere uma média global de 2% nos preços de lista da API e 6% dentro do terminal. Embora esses números demonstrem um overhead significativo em fluxos de trabalho específicos, a parcela exata varia consideravelmente com base na atividade do agente, duração da tarefa e processos simultâneos. É crucial distinguir esses impactos medidos de alegações universais, já que os padrões de uso individuais influenciam fortemente o consumo de tokens observado.
Gostando do artigo? Receba um assim na sua caixa de entrada toda manhã.
um e-mail por dia · cancele em dois cliques · sem rastreadores de terceiros
Reduza o consumo sem interromper seu fluxo de trabalho
Mitigar o consumo de tokens do Claude Code não exige sacrificar seu fluxo de trabalho baseado em agentes. Uma solução alternativa eficaz envolve definir a opção fork_subagents como 0. Isso desativa subagentes que herdam todo o histórico da conversa, interrompendo assim as chamadas de resumo enquanto permite que agentes de segundo plano comuns operem com menos contexto herdado. Testes confirmam que isso elimina os custos de agent_summary.
Outra solução, embora mais avançada, usa um Bun preload script para interceptar o setTimeout e bloquear o temporizador de resumo. Essa abordagem modifica os processos do Claude Code, portanto, analise o código minuciosamente. Evite executar instalações curl soltas cegamente; em vez disso, fixe uma cópia local revisada para mitigar riscos de segurança.
Para minimizar o consumo futuro, monitore ativamente sessões com muitos agentes. Evite a proliferação desnecessária de subagentes e avalie cuidadosamente a conveniência dos rótulos de status em tempo real em relação ao seu custo de uso cumulativo. Relatórios da Anthropic indicam que melhorias no prompt caching e o potencial para opções de resumo mais baratas estão em desenvolvimento, embora uma correção universal não seja garantida.
Perguntas Frequentes
O que são os resumos de agentes do Claude Code?
São descrições curtas do que os agentes de segundo plano estão fazendo, exibidas no painel do agente e geradas periodicamente por um modelo.
Quanto do uso os resumos de agentes podem consumir?
A parcela relatada varia de acordo com a carga de trabalho: a Better Stack mediu 12% em um teste sintético e cerca de 8% em um build multi-agente, enquanto a Anthropic citou médias menores em sua telemetria.
Posso desativar os resumos de agentes do Claude Code?
Não existe um botão de alternância dedicado e direto descrito na fonte. Definir os subagentes de fork como zero pode interromper esses resumos, mas altera como os agentes derivados herdam o contexto.
Por que as ferramentas de uso podem não detectar essas chamadas?
As requisições de resumo de agente podem não aparecer nas transcrições JSONL padrão do Claude Code. Dados de OpenTelemetry podem expô-los sob a fonte de consulta agent_summary.
As chamadas de resumo são sempre cobradas pelo preço total dos tokens?
Não necessariamente. O prompt caching pode reduzir os custos de API, mas a contabilização do uso da assinatura é menos transparente, portanto, o impacto preciso depende do plano e da carga de trabalho.