OpenRouter：Announcements（RSS）

精选

AI 编辑部评分，满分 100

Subagent：让模型把琐碎任务委托出去

2026-06-16 08:00· 61天前· Kenny Rogers

AI 导读

OpenRouter 推出 openrouter:subagent 服务器工具，允许前沿模型在生成过程中将独立的琐碎任务（如文档总结、结构化数据提取、文本重格式化）委托给更小、更便宜、更快的 worker 模型执行，从而节省前沿模型的 token 消耗。

推荐理由

这是 OpenRouter 对 agent 交互模式的一个小但实用的创新，让主模型自动将摘要、格式化等确定性子任务分派给更便宜的小模型，做多模型编排的开发者可以直接拿来用。

正文 · AI 翻译

Subagent: Let Your Model Delegate the Busywork

在你的代码库中寻找子智能体机会
前沿大脑，预算双手
底层工作原理
子智能体 vs. 顾问
计费

将 `openrouter:subagent` 添加到你的工具数组中，你的模型便能在生成过程中将独立任务委托给一个更小、更便宜、更快的工人模型。总结文档、提取结构化数据、起草模板、重新格式化文本：工人模型处理这些任务并将结果传回。你的前沿模型则继续负责编排，无需在常规工作上消耗昂贵的模型 token。

在聊天室中尝试，阅读文档，或按照 cookbook 配方将其接入你的应用。

{
  "model": "anthropic/claude-opus-4.8",
  "messages": [{ "role": "user", "content": "Audit this release: summarize the changelog, list breaking changes, and draft the announcement." }],
  "tools": [
    {
      "type": "openrouter:subagent",
      "parameters": { "model": "z-ai/glm-5.2" }
    }
  ]
}

模型自行决定何时进行委托。它仅针对那些不需要其全部能力的任务调用子智能体。

在你的代码库中寻找子智能体机会

将以下提示词粘贴到你的编码智能体中，让它扫描你的项目，找出子智能体委托可以降低成本的地方：

Read through this codebase and identify places where an OpenRouter API call
could benefit from the openrouter:subagent server tool. Look for patterns where
a frontier model is doing mechanical sub-tasks inline: summarization, data
extraction, reformatting, boilerplate generation, or schema conversion.

For each candidate, explain:
1. Which file and function
2. What the sub-task is
3. Why it's a good fit for delegation (self-contained, predictable output, doesn't need the full conversation context)
4. A code snippet showing how to add the subagent tool to that call

Reference docs: https://openrouter.ai/docs/guides/features/server-tools/subagent
Cookbook recipe: https://openrouter.ai/docs/cookbook/building-agents/subagent-server-tool

前沿大脑，预算双手

Claude Opus 4.8 每百万输入 token 成本为 5 美元。GPT-5.5 成本为 5 美元。GLM 5.2 成本为 1.40 美元。这意味着前沿模型与工人模型在输入上的价差为 3.6 倍，在输出上为 5.7 倍。（Claude Fable 5 在被下架前每百万 token 成本为 10 美元/50 美元，安息吧。）

一个进行代码审查的前沿模型，无需花费自身 token 去总结一份 2000 行的变更日志或重新格式化一个 JSON 数据块。这些是带有明确指令和可预测输出的机械性任务。子智能体以 GLM 的价格处理这些任务，而编排者则专注于那些真正需要推理的部分。

在一个包含 20 次工具调用的复杂智能体工作流中，可能有 5-8 次是子智能体委托：总结、数据提取、模板填充、格式转换。前沿模型负责编排和评判。你降低了每次请求的成本，同时不影响困难部分的质量上限。

底层工作原理

工人模型只能看到委托模型在 `task_description` 中显式传入的内容。没有父级对话、没有先前上下文、任务之间没有记忆。每次委托都是一个干净、独立的工作单元。

任何模型都可以担任工作模型。通过 `parameters.model`（模型目录中的任意模型均可）固定即可。像 `z-ai/glm-5.2` 这样的开源模型在处理机械性任务时表现良好。如果你没有指定模型，则会回退到外部请求所使用的模型。
工作模型拥有自己的工具。为工作模型配置 `openrouter:web_search`，它就能在响应前基于最新来源来支撑其输出。工作模型会在内部运行自己的工具循环；只有最终文本会返回给你的模型。
递归被禁止。子智能体不能调用自身。深度标头和自引用检查机制可防止无限嵌套，且每个请求的委派上限为 10 次。

{
  "tools": [
    {
      "type": "openrouter:subagent",
      "parameters": {
        "model": "z-ai/glm-5.2",
        "instructions": "You are a fast, focused worker. Complete the task exactly as described.",
        "tools": [{ "type": "openrouter:web_search" }]
      }
    }
  ]
}

子智能体 vs. 顾问

这两个工具方向相反。顾问将困难决策升级到更强的模型。子智能体则将常规工作委派给更便宜的模型。

	顾问	子智能体
方向	向上（咨询更强的模型）	向下（委派给更便宜的模型）
工作模型选择	每次调用由模型自行选择	由工具定义固定
使用场景	“帮我思考这个问题”	“帮我完成这个机械性任务”
记忆	跨请求的对话记录回放	无（每个任务相互隔离）

在同一请求中同时使用两者。你的前沿模型在架构决策上咨询顾问，并将摘要工作委派给子智能体。不同类型的工作使用不同的工具。

计费

子智能体的 token 按照工作模型的费率计费，与编排模型分开。如果你的编排模型是 Claude Opus 4.8（每百万 token 输入 $5 / 输出 $25），而工作模型是 GLM 5.2（每百万 token 输入 $1.40 / 输出 $4.40），那么每个模型的 token 都按其自身价格计费。两者都会显示在你的活动页面上。

在你的工具数组中添加一行：

{ "type": "openrouter:subagent", "parameters": { "model": "z-ai/glm-5.2" } }

模型自行决定何时使用它。请阅读完整文档了解所有参数、工作模型工具及递归详情，或按照操作指南中的配方进行集成。

智能体 MCP/工具产品更新

来源：OpenRouter：Announcements（RSS） · openrouter.ai

导出 Markdown