Claude Code envia regularmente a transcrição de cada agente em segundo plano ao seu modelo

Artigo original ↗ Discussão no Hacker News ↗

Os resumos de status embutidos do Claude Code para agentes em segundo plano estão consumindo uma fatia surpreendente dos tokens pagos pelos usuários, com alguns relatos mostrando 8–16% do uso total indo para chamadas periódicas “agent_summary” que atualizam um pequeno rótulo de status. Embora funcionários da Anthropic digam que a telemetria mostra um impacto médio menor e apontem correções recentes e planos para modos de resumo mais baratos, muitos usuários criticam a falta de um toggle claro, veem conflito de interesses quando provedores de modelo controlam tanto o harness quanto a cobrança, e experimentam hacks, clientes alternativos ou binários antigos para reduzir o desperdício. O episódio alimenta uma frustração mais ampla com o crescimento do inchaço do Claude Code, limites opacos e peculiaridades de privacidade, e gera comparações com harnesses de terceiros mais leves e ferramentas concorrentes.

Resumos de agentes em segundo plano e consumo de tokens

  • Problema central: o Claude Code envia a transcrição completa de cada agente em segundo plano ativo ao modelo a cada cerca de 30 segundos para gerar pequenos resumos de status.
  • Um usuário intenso mediu ~16% do gasto semanal equivalente em tokens vindo dessas chamadas; outros relatam faixas de ~3–8% até 15%+ dependendo do fluxo de trabalho e do uso de subagentes.
  • O impacto é pior para agentes de contexto longo (por exemplo, centenas de milhares de tokens) e muitos subagentes concorrentes.

Escopo, cache e mecânica

  • Os resumos se aplicam apenas a agentes em segundo plano que estão ativamente trabalhando, não aos ociosos. O uso normal em uma única sessão é menos afetado.
  • Alguns testadores dizem que os fluxos de trabalho (“ultracode”) não são impactados, apenas os subagentes.
  • Os prompts são em grande parte atendidos pelo cache de prompts do provedor, então a maioria são “leituras baratas”, mas leituras grandes repetidas ainda acumulam custo.
  • TTLs de cache: sessões principais ~1 hora; subagentes, por padrão, ~5 minutos, a menos que estendidos por uma gravação premium no cache. Isso torna o comportamento do cache e o custo um pouco complexos e dependentes do tempo.
  • Usuários observam que a compactação automática agressiva perto da expiração do cache reduz os custos, mas pode prejudicar a continuidade ou “parecer uma lobotomia” para بعض cargas de trabalho.

Resposta do provedor e correções planejadas

  • Um engenheiro do Claude Code relata telemetria mostrando resumos em cerca de:
    • ~2% do custo no geral (preços de lista da API),
    • um pouco abaixo de 4% das solicitações,
    • ~6% do custo no terminal, onde a maioria dessas chamadas ocorre.
  • Eles reconhecem que é “muito para uma linha de status”, afirmam ter lançado uma correção para cache misses (versão 2.1.311+) e estão trabalhando em um modo mais barato usando notas curtas para um modelo menor.
  • Atualmente não há uma configuração oficial para desativar totalmente os resumos sem também desativar agentes em segundo plano/forks.

Workarounds e ferramentas dos usuários

  • Um script preload do Bun modifica setTimeout para interceptar e suprimir o temporizador de resumo sem alterar o binário; testes controlados mostram que isso reduz as chamadas de resumo a zero enquanto mantém os agentes em execução. Runners do Windows e ferramentas semelhantes foram compartilhados.
  • Alguns usuários congelam em versões mais antigas do Claude Code CLI e desativam atualizações automáticas, alegando que versões mais novas gastam mais tokens por causa de recursos em segundo plano.
  • Outros dependem de orquestradores externos/modelos de decisão (por exemplo, harnesses baseados em Pi, omp.sh, bridges personalizados) para escolher modelos mais baratos e evitar o comportamento do Claude Code.

Incentivos, confiança e controvérsia

  • Muitos veem isso como um consumo desnecessário e não transparente de tokens, que deveria ser ativável pelo usuário ou gratuito, especialmente para clientes corporativos ou com preços de API.
  • As opiniões divergem sobre a intenção:
    • Alguns chamam de exploratório ou até “fraude”, argumentando que fornecedores de modelo que também controlam os harnesses têm um incentivo embutido para desperdiçar tokens.
    • Outros acham que é má engenharia/design de produto: recursos construídos em um ambiente interno, insensível a custos, e então lançados sem controles de custo adequados.
    • Alguns argumentam que a concorrência e a rotatividade de usuários limitam o quanto um desperdício deliberado seria racional.
  • Surge uma frustração mais ampla com a percepção de inchaço do Claude Code, mudanças frequentes de comportamento, cotas opacas e um padrão de recursos intensivos em tokens.

Comparações com outros harnesses e modelos

  • Vários comentaristas preferem harnesses mais leves ou OSS (Pi, omp.sh, Codex, Muse Code, Copilot), alegando:
    • Melhor eficiência de tokens,
    • Comportamento mais previsível,
    • Padrões menos “semelhantes a spyware” ou intrusivos.
  • Outros dizem que Opus + Claude Code ainda entrega produtividade excepcional para eles, mesmo com alto uso de tokens; as experiências variam bastante dependendo do tamanho do projeto, linguagem e fluxos de trabalho.

Preocupações com privacidade e segurança

  • Questão separada, mas relacionada: o Claude Code inclui o e-mail do usuário nos system prompts e, às vezes, em cabeçalhos HTTP (User-Agent) quando sites solicitam informações de contato (por exemplo, SEC, Wikipedia, Crossref).
  • Alguns usuários removem isso com plugins; outros argumentam que o agente deveria sempre pedir consentimento antes de transmitir identificadores pessoais.
  • Há preocupação com cenários de prompt injection em que sites de terceiros poderiam exfiltrar PII ou acionar chamadas de ferramentas sensíveis sem aprovação explícita do usuário; outros veem vazamentos atuais (por exemplo, e-mail no UA) como pequenos, mas concordam que mecanismos melhores são necessários.