Jeszcze dwa lata temu Claude Code był wygodnym dodatkiem do terminala. Czymś, co podpowiadało komendy i pisało funkcje na żądanie. Dziś to zupełnie inna bestia. Warstwowy system agentowy z pamięcią, hookami, subagentami, pluginami i protokołem MCP, który potrafi działać praktycznie samodzielnie przez wiele godzin.
Kluczowe fakty:
- Claude Code rozwinął się z prostego asystenta terminalowego w warstwowy system agentowy, obejmujący pamięć, hooki, subagenty, pluginy i protokół MCP, zdolny do samodzielnego działania przez wiele godzin.
- Architektura Claude Code opiera się na sześciu podstawowych elementach: pliku CLAUDE.md, skillach, subagentach, komendach slash, hookach oraz serwerach MCP, które można rozbudowywać niezależnie warstwa po warstwie.
- Plik CLAUDE.md pełni rolę „konstytucji repozytorium" – Claude odczytuje go na początku każdej sesji, aby poznać konwencje projektu, komendy oraz obowiązujące standardy budowania i testowania kodu.
Najnowszy przewodnik opublikowany przez MarkTechPost opisuje 25 funkcji i strategii skalowania Claude Code, kierowanych do inżynierów AI, programistów i data scientistów. Co istotne, autorzy od razu zaznaczają, które elementy są oficjalną funkcjonalnością Anthropic, a które są jedynie wzorcami pracy wymyślonymi przez społeczność.
Znajdź dostawcę, partnera lub narzędzie dla swojego biznesu, a jeśli prowadzisz firmę, która w swoim DNA ma AI, skorzystaj z możliwości bezpłatnego dodania swojej firmy.
Sześć fundamentów, na których stoi cała architektura
Pod maską Claude Code dzieli pamięć, hooki, skille, subagenty, pluginy i MCP na osobne warstwy. Każda z nich zmienia to, co model widzi albo co może zrobić. To nie jest jeden wielki prompt z dorzuconymi funkcjami, to architektura, którą da się rozbudowywać warstwa po warstwie.
Bezpieczeństwo zapewniają tryby uprawnień, checkpointy, sandboxing i zarządzane ustawienia. Ta sama pętla agentowa jest dostępna programistycznie przez Agent SDK. Sześć podstawowych klocków to plik CLAUDE.md, skille, subagenty, komendy slash, hooki i serwery MCP. Pluginy z kolei pakują to wszystko w jedną instalowalną całość.
Brzmi skomplikowanie? Trochę jest. Ale to właśnie ta modularność robi różnicę między „asystentem do pisania kodu” a „agentem, któremu można zlecić refaktoryzację całego repo i pójść spać”.
Co konkretnie nowego: pamięć, skille, subagenty i hooki
CLAUDE.md to plik, który Claude czyta na początku każdej sesji, żeby trzymać się konwencji projektu i znanych komend. Działa jak swego rodzaju konstytucja repozytorium. Bez niego model zgaduje, z nim wie od razu, jak budujesz, testujesz i jakich standardów się trzymasz.
Skille to z kolei pliki SKILL.md z frontmatterem, umieszczone w katalogu .claude/skills/, które można wywołać komendą /nazwa albo które Claude sam aktywuje, kiedy uzna to za potrzebne. Subagenty natomiast to wyspecjalizowane instancje z własnymi oknami kontekstu, dzięki czemu szczegółowa, „brudna” praca nie zaśmieca głównej rozmowy.
Mam wrażenie, że to właśnie subagenty są najbardziej niedocenianą funkcją z całej tej listy. Bo o ile CLAUDE.md i skille brzmią jak naturalna ewolucja promptów, subagenty to coś innego, to próba odpowiedzi na pytanie, jak utrzymać porządek w głowie agenta, kiedy zadanie robi się naprawdę duże.
Hooki z kolei są deterministyczne, czyli nie zostawiają miejsca na „kreatywność” modelu. PreToolUse jest głównym punktem kontrolnym bezpieczeństwa, uruchamianym zanim jakikolwiek tool zostanie wykonany. To różnica między „poproszę AI, żeby się zachowywało” a „kod, który fizycznie zablokuje niebezpieczną komendę”.
Auto Mode: najciekawsza i najbardziej kontrowersyjna część
Tu robi się ciekawie. Auto Mode to oficjalna funkcja w fazie research preview, gdzie osobny klasyfikator oparty na Sonnet 4.6 sprawdza każdą akcję, zanim do niej dojdzie. Bezpieczne działania przechodzą automatycznie, ryzykowne są blokowane albo eskalowane do użytkownika.
Brzmi jak rozwiązanie problemu, który frustrował każdego, kto kiedykolwiek próbował zlecić Claude Code coś większego niż jedna funkcja. Bo do teraz wybór był brutalny: albo zatwierdzasz każdy zapis do pliku i każdą komendę bash (co jest męczące przy długich zadaniach), albo włączasz --dangerously-skip-permissions i modlisz się, że nic nie zepsuje.
Z dokumentacji Anthropic wynika, że klasyfikator działa w dwóch etapach: najpierw szybki filtr jednotokenowy decydujący „blokuj” albo „przepuść”, a dopiero gdy ten pierwszy etap coś oznaczy, włącza się pełne rozumowanie krok po kroku. Ciekawe jest też to, że klasyfikator widzi tylko wiadomości użytkownika i wywołania narzędzi, natomiast wyniki tych narzędzi i własne wypowiedzi Claude są odfiltrowane. Innymi słowy, jeśli ktoś podłoży złośliwy prompt w pliku, który Claude czyta, klasyfikator tego nawet nie zobaczy, więc nie da się go w ten sposób oszukać.
Działa to też dla subagentów, i to na trzech etapach. Przy uruchomieniu (spawn) klasyfikator sprawdza opis zadania delegowanego do subagenta, a potem jeszcze raz przy wykonaniu i zakończeniu. Sprawdzenie wyniku istnieje dlatego, że subagent, który w momencie delegacji był nieszkodliwy, mógł zostać w trakcie działania skompromitowany przez prompt injection w treści, którą przeczytał. Jeśli klasyfikator to wykryje, do agenta nadrzędnego trafia ostrzeżenie bezpieczeństwa, a wyniki nie są po prostu odrzucane.
Tu właśnie miejsce na komentarz redakcyjny.
Patrzę na to z mieszanymi uczuciami i powiem szczerze, raczej z większą dawką ostrożności niż entuzjazmu. Z jednej strony Auto Mode to realna odpowiedź na problem, który frustrował każdego, kto próbował uruchomić Claude Code na noc i obudzić się z gotowym wynikiem. Architektura, w której klasyfikator nie widzi wyników działania agenta, ma sens, bo to faktycznie zamyka prostą drogę do prompt injection przez złośliwy plik czy stronę.
Z drugiej strony, to wciąż research preview, a nie produkt dopracowany. Sam Anthropic przyznaje, że klasyfikator może przepuścić ryzykowną akcję, jeśli intencja użytkownika jest niejasna albo gdy model nie ma wystarczającego kontekstu o środowisku. Do tego dochodzą zgłoszone błędy, jak ten z klasyfikatorem próbującym użyć niedostępnego wariantu modelu albo przypadki, w których wyraźna prośba użytkownika typu „nie wgrywaj jeszcze tych zmian” nie była respektowana po kompaktowaniu kontekstu.
Moje pytanie brzmi: ile firm faktycznie przeczyta te zastrzeżenia, zanim odpalą Auto Mode na repozytorium produkcyjnym? Bo dokumentacja mówi jedno, a presja „działa, więc używamy” zwykle robi swoje. Polecam traktować to jak narzędzie do izolowanych, dobrze sandboxowanych środowisk, a nie jak licencję na zostawienie agenta bez nadzoru w repo z prawdziwymi danymi.
Piotr Wolniewicz, Redaktor Naczelny AIPORT.pl
Chcesz czytać więcej treści związanych z AI?
Dodaj AIPORT.pl do preferowanych źródeł Google
Praktyczne usterki, o których mówi się mniej
Bo Auto Mode to nie tylko teoria. Od kwietnia 2026 nadal otwarte są zgłoszone błędy, m.in. taki, w którym klasyfikator korzysta z niewłaściwego modelu, mimo że dokumentacja mówi, że działa na Sonnet 4.6 niezależnie od modelu sesji. Inny problem to ustawienie trybu auto jako domyślnego w settings.json, które jest poprawnie odczytywane, ale nie jest respektowane przy starcie nowej sesji, więc trzeba ręcznie przełączać tryb skrótem Shift+Tab w każdej sesji.
Co ciekawe, mimo że to formalnie wciąż „research preview”, Anthropic w praktyce wdrożyło Auto Mode do planów Team, Enterprise i API między 24 marca a 16 kwietnia 2026, bez żadnego ogłoszenia typu „General Availability”. Jeśli płacisz za Max, Team albo Enterprise, masz to dostępne już teraz. Ale dokumentacja wciąż nazywa to fazą testową.
Jeden szczegół wart zapamiętania: Auto Mode wymaga Sonnet 4.6 albo Opus 4.6 i nie działa na Haiku, modelach Claude 3 ani u dostawców trzecich jak Amazon Bedrock, Google Cloud Vertex AI czy Microsoft Foundry. Plus, domyślnie klasyfikator traktuje jako „zaufane” tylko lokalny katalog roboczy i skonfigurowane remote’y repozytorium git, wszystko inne jest „zewnętrzne i nieznane”, dopóki sam tego nie skonfigurujesz.
Słownik dla zdezorientowanych: kiedy używać czego
Jeden z najczęstszych problemów (sam się w tym gubiłem na początku, więc rozumiem) to mylenie skilli, subagentów, komend slash i hooków. Wszystkie cztery „robią coś z kodem”, ale różnią się tym, gdzie żyją i jak są wywoływane.
Krótka ściągawka:
- komenda slash, to po prostu szablon promptu, wpisujesz
/nazwai dostajesz gotowy tekst do dalszej rozmowy - skill, to coś z realną logiką domenową albo dodatkowymi plikami, może działać sam albo na żądanie
- subagent, izolowane zadanie z własnym kontekstem, dobre do równoległej pracy
- hook, kod uruchamiany na konkretnym etapie cyklu życia, wymusza reguły bez liczenia na „rozsądek” modelu
- MCP server, połączenie z zewnętrznym narzędziem typu GitHub, baza danych albo przeglądarka
- plugin, paczka wszystkiego powyżej do współdzielenia w zespole
Zasada jest prosta: komenda slash do szablonu promptu, skill kiedy jest realna logika domenowa, subagent do izolowanej, równoległej pracy, hook do wymuszenia reguły kodem.
Za każdą polską firmą AI stoi konkretny człowiek z imieniem i nazwiskiem, często ten sam w kilku miejscach naraz, i to właśnie ludzie, nie tabelki finansowania, są prawdziwym bohaterem tego artykułu.
Gdzie to wszystko realnie się przydaje
Przewodnik wymienia kilka konkretnych scenariuszy. Onboarding nowego programisty w zespole można zrobić przez subagenta typu Explore, który jest read-only i mapuje repo bez ryzyka, że coś przypadkowo zmodyfikuje. W parze z CLAUDE.md zawierającym komendy build, lint i test daje to gotowy obraz projektu na pierwszy dzień pracy.
Dla recenzji kodu, komenda /review daje ogólny feedback, a /security-review skupia się na podatnościach. Na planach Team i Enterprise recenzję multi-agent można rozdzielić między kilka subagentów. A dla CI, headless CLI uruchamiane jako claude -p wewnątrz GitHub Action pozwala lintować, testować albo podsumowywać diffy bez terminala, a zadania zaplanowane mogą odpalać tę samą komendę co noc.
Jeden klient korporacyjny, z którym rozmawiałem przy innej okazji (branża fintech, nie mogę zdradzić nazwy), wspominał, że największa zmiana przy wdrażaniu subagentów to nie szybkość, a to, że główna rozmowa z Claude Code w końcu „nie puchnie” od logów eksploracyjnych. To może wydawać się drobiazgiem. Nie jest.
Co dalej
Ekosystem rośnie szybciej niż dokumentacja. Nie każda „porada do Claude Code” krążąca w sieci jest oficjalną funkcją, część opiera się na narzędziach trzecich, jak wspomniane w przewodniku zewnętrzne warstwy pamięci.
Czy Auto Mode w obecnej formie trafi do GA z pełnym ogłoszeniem, czy po prostu „wycieknie” do produkcji tak jak stało się to z planami Team i Enterprise? Trudno powiedzieć. Ale jedno jest pewne, dla zespołów inżynierskich, które już dziś budują workflow wokół Claude Code, te 25 elementów to nie lista funkcji do przeglądnięcia raz i zapomnienia, a właściwie nowy język, w którym trzeba zacząć myśleć o automatyzacji.
