Subagents เข้า Gemini CLI — แตก task ให้ specialized agent ทำคู่กับ orchestrator session หลัก

Google for Developers ปล่อยบทความใน developers.googleblog.com แนะนำ subagents ใน Gemini CLI — feature ที่อนุญาตให้ Gemini CLI session หลัก delegate task ที่ซับซ้อน, ซ้ำ ๆ หรือ high-volume ไปยัง specialized expert agent ที่ run แยกได้

ในทางสถาปัตยกรรม session หลักทำหน้าที่เป็น strategic orchestrator ส่วน subagent ทำงานใน:

• context window แยก ของตัวเอง
• system instruction custom ตามบทบาท
• set ของ tool ที่ตัด curate เฉพาะที่จำเป็น

ทำไมต้องมี subagent

ปัญหาที่ developer ที่ใช้ Gemini CLI ในงาน large-scale พบ:

• Context contamination — ทำหลาย task ใน session เดียว → context window เต็มไปด้วย noise → quality ของ output ลดลง
• Tool overload — Gemini CLI default มี tool หลายตัว (read_file, write_file, run_shell, web_fetch, search, etc.) → ทุก turn model ต้องเลือกจาก list ใหญ่ → cost token เพิ่ม + decision ผิดบ่อยขึ้น
• Sequential bottleneck — งานที่ทำ parallel ได้ (เช่น analyze 50 file ในโครงสร้าง) ต้องทำ sequential ใน session เดียว

Subagent แก้ทั้ง 3:

• แต่ละ subagent มี fresh context window → orchestrator คัดเฉพาะ summary กลับมา
• subagent มี scoped tool list → decision space ลดลง → ไว้ขึ้น + ถูกขึ้น
• หลาย subagent run parallel → throughput เพิ่ม linear

Built-in subagents

Gemini CLI ship พร้อม subagent default 2 ตัว:

1. generalist

• general-purpose agent ที่มี access ทุก tool
• ใช้สำหรับ task ที่ turn-intensive — เช่น batch refactor, run command ที่ output volume สูง
• คล้าย general-purpose agent ใน Claude Code

2. codebase_investigator

• specialized สำหรับ explore codebase
• ใช้ tool: read_file, grep, list_directory + symbolic search
• เหมาะกับ task: architectural mapping, root-cause analysis ของ bug ที่ cross-module, ทำความเข้าใจ system-wide dependency

Custom subagent — สร้างเองด้วย markdown

วิธี define custom subagent: สร้าง file ที่ .gemini/agents/<name>.md ใน project — Gemini CLI จะ pick up automatic

structure ของ file:

---
name: frontend-specialist
description: Expert in React, Next.js, and Tailwind. Use for UI tasks.
tools: [read_file, write_file, run_shell]
---

You are a senior frontend engineer specializing in React 19, Next.js 15, and Tailwind v4.
When given a UI task:
1. Read existing components first to match style.
2. Prefer composition over abstraction.
3. Use Tailwind utility classes over custom CSS.
...

หลัง create แล้ว developer สามารถ invoke ใน prompt: “use the frontend-specialist subagent to refactor this component” — orchestrator จะ delegate

ระบบนี้คล้ายกับ subagent ใน Claude Code (Anthropic ที่ ship feature นี้ก่อน) — Google รับ pattern มา + extend ให้ทำ parallel native

Parallel execution

ตัวอย่าง pattern ที่ Gemini CLI ทำได้แล้วแต่ Claude Code ยังจำกัด:

prompt: "Audit security across all 5 services in /services/*"

→ orchestrator แตกเป็น 5 subagent (security-auditor) parallel
  - subagent 1: services/auth
  - subagent 2: services/billing
  - subagent 3: services/notification
  - subagent 4: services/api-gateway
  - subagent 5: services/data
→ แต่ละตัวคืน finding ใน 30 วินาที
→ orchestrator merge result + output unified report ใน 35 วินาที total

เทียบกับ sequential ที่ใช้ ~150 วินาที (5 × 30s)

Bundle ใน extension

Subagent definition สามารถ bundle เป็นส่วนของ Gemini CLI extension ได้ — ทำให้ทีมหรือ open-source community แชร์ specialized agent ผ่าน extension marketplace แบบเดียวกับ VS Code extension

มุมมอง AI Curator

Subagents เป็น “inevitable feature” สำหรับ coding assistant ที่จะ scale — ผมจับตา 3 ประเด็น:

1. Convergence ของ agent UX กำลังเกิดขึ้น — Anthropic Claude Code ออก subagent ปลายปี 2025, OpenAI Codex CLI มี delegate pattern, Microsoft Foundry มี multi-agent workflow, ตอนนี้ Gemini CLI — ทุก stack มาบรรจบที่ pattern: strategic orchestrator + curated specialists — สิ่งที่จะ differentiate ต่อจากนี้คือ quality ของ built-in subagent (เช่น codebase_investigator ที่ Google ทำดี) และ ease of definition (markdown file vs. JSON config) — Google เลือก markdown ตาม Anthropic เป็นการยอม UX dominance

2. Tool curation = under-rated optimization — ส่วนใหญ่ developer คิดว่า “ใส่ tool ให้เยอะ ๆ ดี model จะเลือกเอง” — ในทางปฏิบัติ scope ของ tool ที่แคบลง = ราคาถูกขึ้น 30-50% + decision ตรงเป้า — pattern นี้จะกลายเป็น best practice ของ enterprise agent ในปีนี้

3. Markdown-as-config = win สำหรับ portability — agent definition ใน .md file แทน JSON/YAML กลายเป็น standard de facto — Anthropic เริ่ม, Google ตาม, ผมคาด Microsoft Foundry และ AWS Bedrock จะ accept markdown subagent file ในไม่กี่เดือนข้างหน้า — สำหรับ developer ไทย: เริ่มเขียน agent definition เป็น markdown ที่ portable ดีกว่าถูก lock-in กับ vendor-specific schema

บริบทไทย/SEA:

• ทีม developer ไทยที่ใช้ Gemini CLI (free tier ของ Google ทำให้ adoption สูงในนิสิต/นักศึกษา) — feature นี้จะลด token cost ของ project ใหญ่ ๆ ลง 30-40% — ทำ AI-assisted thesis หรือ work project ในงบ student ได้ดีขึ้น
• บริษัท IT services ของไทยที่ทำ outsource code review หรือ legacy migration — codebase_investigator subagent + custom subagent (เช่น cobol-modernizer, java-to-go-translator) จะลดเวลา discovery phase ลงครึ่งหนึ่ง
• ตลาด localized subagent จะเปิด — เช่น “thai-content-writer” ที่ specialize SEO ไทย, “thai-legal-doc-analyzer” ที่อ่าน พ.ร.บ. — community ไทยน่าจะเริ่ม build extension ในช่วง 6 เดือนข้างหน้า

ที่ต้องตั้งคำถาม: subagent มี quality เท่าไหร่จริง? Google publish benchmark ว่า codebase_investigator beat baseline 22% ใน task root-cause analysis — แต่ benchmark เป็น Google internal — community ยังต้องการ open eval ที่เปรียบ subagent ของ Gemini CLI vs. Claude Code vs. Codex — ผมคาดว่าจะมี paper หรือ leaderboard ออกในเดือน พ.ค.-มิ.ย.

แหล่งข่าว

• Google Developers Blog: Subagents have arrived in Gemini CLI
• Google Developers Blog: Plan mode is now available in Gemini CLI
• Google Developers Blog: Conductor — context-driven development for Gemini CLI
• Google Developers Blog: Simplify your Agent vibe building flow with ADK and Gemini CLI