据 Beating 称，OpenRouter 已在测试版中推出服务器端的智能体工具“openrouter:subagent”，使大型语言模型在内容生成过程中能够将子任务委派给更小、更便宜、且更快的替代模型。当主要模型遇到一些自包含的任务，这些任务不需要其全部能力——例如文档总结、结构化数据提取、模板起草和文本格式化——它可以通过指定任务名称和描述来调用该工具。被委派的任务由工作模型执行，随后将结果返回给主要模型以便整合。
工作模型可以是 OpenRouter 支持的任意模型，并在未明确指定时继承主要模型。它们可以在生成最终输出之前，借助服务器端工具（如网页搜索和网页抓取）进行多步骤推理。为防止因嵌套调用导致无限递归和成本超支，OpenRouter 实施了双重防护：在工具定义中禁止自我引用，并通过请求头强制限制最大嵌套深度，同时还会限制每次 API 请求的任务执行总次数。
