3.6 — Un agente o un team? I 3 paradigmi

Per un compito semplice, basta un solo agente. Ma per “crea un sito web completo”, un agente solo va in saturazione. La soluzione moderna: l’orchestrazione multi-agente — dividere il lavoro tra specialisti virtuali. Tre grandi approcci (“framework”):

🟢 In parole semplici — un agente multi-tasking è come chiedere a una sola persona di essere cuoco, cameriere e cassiere insieme: regge per un piccolo bar, non per un grande ristorante. Il multi-agente significa ripartire i ruoli tra più specialisti che si coordinano. I tre framework qui sotto differiscono soprattutto per come si coordinano.

L’approccio “start-up” — CrewAI 🤝

Il più semplice e intuitivo. Crei dei ruoli come in un’azienda: un Manager, un Ricercatore, un Redattore. Il Manager riceve la missione, istruisce il Ricercatore, che passa le note al Redattore. (Forte adozione aziendale per la sua semplicità.)

L’approccio “fabbrica rigorosa” — LangGraph 🏭

Il metodo dei team che vogliono evitare gli errori. Il lavoro avanza su un grafo (come una catena di montaggio), ogni fase strettamente controllata. Punto di forza: una memoria di stato (checkpointing) — se il sistema va in crash, l’agente riprende esattamente da dove si era fermato. È diventato la scelta predefinita in produzione.

L’approccio “riunione di gruppo” — AutoGen 💬

Gli agenti sono in una chat di gruppo: dibattono per trovare la soluzione migliore. Molto efficace per il codice: un agente programmatore propone, un agente tester risponde “no, non funziona, riprova” finché non si accordano.

🔔 Aggiornamento importante (fine 2025): Microsoft ha fuso AutoGen con Semantic Kernel in un nuovo Microsoft Agent Framework (MAF), pensato per la produzione (disponibilità inizio 2026). AutoGen passa in manutenzione (solo correzioni). Il paradigma conversazionale descritto sopra resta valido e istruttivo; per un nuovo progetto, ora si guarderà a MAF.

🧭 Il panorama cambia in fretta. Esistono altri attori (OpenAI Agents SDK, Google ADK, il protocollo agente-ad-agente A2A…). Non “sposare” un framework: capisci i 3 paradigmi (ruoli / grafo / conversazione), gli strumenti seguiranno.

🧩 Esempio concreto — “scrivere un report di mercato”: con CrewAI, un Ricercatore raccoglie i dati e li passa a un Redattore (ruoli, come in un’azienda). Con LangGraph, ogni fase è una casella di un grafo, e se va in crash durante la stesura, si riprende da lì senza rifare la ricerca. Con AutoGen, due agenti dibattono il piano finché non si accordano.

✅ In sintesi

• Un solo agente spesso basta; il multi-agente serve per compiti troppo ampi per uno.
• CrewAI = ruoli (il più intuitivo); LangGraph = grafo + memoria di stato (default in prod).
• AutoGen = conversazione (forte sul codice); fuso in MAF a fine 2025.
• Ricorda i 3 paradigmi (ruoli / grafo / conversazione), non uno strumento preciso.

🔎 Per approfondire (tech) — per programmare un agente leggero da solo, la referenza è smolagents (Hugging Face): la sua particolarità è che l’agente scrive codice Python per chiamare i suoi strumenti (invece di JSON). Il notebook niveau-3-smolagents.ipynb lo ricostruisce in poche righe, senza chiave API.