AWS consiglia di partire dall’architettura più semplice che risolve il compito: un flusso deterministico quando i passaggi sono noti, coordinamento autonomo quando il lavoro fa emergere sottoattività. Un singolo agente con strumenti può bastare quando non servono competenze separate. Nel riepilogo pubblicato il 1° giugno 2026, Stanford HAI ha riferito che la comunicazione tra agenti ha inciso poco sui risultati dei compiti di programmazione studiati in CooperBench.

Flussi deterministici e coordinamento autonomo

Panoramica in spagnolo su schemi per agenti singoli, router e sistemi multi-agente, con un passaggio sulla loro componibilità

In un flusso deterministico, il sistema stabilisce in anticipo il percorso: uno stadio passa il risultato al successivo, una condizione sceglie un ramo oppure attività indipendenti procedono in parallelo. Nel coordinamento autonomo, invece, un modello decide durante l’esecuzione quali attività avviare o a quale agente trasferire il lavoro. AWS distingue queste famiglie nella propria tassonomia, non come standard universale.

Schema descritto da AWSFlusso di controlloImpiego descrittoCompromesso operativo
Pipeline sequenzialePassaggi fissi, uno dopo l’altroElaborazione di documenti, ETL e riepiloghi di cambio turnoÈ prevedibile da verificare; un errore può propagarsi agli stadi successivi.
Flusso condizionaleRami e percorsi di ripetizione definiti in anticipoProcessi con esito positivo o negativo, come test e nuovo tentativoAWS raccomanda di fissare un limite ai tentativi e inoltrare i casi che lo superano.
Router condizionaleUna classificazione indirizza la richiesta a un percorso specializzatoInstradamento per intento o selezione di un controllo qualitàLa scelta del classificatore determina quale ramo viene eseguito.
Parallelismo con aggregazioneAttività indipendenti procedono insieme; un passaggio successivo combina i risultatiAnalisi suddivisibile in parti indipendentiServe un aggregatore che concili i risultati; il tempo complessivo dipende dal lavoratore più lento.
Orchestrazione basata su un pianoUn pianificatore assegna attività e dipendenze mentre il lavoro procedeCompiti in cui le sottoattività emergono durante l’analisiOffre flessibilità, ma aggiunge costi, latenza e complessità di debug.
Passaggio tra agentiUn agente trasferisce il controllo a un altro con stato e contestoInoltro a uno specialista o cambio di ambitoUn semplice riassunto conversazionale non trasmette necessariamente stato, prove e questioni aperte.
Coordinamento tramite conversazioneGli agenti condividono la cronologia e si alternanoCollaborazione aperta, con turni assegnati a rotazione o dal modelloLo stato resta implicito nella conversazione, visibile ai partecipanti.
Dibattito e consensoValutazioni indipendenti vengono riconciliate tramite maggioranza, giudice o escalationDecisioni ad alto impatto e poco frequentiAWS lo descrive come l’approccio più costoso della sua tassonomia; in compiti percettivi può aggiungere latenza senza migliorare l’accuratezza.

Le famiglie non si escludono a vicenda. Il video selezionato presenta, in spagnolo, schemi che vanno dagli agenti singoli a quelli multi-agente e spiega come combinarli.

AWS associa i flussi fissi ai compiti prevedibili e quelli diretti a runtime ai casi in cui le sottoattività si scoprono durante l’esecuzione. Nei flussi paralleli, suddividere il lavoro aiuta soltanto se le parti possono davvero procedere in modo indipendente: l’aggregazione resta necessaria.

Come scegliere l’architettura

Albero decisionale che collega le esigenze di una richiesta a una chiamata diretta al modello, a un singolo agente con strumenti, a un flusso deterministico o al coordinamento autonomo di più agenti.

La decisione proposta da AWS parte da quattro domande: il compito richiede azioni oltre alla generazione di testo? Il percorso della soluzione è noto? Se lo è, richiede competenze distinte? Se non lo è, servono esplorazione o azioni con effetti collaterali rilevanti?

Quando basta generare una risposta, si può chiamare direttamente il modello. Se il percorso è noto ma non richiede competenze distinte, AWS indica un agente singolo con strumenti; se richiede specialisti diversi, un flusso deterministico può coordinarli. Se il percorso è ignoto, il coordinamento autonomo è un’opzione quando occorre esplorare o gestire effetti collaterali significativi. Negli altri casi, AWS indica di mantenere un agente singolo.

Parti da un agente singolo o da un flusso fisso; aggiungi coordinamento autonomo solo quando il compito ne ha davvero bisogno.

La presenza di più agenti non basta a distinguere un sistema multi-agente da un singolo sistema che svolge più attività. In discussioni tra professionisti ricorrono criteri pratici come contesti separati, strumenti con ambiti distinti, processi indipendenti e responsabilità diverse. Sono descrizioni d’uso, non una definizione tecnica condivisa. Per valutare anche gli esiti, la guida di NeoTeo alla valutazione degli agenti di IA oltre la risposta finale approfondisce un passaggio successivo alla scelta architetturale.

Limitare i rischi di coordinamento

AWS segnala cinque anti-pattern, cioè scelte architetturali che possono creare problemi, e indica misure per limitarli:

  • Un agente tuttofare: concentrare strumenti e compiti eterogenei in un solo agente rende più difficile attribuire gli errori. AWS suggerisce ruoli circoscritti e indica cinque strumenti o meno come propria linea guida.
  • Tentativi senza limite: le ripetizioni possono consumare risorse e moltiplicare gli errori di coordinamento. AWS raccomanda limiti a iterazioni e token, con un arresto automatico al raggiungimento della soglia.
  • Consegne affidate al solo linguaggio naturale: il significato può slittare e un’osservazione provvisoria diventare un’affermazione o un’azione definitiva. AWS propone passaggi di consegne tipizzati e validati rispetto a uno schema.
  • Suddivisione prematura in più agenti: il coordinamento può costare più del beneficio quando un solo agente può affrontare le fasi cambiando strumenti. AWS consiglia di valutare prima questa possibilità.
  • Contatto con clienti senza protezioni: un’azione non verificata può raggiungere un cliente o incidere su un sistema fisico. AWS propone una sequenza di protezioni: raccomandazione, guardrail, validazione dello schema, regole aziendali, approvazione umana ed esecuzione.

Per un passaggio tra agenti, rendere espliciti lo stato convalidato, gli elementi a sostegno e le questioni irrisolte aiuta a definire ciò che il destinatario deve sapere. Un messaggio di conversazione, da solo, può lasciare impliciti quei dettagli.

Il confine di controllo nella produzione

Nell’ambiente manifatturiero, AWS raccomanda che gli agenti osservino, analizzino e formulino raccomandazioni, mentre i controlli deterministici restano responsabili dell’azione. Il principio riguarda i PLC, cioè i controllori logici programmabili, i sistemi SCADA di supervisione e controllo industriale e i sistemi MES per la gestione delle operazioni di produzione.

Prima che un comando consentito raggiunga i controlli, AWS raccomanda di validarlo rispetto allo stato operativo corrente e di richiedere un’approvazione proporzionata alle conseguenze dell’azione. Per i vincoli di ciclo, suggerisce di considerare la latenza al 99º percentile (p99) e di predisporre un ripiego deterministico inferiore al secondo. Sono indicazioni architetturali di AWS.

AWS propone inoltre di elaborare al margine i segnali sensibili al tempo e usare sistemi cloud per analisi tra turni o stabilimenti. Per la memoria degli agenti suggerisce di iniziare ogni turno con il contesto utile, mantenere la memoria operativa circoscritta al turno e passare al successivo un riepilogo delle questioni aperte, delle anomalie e delle raccomandazioni.

Cosa mostra CooperBench sugli agenti di programmazione

Stanford HAI ha descritto CooperBench come una raccolta di oltre 650 compiti di ingegneria del software scelti per il potenziale di conflitto, in Python, TypeScript, Go e Rust. Gli agenti potevano modificare codice, eseguire comandi locali e scambiarsi messaggi in tempo reale. Nel riepilogo, Stanford HAI riferisce che abilitare la comunicazione ha avuto quasi nessun effetto sui risultati; tra i problemi osservati c’erano avvisi sui conflitti di fusione ignorati e attività promesse ma non completate. Il riepilogo di Stanford HAI su CooperBench circoscrive questi risultati ai compiti di programmazione del benchmark.

In un esempio illustrativo di AWS, una catena strettamente sequenziale senza tentativi aggiuntivi scende al 59,9% di affidabilità dopo 10 passaggi se ogni passaggio ha affidabilità del 95%: 0,95¹⁰ ≈ 59,9%. Con 20 passaggi, il calcolo è 0,95²⁰ ≈ 35,8%. Sono valori dell’esempio di AWS, non misure di un sistema di produzione.

Perciò, nei compiti di programmazione descritti da CooperBench, scambiarsi messaggi non ha risolto da solo problemi come gli avvisi di conflitto ignorati e il mancato completamento delle attività assegnate. (Stanford HAI)