Reti di agenti AI specializzati che lavorano in parallelo: un orchestratore assegna i compiti, ogni agente esegue la sua parte, i risultati vengono aggregati. Più veloce, più accurato, più scalabile di un singolo agente.
Un orchestratore riceve l'obiettivo, lo scompone e delega a subagenti specializzati. Ogni subagente ha strumenti, contesto e responsabilità specifiche. I risultati convergono e vengono validati prima dell'output finale.
L'agente supervisor che riceve l'obiettivo, pianifica i passi, assegna task ai subagenti e verifica la coerenza dei risultati prima di restituire l'output.
Agenti con ruoli specifici: ricercatore web, analista dati, scrittore, validatore, comunicatore. Ognuno ha i tool giusti per il suo compito.
Memoria a breve e lungo termine condivisa tra agenti: ogni subagente legge il contesto comune e scrive i risultati che altri agenti possono usare.
Agente critico che verifica i risultati degli altri, identifica errori o incongruenze e richiede correzioni prima che il risultato arrivi all'utente.
Task indipendenti vengono eseguiti in parallelo da più agenti simultaneamente, riducendo drasticamente i tempi rispetto a un singolo agente sequenziale.
Ogni decisione, ogni tool call e ogni messaggio tra agenti è loggato. Dashboard per monitorare l'esecuzione e debuggare comportamenti anomali.
Quando il task è troppo lungo per un singolo contesto LLM, quando servono competenze diverse in parallelo, o quando la complessità richiede validazione incrociata tra agenti.