Il collo di bottiglia nella collaborazione tra più agenti intelligenti si sta spostando dall'assegnazione dei compiti all'orchestrazione e all'accettazione dei risultati. In un sistema multi‑agente, le attività possono essere suddivise tra diversi agenti per una esecuzione in parallelo, ma è comunque necessario un meccanismo che coordini chi lancia gli agenti, chi raccoglie i risultati e chi decide quale agente coinvolgere nella fase successiva.

Claude genera programmi di orchestrazione dinamica

Anthropic ha introdotto un nuovo approccio: Claude, in base ai requisiti del compito, scrive un vero e proprio programma di orchestrazione. Questo programma è responsabile di avviare i sotto‑agent, collegare le diverse fasi, elaborare i risultati restituiti e inviare lo stato di esecuzione all'agente principale. In questo modo, gran parte del lavoro di coordinamento, prima affidato all’agente principale in modo continuo, viene delegato a processi in background.

Il 9 ottobre Anthropic ha lanciato i “Dynamic Workflows” per Claude Managed Agents, attualmente in fase beta. Tre giorni dopo, durante il workshop AI Engineer New York 2026, gli ingegneri CJ Avilla e Harrison Stall hanno illustrato più in dettaglio il funzionamento di questo meccanismo.

Durante la presentazione, il team ha usato l’evoluzione dei progetti Unix e Linux – dalla singola sviluppo alla collaborazione su larga scala – per spiegare come, con l’aumento del numero di agenti coinvolti nello sviluppo software, l’organizzazione e il coordinamento delle attività diventino il nuovo collo di bottiglia. “Dynamic Workflows” è la risposta di Anthropic a questo problema.

Scrivere piani di esecuzione come programmi

Quando gli sviluppatori applicano i multi‑agent a progetti reali, scoprono che assegnare i compiti è solo il primo passo; la parte più laboriosa è collegare l’intero processo. Ad esempio, è semplice far assegnare a un agente principale diversi sotto‑agent per cercare materiale simultaneamente. Il vero problema è che ogni risultato deve tornare alla conversazione principale, dove l’agente principale lo elabora uno a uno per decidere le attività successive. Con molti compiti, il contesto si riempie rapidamente di risultati intermedi.

Nel modello tradizionale, l’agente principale distribuisce i compiti, legge i risultati restituiti e decide come procedere. I sotto‑agent possono operare in parallelo, ma la successiva coordinazione è ancora gestita dall’agente principale.

Dynamic Workflows, al contrario, incorpora parte della logica di coordinamento in un programma. Claude genera questo programma in base ai requisiti, definendo come suddividere i compiti, quali fasi creare e come collegare il lavoro dei diversi agenti. Il programma viene poi eseguito in background su un server, avviando gli agenti, trasmettendo risultati intermedi e avanzando le attività successive secondo lo stato di esecuzione.

Il programma di orchestrazione non è una semplice lista di compiti da leggere. Contiene logica di esecuzione reale: avvio di più agenti in parallelo, utilizzo del risultato di una fase come input della successiva, decisioni di ri‑esecuzione basate su controlli di qualità e gestione di errori (continua o termina in caso di fallimento di un sotto‑agent).

Rispetto al metodo tradizionale di delega a sotto‑agent, la differenza è chi decide i passi successivi. Prima, l’agente principale doveva ragionare nuovamente su ogni risultato per scegliere l’operazione successiva. Con Dynamic Workflows, il programma di orchestrazione continua direttamente in base ai dati restituiti, lasciando libero l’agente principale per altre attività e presentando il risultato finale solo al termine dell’intero workflow.

La documentazione ufficiale di Claude Platform (https://platform.claude.com/docs/en/managed-agents/multiagent-orchestration) confronta esplicitamente Subagents tradizionali e Dynamic Workflows: i primi si basano su un ragionamento incrementale dell’agente principale, mentre i secondi delegano a un programma logica di loop, branche condizionali e trasmissione dei risultati, conservando i dati in variabili di programma senza doverli rimandare al modello principale ad ogni passo.

Esempio pratico: scansione di una watchlist azionaria

Durante la conferenza è stato mostrato un caso d’uso di scansione di una watchlist di titoli. Nella prima fase, diversi titoli vengono assegnati a agenti con contesti indipendenti; nelle fasi successive, i risultati di scansione vengono verificati e infine si genera un report aggregato. Questo esempio evidenzia come il workflow colleghi esecuzione decentralizzata, revisione centralizzata e aggregazione finale.

Gli sviluppatori possono comunque limitare gli agenti coinvolti. La piattaforma supporta agenti pre‑definiti (con modello, prompt e tool fissati) e agenti temporanei creati al volo (ereditando configurazioni del modello principale). È possibile disattivare la creazione temporanea e consentire solo agenti presenti in una lista specificata, così da combinare la generazione dinamica dei piani con la pre‑configurazione di agenti specializzati, ad esempio riservando un agente di revisione dedicato e lasciando a Claude la decisione su quando invocarlo.

Dynamic Workflows riduce il carico di lavoro dello sviluppatore nella progettazione dei percorsi di esecuzione, ma non elimina le sue responsabilità di vincolare il comportamento del sistema: quali agenti possono partecipare, quali tool possono essere usati, il budget di spesa e i criteri di completamento rimangono sotto controllo tramite configurazioni, policy di permesso e meccanismi di verifica aziendale.

Limiti di scala, concorrenza e budget

Un aspetto critico per gli sviluppatori è come evitare l’invocazione eccessiva di agenti e controllare i costi. Secondo la documentazione ufficiale di Anthropic, un singolo workflow dinamico può lanciare fino a 1000 agenti in totale, ma il numero massimo di thread di agente concorrenti è 64, e la durata massima di un workflow è di 24 ore per impostazione predefinita.

Quindi, il limite di 1000 rappresenta il numero totale di agenti avviati durante l’intero ciclo di esecuzione, non la quantità simultanea. Non è previsto che Claude riesca a gestire 1000 agenti in parallelo né che completi stabilmente compiti di tale scala senza ulteriori ottimizzazioni.

Questi vincoli definiscono i bordi operativi di Dynamic Workflows, ma Anthropic non ha ancora fornito una risposta generica su quanti agenti siano consigliabili per un dato compito. In una sessione Q&A, Harrison Stall ha spiegato che attualmente il numero di agenti è regolato da impostazioni di valutazione e valori di default piuttosto bassi; per compiti più complessi, è necessario guidare esplicitamente il modello ad aumentare il parallelismo. Inoltre, il modello non conosce il budget disponibile in tempo reale; spetta agli sviluppatori definire un budget di sessione.

Il costo è un altro punto chiave. Nell’esempio della watchlist azionaria, Avilla ha osservato che Dynamic Workflows ha un costo superiore rispetto alla soluzione a singolo agente, ma consente di scoprire più dettagli. Managed Agents offre un meccanismo di budget a livello di sessione: la piattaforma accumula i costi in base ai prezzi pubblici per token di modello, ricerche web e tempo di esecuzione della sessione. Quando il budget viene superato, il sistema interrompe l’invio di nuove richieste al modello e sospende il task; gli sviluppatori possono riprendere l’esecuzione aggiustando il budget.

Questo meccanismo, tuttavia, non è un interruttore rigido: non interrompe immediatamente tutti i calcoli in corso, ma limita l’avvio di nuove richieste, lasciando completare le operazioni già in esecuzione.

Strategie di ottimizzazione

    • Definire chiaramente le fasi del workflow per ridurre i passaggi inutili.
    • Utilizzare agenti pre‑definiti per operazioni ad alta frequenza, evitando la creazione di agenti temporanei.
    • Impostare un budget di sessione adeguato e monitorare i costi in tempo reale tramite le API di Anthropic.
    • Sfruttare i limiti di concorrenza (max 64 thread) per bilanciare parallelismo e stabilità.
    • Implementare meccanismi di fallback per gestire i fallimenti dei sotto‑agent senza interrompere l’intero workflow.

In sintesi, la nuova architettura di orchestrazione multi‑agente di Anthropic rappresenta un passo significativo verso l’automazione completa dei processi di coordinamento. Claude, generando programmi di workflow autonomi, alleggerisce il carico dell’agente principale, consente una maggiore parallelizzazione e offre agli sviluppatori strumenti per controllare costi e limiti operativi. Tuttavia, la gestione di budget, limiti di agenti simultanei e la progettazione di workflow efficienti rimangono responsabilità chiave per chi implementa soluzioni basate su Dynamic Workflows.