Nell’autunno del 2023 la parola «agente» è ovunque. Ogni thread, ogni demo, ogni startup promette software che non si limita a rispondere ma fa: cerca sul web, scrive codice, prenota, coordina altri programmi. Il termine però si gonfia più in fretta di quanto se ne fissi il significato. È in questo momento che un gruppo di ventinove ricercatori del Fudan NLP Group pubblica una survey di quasi novanta pagine con un obiettivo poco appariscente ma prezioso: mettere ordine. Si intitola The Rise and Potential of Large Language Model Based Agents, e invece di aggiungere l’ennesima demo prova a disegnare la mappa del territorio.
Rileggerla oggi, a distanza di quasi due anni, serve proprio per questo. Non perché contenga la parola definitiva — le survey invecchiano in fretta, in un campo che si muove così — ma perché fissa un vocabolario condiviso: quali pezzi compongono un agente, come si chiamano, come si incastrano. Avere quel vocabolario è la differenza tra discutere di agenti e discutere di aria fritta.
Che cos’è un agente, davvero
La survey parte da lontano, dalla filosofia, e recupera una definizione che precede di secoli i modelli linguistici: un agente è un’entità che percepisce l’ambiente, decide, e agisce su di esso. Un termostato, in questo senso minimo, è già un agente: legge la temperatura, la confronta con una soglia, accende o spegne. La novità che gli autori mettono a fuoco non è il concetto di agente, che è vecchio, ma l’idea di usare un modello linguistico di grandi dimensioni come cervello di quel ciclo percepisci-decidi-agisci.
La differenza è quella che passa tra una calcolatrice e un collaboratore. La calcolatrice esegue l’operazione che le date, punto. Un collaboratore, davanti allo stesso problema, può chiedersi quali informazioni gli mancano, andarle a cercare, scomporre il compito in passi, cambiare strada se il primo tentativo fallisce. Un LLM al centro di un agente porta esattamente questa flessibilità: non solo genera testo, ma decide cosa fare dopo. Il resto della survey è, in sostanza, il tentativo di elencare tutti i pezzi che servono perché quel «decidere cosa fare dopo» funzioni davvero.
Il framework: cervello, percezione, azione
Il contributo che rende la survey citabile è un’architettura di riferimento in tre moduli. Il cervello (il modello linguistico) è dove avvengono comprensione, ragionamento, memoria e pianificazione. La percezione è ciò che permette all’agente di ricevere input dal mondo — non solo testo, ma anche immagini e audio. L’azione è la capacità di incidere sull’ambiente: usare strumenti esterni, produrre testo, in alcuni casi muovere un corpo robotico.
Il modo più onesto di leggere questo schema è come una lista della spesa, non come un progetto d’ingegneria. Non dice come costruire ciascun pezzo; dice quali pezzi non possono mancare e come si passa da uno all’altro. È utile proprio perché è generico: ci si può appendere sopra quasi qualsiasi sistema del 2025, da un assistente che naviga il browser a un agente che gestisce una pipeline di dati.
La tassonomia della survey: un modulo centrale — il cervello, cioè l’LLM — circondato da percezione e azione. In terracotta i tre componenti che fanno la differenza operativa tra un chatbot e un agente: la memoria, la pianificazione e l’uso di strumenti esterni.
Dentro il cervello: memoria e pianificazione
Il modulo più denso è il cervello, e vale la pena guardarci dentro perché è lì che si nascondono i due componenti che, più di tutti, distinguono un agente da un semplice chatbot. Il primo è la memoria. Un modello linguistico «puro» ha solo la finestra di contesto: tutto ciò che sta fuori da quelle poche migliaia di parole, per lui, non è mai esistito. La survey descrive la memoria dell’agente come il registro delle sue osservazioni, dei suoi pensieri e delle sue azioni passate — qualcosa che va scritto da qualche parte e richiamato al momento giusto.
Immaginatela come il taccuino di un investigatore. Il cervello dell’investigatore è bravo a ragionare, ma non tiene a mente ogni indizio raccolto in settimane di indagine: li annota, e rilegge le pagine giuste quando servono. Senza taccuino, ogni mattina ricomincerebbe da zero. La memoria di un agente svolge esattamente questa funzione, e progettarla bene — cosa salvare, cosa buttare, come ritrovarlo — è uno dei problemi aperti più concreti del campo.
Il secondo componente è la pianificazione. Un compito complesso raramente si risolve in un colpo solo: va scomposto in sottocompiti, ordinati, e a volte riorganizzati quando qualcosa va storto. La survey inquadra questa capacità come una forma di ragionamento — deduttivo, induttivo, per ipotesi — applicata all’azione. Qui si innestano le tecniche che nel frattempo sono diventate familiari: fare ragionare il modello passo dopo passo, farlo tornare indietro sui propri errori, fargli valutare più strade prima di sceglierne una.
Memoria e pianificazione sono ciò che trasforma «un modello che risponde» in «un sistema che porta a termine». Il resto è impianto idraulico.
Da un agente a una società di agenti
La seconda metà della survey allarga il campo dal singolo agente a configurazioni in cui gli agenti sono molti. Gli autori distinguono tre scenari. Il singolo agente, che lavora da solo su un compito. I più agenti, che collaborano o competono — pensate a un gruppo di programmatori-simulati che si dividono i ruoli, uno scrive il codice, un altro lo revisiona, un terzo scrive i test. E la cooperazione uomo-agente, in cui la persona resta nel ciclo, a supervisionare o a fornire il giudizio che alla macchina manca.
È in questa parte che compaiono le osservazioni più speculative, quelle su cui conviene tenere alta la guardia: gli autori parlano di comportamenti emergenti nelle «società di agenti», di dinamiche sociali che si formano quando tanti agenti interagiscono. Sono spunti interessanti, ma vanno letti come ipotesi di ricerca, non come risultati consolidati. La survey stessa li presenta come direzioni, non come conquiste.
Quello che la survey non nasconde
Un pregio del lavoro è che dedica spazio ai limiti invece di limarli via. I modelli allucinano, e un agente che allucina non produce una frase sbagliata innocua: produce un’azione sbagliata, che magari cancella un file o invia una mail. Manca ancora un modo condiviso e affidabile per valutare gli agenti: misurare quanto è «bravo» un sistema che compie sequenze di azioni è molto più difficile che misurare l’accuratezza su un test a risposta chiusa. E poi ci sono i costi, la finestra di contesto che si riempie, la sicurezza di un software a cui diamo il permesso di eseguire azioni reali.
Nessuno di questi problemi è stato risolto dal 2023 a oggi. Se qualcosa, sono diventati più visibili proprio perché gli agenti sono usciti dalle demo e hanno cominciato a toccare sistemi veri. La mappa della survey resta valida; il territorio, semplicemente, si è rivelato più accidentato del previsto.
Perché riguarda voi
Anche se non costruirete mai un agente, questo vocabolario vi serve per leggere gli annunci con occhio critico. La prossima volta che un prodotto si dichiara «agentico», provate a smontarlo con i tre pilastri in terracotta dello schema. Che memoria ha — o si dimentica tutto tra una sessione e l’altra? Sa pianificare, cioè scomporre un compito e correggersi, o esegue un solo passo per volta? Quali strumenti può davvero usare, e con quali permessi? Sono tre domande semplici, e spesso bastano a distinguere un agente vero da un chatbot con un vestito nuovo.
La survey del gruppo di Fudan non ha inventato nulla di tutto ciò. Ha fatto qualcosa di più utile e meno appariscente: ha dato dei nomi alle parti, così che se ne possa discutere sul serio. In un campo dove l’entusiasmo corre più veloce delle definizioni, un buon dizionario è già un contributo.
Il paper
Zhiheng Xi, Wenxiang Chen, Xin Guo e altri (29 autori, Fudan NLP Group), The Rise and Potential of Large Language Model Based Agents: A Survey, 2023. Disponibile su arXiv: arxiv.org/abs/2309.07864. La lista di paper collegati è mantenuta dagli autori su GitHub (WooooDyy/LLM-Agent-Paper-List).
I commenti sono riservati agli iscritti.
Accedi per commentare