Fare una domanda a un assistente AI è una cosa. Lasciare che cerchi nei documenti aziendali, consulti il web, interroghi un sistema esterno e poi scriva la risposta è un’altra. È ciò che fanno gli agenti, e per chi gestisce l’IT apre questioni molto concrete.

Quale modo di lavorare si adatta ai modelli che possiamo permetterci? Quali strumenti possono usare gli agenti? A quali utenti li diamo, e che cosa possono vedere quegli utenti attraverso di loro?

Gebo.ai, la piattaforma open source per l’AI aziendale, risponde con le reti di agenti: l’amministratore le sceglie, le copia e le modifica dal browser, senza scrivere codice. In questo articolo vediamo le nuove funzionalità, disponibili dalla versione 1.0.5.0, con le schermate di un’installazione reale.

Che cos’è una rete di agenti

Una rete di agenti è una squadra con ruoli definiti. Un adattatore di input riceve la richiesta dell’utente. Un coordinatore decide il passo successivo. Agenti specializzati cercano in una base di conoscenza, sul web o in sistemi aziendali come Jira e SharePoint, oppure chiamano strumenti. Un autore scrive la risposta per l’utente.

La rete più semplice ha un solo agente che lavora in ciclo: ragiona, chiama gli strumenti che servono, legge i risultati e ripete finché la risposta è completa. Le reti più strutturate dividono il lavoro tra più agenti piccoli, ciascuno con un compito circoscritto: è il principio dei sistemi multi-agent in azienda.

Due reti pronte, due profili di costo

Gebo.ai include reti di sistema per i due tipi di chat: le chat con basi di conoscenza (RAG) e le chat libere, senza documenti. L’amministratore sceglie a quale rete affidare ciascun tipo di chat.

La scelta dipende soprattutto dal rapporto tra costi e prestazioni dei modelli AI. La rete con un solo agente si adatta a un modello capace, nell’ordine dei 100-1000 miliardi di parametri, pagato a milioni di token. Fa meno chiamate, ma il modello deve ragionare e chiamare gli strumenti in modo affidabile. La rete con coordinatore si adatta a modelli più economici, nell’ordine dei 10-100 miliardi di parametri, usati con condizioni a canone. Ogni domanda richiede allora molte chiamate piccole e mirate.

Pagina delle impostazioni di Gebo.ai Reti chat agentiche. Due sezioni, Chat agentica con basi di conoscenza e Chat libera, elencano le reti di agenti disponibili come opzioni: agente singolo con tutti gli strumenti, coordinatore con agenti di ricerca, di chiamata strumenti e autore, una copia della rete ad agente singolo e la rete Sales assistant. Ogni opzione riporta una nota sulla dimensione del modello e sulle condizioni economiche adatte.
Figura 01. Impostazioni › Reti chat agentiche: una rete per le chat con basi di conoscenza, una per le chat libere. Ogni opzione indica a quali modelli e condizioni economiche si adatta.

Un profilo chat può scavalcare la scelta di sistema. Il profilo pensato per un reparto può affidare le sue chat a una rete costruita per quel reparto, mentre tutti gli altri restano sulla rete predefinita.

Editor del profilo chat, scheda Rete di agenti. Dopo l'opzione Predefinito di sistema compaiono le reti disponibili; è selezionata Sales assistant: knowledge bases, web search and DeepWiki MCP tools.
Figura 02. Un profilo chat affida le sue chat agentiche a una rete propria: il profilo Sales team assistant usa la rete commerciale.

Copiare una rete invece di partire da zero

Le reti di sistema sono in sola lettura: restano come sono state fornite e un errore non può alterarle. Per adattarne una, l’amministratore la apre e preme Copia. Gebo.ai crea una rete modificabile insieme alle copie dei suoi agenti.

Modifica configurazione della rete di sistema ad agente singolo. Un avviso spiega che è una rete di sistema non modificabile, da copiare; il pulsante Copia è evidenziato. Il grafico mostra l'adattatore di input collegato all'agente in ciclo.
Figura 03. Una rete di sistema è in sola lettura. Copia crea una rete modificabile con le copie dei suoi agenti.

Nel nostro esempio abbiamo copiato la rete con un solo agente in ciclo e l’abbiamo trasformata in un assistente per l’ufficio commerciale. L’editor grafico mostra ogni agente, che cosa accetta, che cosa produce e con quali agenti comunica. L’elenco degli agenti presenta la stessa rete in forma di tabella.

Scheda Grafico rete agenti della rete copiata. A sinistra la palette dei servizi agente, al centro l'adattatore di input e l'agente commerciale, a destra l'ispettore con la configurazione dell'agente: ruolo, prompt, modello di chat e strumenti montati.
Figura 04. La rete copiata nell’editor grafico, con l’agente commerciale selezionato nell’ispettore.

Ogni agente può montare tutti gli strumenti registrati oppure solo quelli scelti per lui. Il selettore raggruppa gli strumenti per categoria e permette di cercarli per nome o per descrizione. Il nostro agente commerciale tiene le basi di conoscenza aziendali, la ricerca web, le ricerche approfondite e tre strumenti di un server MCP esterno, DeepWiki, che risponde a domande sui repository di codice pubblici.

Editor dell'agente, scheda dei modelli linguistici e strumenti. È selezionato Strumenti scelti; gli strumenti scelti compaiono come etichette e sotto un selettore elenca le categorie, tra cui gli strumenti dei server MCP con i tre strumenti DeepWiki selezionati.
Figura 05. Gli strumenti dell’agente: tutti quelli registrati, oppure un elenco scelto per categoria, compresi gli strumenti di un server MCP esterno.

Strumenti esterni con MCP

Il Model Context Protocol (MCP) è uno standard aperto per collegare le applicazioni AI a strumenti e dati esterni. Gebo.ai registra server MCP esterni via Streamable HTTP, SSE o processo locale (STDIO). Una volta registrato il server, i suoi strumenti compaiono nel selettore accanto a quelli della piattaforma.

Per ogni server MCP l’amministratore vede gli strumenti esportati e può stabilire chi può usare ciascuno di essi, un controllo essenziale per la sicurezza e governance degli strumenti MCP.. L’intero server può essere riservato a utenti e gruppi: qui DeepWiki è disponibile solo per il gruppo Sales team.

Modifica configurazione client MCP, scheda Strumenti esportati. Tre strumenti, ask_wiki_question, read_wiki_contents e read_wiki_structure, con descrizione, indicazione di uso per tutti, stato Added on Server e un pulsante Edit Permissions per ciascuno.
Figura 06. Un server MCP esterno, DeepWiki, e gli strumenti che esporta, ciascuno con i propri permessi.
Configurazione del client MCP, impostazioni di accesso e sicurezza. Tutti utilizzano non è selezionato e l'elenco gruppi contiene Sales team.
Figura 07. Il server MCP è riservato al gruppo Sales team.

L’integrazione funziona anche al contrario. Gebo.ai può esporre i propri strumenti e le proprie basi di conoscenza come server MCP, a disposizione di client MCP esterni.

Tanti agenti di ricerca, un solo coordinatore

Le basi di conoscenza non sono l’unico posto in cui gli agenti cercano. Gebo.ai permette di interrogare i sistemi aziendali con l’AI, nel momento della domanda e senza prima copiarne i contenuti in una base di conoscenza: Jira, Confluence, SharePoint e OneDrive, Google Drive (Google Workspace), e il web tramite Google, Brave, Tavily, SearXNG o SerpAPI. Quando un sistema ha un proprio linguaggio di interrogazione, come JQL per Jira o CQL per Confluence, le ricerche degli agenti vengono tradotte in quel linguaggio.

Gli stessi sistemi possono anche alimentare le basi di conoscenza interne: i loro documenti vengono importati e indicizzati, e gli agenti li consultano insieme al resto dei documenti aziendali. Le due modalità si combinano: si importano i documenti su cui l’azienda lavora ogni giorno e si interroga al momento tutto il resto.

L’amministratore configura una volta sola ogni fonte da interrogare al momento, e da allora le reti già pronte la usano senza altri interventi. Nella rete con un solo agente diventa uno strumento che l’agente può chiamare. Nelle reti con coordinatore diventa un agente a sé: uno per le basi di conoscenza interne, uno per Jira, uno per Confluence, uno per SharePoint, uno per il web e così via. Il coordinatore invia a ciascuno una richiesta mirata e passa le evidenze raccolte all’autore.

Grafico di una rete con coordinatore. L'adattatore di input passa la richiesta al coordinatore, collegato a un agente di ricerca nelle basi di conoscenza interne, a un agente di ricerca Google, a un agente che chiama gli strumenti e a un autore che risponde all'utente. Le etichette del grafico sono in inglese.
Figura 08. Una rete con coordinatore sulla nostra installazione, dove Google è l’unico servizio di ricerca configurato: agenti di ricerca per le basi di conoscenza interne e per il web, un agente che chiama gli strumenti e un autore. Ogni altra fonte configurata, come Jira o SharePoint, aggiunge il proprio agente di ricerca.

Quando una domanda richiede più di una consultazione rapida, il coordinatore può chiedere a qualunque agente di ricerca una ricerca approfondita, in Jira o in SharePoint come nelle basi di conoscenza: mirata, ampia o esaustiva. L’agente legge a fondo i documenti trovati, li analizza a blocchi e riunisce le analisi parziali in una sola. Il risultato indica i documenti su cui si basa e dichiara ciò che le fonti non coprono. Nella rete con un solo agente la stessa ricerca approfondita è uno strumento dell’agente.

In queste reti l’agente che chiama gli strumenti lascia le ricerche agli agenti di ricerca. Tiene gli altri strumenti del sistema, come gli strumenti MCP, la consultazione delle basi di conoscenza, la data e l’ora. L’editor mostra quali strumenti monta ogni agente, quali sono esclusi e perché.

Dettaglio degli strumenti dell'agente che chiama gli strumenti. Dopo uno strumento della base di conoscenza montato compare la sezione degli strumenti esclusi dal montaggio automatico per configurazione dell'agente: searchWeb, searchKnowledgeBase, deepSearchKnowledgeBase e deepSearchWeb, barrati e accompagnati dalla fonte. Il dettaglio è in inglese.
Figura 09. L’agente che chiama gli strumenti lascia le ricerche agli agenti di ricerca: l’editor elenca gli strumenti esclusi e il motivo.

Chi usa cosa, e che cosa può vedere

Ogni elemento coinvolto in una chat agentica ha le proprie impostazioni di accesso per utenti e gruppi: reti di agenti, profili chat, basi di conoscenza, server MCP e singoli strumenti.

Modifica configurazione Agents Network, scheda Impostazioni accesso sicurezza. Tutti utilizzano non è selezionato e l'elenco gruppi contiene Sales team.
Figura 10. Chi può usare una rete di agenti: tutti, oppure gruppi e utenti scelti.
In alto: l'area Amministrazione, scheda Basi di conoscenza e progetti, con l'elenco delle basi di conoscenza. In basso: l'editor della base di conoscenza, scheda Impostazioni di accesso alla knowledge base, con Tutti utilizzano non selezionato e Sales team nell'elenco gruppi.
Figura 11. Amministrazione › Basi di conoscenza e progetti: ogni base di conoscenza ha i propri utenti e gruppi.

Gli agenti agiscono per conto dell’utente che ha fatto la domanda. Una base di conoscenza a cui l’utente non ha accesso non viene consultata per lui, qualunque sia la rete che gestisce la chat.

Le fonti esterne, come Jira, Confluence, SharePoint, Google Drive e la ricerca web, sono consultabili da tutti finché l’amministratore non salva una configurazione di accesso. Da quel momento l’accesso si concede con un unico elenco di utenti e gruppi per tutte le fonti, oppure fonte per fonte.

Configurazione deep search, scheda Impostazioni di sicurezza. Fonti esterne ricercabili da tutti per impostazione predefinita è selezionato; sotto compaiono la sezione Accesso semplice per utente/gruppo e la tabella Accesso per fonte dati utente/gruppo con Web search e i relativi gruppi e utenti autorizzati.
Figura 12. Fonti esterne: consultabili da tutti per impostazione predefinita, oppure da utenti e gruppi scelti, per tutte le fonti o fonte per fonte.

Questo rende possibile un’adozione graduale. Un gruppo pilota può ricevere un assistente dedicato, con strumenti e documenti propri, mentre il resto dell’organizzazione mantiene la configurazione standard.

Interoperabilità tra agenti (A2A)

Agent2Agent (A2A) è un protocollo aperto che permette ad agenti costruiti su piattaforme diverse di chiamarsi a vicenda. Gebo.ai lo supporta in entrambe le direzioni, accanto a MCP, dalla stessa sezione delle impostazioni.

Home delle impostazioni di Gebo.ai, scheda Modelli AI, agenti e interoperabilità. Righe per i modelli linguistici, le offerte dei provider, agenti e reti di agenti, reti chat agentiche, server MCP, server MCP esposti, importazione di agenti A2A esterni ed esposizione di agenti Gebo tramite A2A.
Figura 13. Impostazioni › Modelli AI, agenti e interoperabilità: server MCP e agenti A2A in entrambe le direzioni.

Gli agenti A2A esterni possono essere registrati e usati come partecipanti delle reti di Gebo.ai. Nella direzione opposta, un agente di Gebo.ai o un’intera rete può essere pubblicato come agente A2A, a un indirizzo scelto dall’amministratore e descritto dalla sua Agent Card.

Modifica server A2A (esportazione), scheda Impostazioni generali. Descrizione Sales assistant for partner platforms, URL relativo sales-assistant, un interruttore Abilitato e una nota che spiega l'autenticazione dei chiamanti tramite la sicurezza della piattaforma e l'esecuzione della rete con l'identità del chiamante.
Figura 14. La rete commerciale pubblicata come agente A2A. Chi la chiama si autentica con la sicurezza della piattaforma.

Un endpoint pubblicato resta spento finché non viene abilitato. Chi lo chiama si autentica con la sicurezza della piattaforma: token emessi da Gebo.ai, chiavi API o un resource server OAuth2, senza credenziali separate per ogni endpoint. La rete viene quindi eseguita con l’identità di chi chiama e ne rispetta i diritti di accesso.

Modifica server A2A (esportazione), scheda Agenti e reti esportati. Una riga di tipo rete, codice AGENTIC_LOOP_AGENTS_NETWORK-2, nome abilità sales-assistant; sotto, il modulo per aggiungere un'intera rete di agenti o un singolo agente.
Figura 15. La rete esportata e il nome dell’abilità pubblicato nella sua Agent Card.

Che cosa vede l’utente

Per l’utente, tutto questo è una chat. Nel nostro esempio un commerciale chiede come Spring AI supporta client e server MCP e quali documenti aziendali spiegano la configurazione MCP di Gebo.ai. L’agente interroga DeepWiki sul repository pubblico, cerca nella base di conoscenza aziendale e cita il manuale con le sue sezioni.

Una chat agentica di Gebo.ai in italiano. L'utente chiede, usando DeepWiki sul repository spring-projects/spring-ai, come Spring AI supporta client e server MCP e quali documenti aziendali spiegano la configurazione dei server MCP in Gebo.ai. La risposta elenca quattro punti su Spring AI e indica il manuale di configurazione di Gebo.ai con le sezioni dedicate a MCP.
Figura 16. La domanda di un commerciale, con la risposta costruita su DeepWiki tramite MCP e sulla base di conoscenza aziendale.

Il pannello delle informazioni della chat mostra il modello in uso, le basi di conoscenza disponibili e ogni agente della rete con gli strumenti che può chiamare. Utenti e amministratori possono verificare che cosa l’assistente aveva a disposizione per rispondere.

Informazioni sulla configurazione della chat. Fornitore e modello di chat, basi di conoscenza disponibili, funzioni del modello di chat e agenti della rete: l'adattatore di input, che non chiama strumenti, e l'agente commerciale con gli strumenti dei server MCP, di data e ora e di ricerca e navigazione internet.
Figura 17. Il pannello delle informazioni della chat: il modello, le basi di conoscenza e ogni agente della rete con gli strumenti che può chiamare.

Da dove cominciare

Scegli la rete di sistema adatta ai modelli e alle condizioni economiche di cui disponi. Copiala prima di cambiare qualsiasi cosa e dai a ogni agente solo gli strumenti che gli servono. Riserva i server MCP e le basi di conoscenza sensibili ai gruppi che ne hanno bisogno, e configura l’accesso alle fonti esterne prima di estendere l’uso a tutti. Pubblica agenti via A2A solo per i partner e i sistemi che ne hanno bisogno.

Sono scelte di configurazione, non progetti di sviluppo. Un team IT può provarle sulla propria infrastruttura, con i modelli che usa già.

Vuoi provare Gebo.ai nella tua azienda?

Coinvolgi il tuo responsabile IT per installare gratuitamente l’edizione open source di Gebo.ai e valutarla sulla vostra infrastruttura.

Scopri le opzioni di installazione:
https://gebo.ai/it/#gebo-deployment-title

Ti serve una mano per partire? Contattami su LinkedIn: offro supporto gratuito per l’installazione.
https://www.linkedin.com/in/openi40/

Scopri Gebo.ai: https://gebo.ai/it/
Esplora il progetto su GitHub: https://github.com/geboai/Gebo.ai