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.

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.

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.

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.

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.

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.


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.

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.

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.


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.

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.

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.

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.

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.

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.

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
