Supervisori gerarchici (orchestratore + worker)
Un supervisore pianifica e delega; i worker eseguono e riferiscono i risultati: un pattern solido per attività complesse.
Supervisori gerarchici (orchestratore + worker) è una lezione AI Agents gratuita su CoddyKit. Questa è la lezione 2 di 4. Puoi leggere la lezione completa qui gratuitamente — poi esercitati direttamente nel browser con un editor di codice integrato e un tutor IA disponibile 24/7. Fa parte del percorso di apprendimento AI Agents, e i tuoi progressi si sincronizzano tra il web e l'app CoddyKit. Il corso AI Agents include 4 lezioni in totale.
Parti di questa lezione non sono ancora state tradotte e vengono mostrate in inglese.
Lo schema del supervisore
Un agente "supervisore" decide cosa fare e delega il lavoro ad agenti "operatori" specializzati. Gli operatori riferiscono i risultati; il supervisore li sintetizza.
È più vicino al modo in cui lavorano i team umani rispetto alle conversazioni libere.
Struttura
Due livelli (a volte di più):
- Supervisore — vede la richiesta dell'utente, la suddivide, sceglie gli operatori e integra i risultati
- Operatori — agenti specializzati (ricerca, codice, matematica), ciascuno con i propri strumenti e prompt
Perché una gerarchia?
- Ragionamento più chiaro: il supervisore vede il quadro generale
- Specializzazione: ogni operatore è piccolo e focalizzato
- Valutazione più semplice: è possibile testare gli operatori indipendentemente
- Aggiunta più semplice di nuove capacità: basta registrare un nuovo operatore
LangGraph Implementation
from langgraph.graph import StateGraph, END
from typing import TypedDict, Annotated
import operator
class State(TypedDict):
messages: Annotated[list, operator.add]
next: str
def supervisor(state):
# Ask LLM which worker should handle this
decision = supervisor_llm.invoke(state['messages']).content # 'researcher' / 'coder' / 'FINISH'
return {'next': decision}
def researcher(state):
result = research_agent.run(state['messages'][-1].content)
return {'messages': [{'role': 'tool', 'content': result}], 'next': 'supervisor'}
def coder(state):
result = code_agent.run(state['messages'][-1].content)
return {'messages': [{'role': 'tool', 'content': result}], 'next': 'supervisor'}Wiring the Graph
g = StateGraph(State)
g.add_node('supervisor', supervisor)
g.add_node('researcher', researcher)
g.add_node('coder', coder)
g.set_entry_point('supervisor')
g.add_conditional_edges(
'supervisor',
lambda s: s['next'],
{'researcher': 'researcher', 'coder': 'coder', 'FINISH': END}
)
g.add_edge('researcher', 'supervisor')
g.add_edge('coder', 'supervisor')
app = g.compile()Indipendenza degli operatori
Ogni operatore è un mini-agente autonomo. Sviluppare e testare ciascuno separatamente, quindi combinarli sotto il supervisore.
Insiemi di strumenti per gli operatori
Limitare ogni operatore ESCLUSIVAMENTE agli strumenti di cui ha bisogno:
- Researcher — search, fetch
- Coder — read_file, write_file, run_python
- Database — list_tables, run_sql
Descrizioni degli strumenti più chiare e meno confusione.
Formato della comunicazione
Gli operatori restituiscono al supervisore riepiloghi strutturati, non trascrizioni complete. Si risparmiano token e il supervisore può integrare più facilmente i risultati:
class WorkerResult(BaseModel):
summary: str
citations: list[str]
next_step_suggestion: str = ''Terminazione
Il supervisore decide quando fermarsi. In genere:
- Il livello di confidenza supera la soglia
- Un operatore invia il segnale di completamento dell'attività
- Il contatore dei passaggi supera il limite
Gerarchie a più livelli
Per le attività molto complesse, aggiungere un terzo livello: un supervisore "team lead" per l'ingegneria, un altro per la ricerca e così via. Ciascuno delega il lavoro agli operatori della propria area.
Profilo dei costi
Ogni decisione del supervisore è una chiamata LLM. Ogni operatore ha il proprio ciclo. Il costo totale è circa N_decisioni_supervisore × costo_per_decisione + N_cicli_operatore × costo_per_ciclo.
Quando usarlo
- Attività complesse con sottodomini ben definiti
- Attività che richiedono stili di prompting diversi per ogni passaggio
- Sistemi in cui si desidera aggiungere capacità gradualmente
Anti-pattern
- Il supervisore svolge tutto il lavoro effettivo: viene meno lo scopo del modello
- Gli operatori chiamano altri operatori senza che il supervisore lo sappia: si perde il controllo
- Troppi operatori (>10): la selezione del supervisore diventa inaffidabile
Ruolo del supervisore
Qual è il compito principale del supervisore in questo schema?
Riepilogo
Supervisore + operatori è meglio di un unico agente di grandi dimensioni. Ogni operatore è piccolo, focalizzato e testabile indipendentemente. Il supervisore decide chi deve occuparsi di ogni attività.
Domande Frequenti
La lezione «Supervisori gerarchici (orchestratore + worker)» è gratuita?
Sì — il testo completo di «Supervisori gerarchici (orchestratore + worker)» è gratuito qui sul web. Per esercitarvi in modo interattivo (un editor di codice integrato e un tutor IA 24/7) e sbloccare il resto del corso AI Agents, passa a CoddyKit PRO. Il corso AI Agents include 4 lezioni in totale.
Cosa imparerò in «Supervisori gerarchici (orchestratore + worker)»?
Un supervisore pianifica e delega; i worker eseguono e riferiscono i risultati: un pattern solido per attività complesse. Eserciti AI Agents con codice pratico che esegui direttamente nel browser, e un tutor IA 24/7 risponde alle tue domande mentre lavori sulla lezione.
Ho bisogno di esperienza per iniziare AI Agents?
Non è richiesta alcuna esperienza precedente. AI Agents su CoddyKit è strutturato per principianti e studenti avanzati, quindi puoi iniziare da qui o dall'inizio e procedere al tuo ritmo. Questa è la lezione 2 di 4.
Quanto tempo richiede la lezione «Supervisori gerarchici (orchestratore + worker)»?
La maggior parte delle lezioni CoddyKit richiede circa 5–10 minuti. Ogni lezione è breve e interattiva, quindi fai progressi costanti e riprendi esattamente da dove hai lasciato su web e app.
Posso scrivere ed eseguire codice in questa lezione AI Agents?
Sì. Ogni lezione AI Agents include un editor di codice integrato, quindi scrivi ed esegui codice reale direttamente nel tuo browser e ricevi feedback istantaneo dall'IA — nessuna configurazione locale necessaria.
Tutte le lezioni di questo corso
- Multi-agente basato sulla conversazione (AutoGen)
- Supervisori gerarchici (orchestratore + worker)
- Ruoli e specializzazioni degli agenti
- Protocolli di comunicazione (message bus)