Agenti a ciclo e agenti a grafo: come scelgo l’architettura

Ogni agente AI è un modello che chiama strumenti secondo un certo ordine. L’unica vera domanda è chi stabilisce quell’ordine. In un agente a ciclo lo decide il modello durante l’esecuzione. In un agente a grafo lo definisci prima tu e il modello completa i passaggi. La maggior parte delle discussioni sui framework per agenti riguarda in realtà proprio questa scelta.

Un agente a ciclo è la cosa più semplice che funzioni: invii al modello il compito e un elenco di strumenti, esegui quello che richiede, aggiungi il risultato e ripeti finché non risponde senza chiamare strumenti. È il pattern ReAct. Lo offrono già le API di tool use di OpenAI e Anthropic, Vercel AI SDK e createAgent di LangChain. È sorprendentemente capace: la maggior parte degli assistenti di programmazione e degli agenti di ricerca usa proprio questo ciclo.

Il suo punto di forza è la flessibilità: non serve conoscere il percorso in anticipo, perciò si adatta bene ai compiti aperti — ricerca, debug, «scopri perché quest’ordine non è riuscito». La debolezza è la stessa. Il numero di passaggi è ignoto, quindi lo sono anche costo e latenza; il modello può girare in tondo, saltare un controllo o chiamare uno strumento che speravi evitasse. Per tenerlo entro i limiti servono guardrail: massimo di passaggi (stopWhen in Vercel AI SDK), budget di token, allowlist degli strumenti e validazione della risposta finale.

Un agente a grafo rende espliciti nodi e archi del processo: classificare, recuperare, preparare una bozza, convalidare, chiedere a una persona, scrivere. Ogni nodo può essere una chiamata al modello, uno strumento o semplice codice; gli archi possono diramarsi o tornare indietro intenzionalmente: «convalida non riuscita, torna alla bozza». Lo stato è un oggetto esplicito, salvato dopo ogni nodo. LangGraph è l’esempio più noto: in Python e TypeScript aggiunge checkpoint, così un’esecuzione può fermarsi per l’approvazione di una persona e riprendere ore dopo esattamente dal punto in cui si era interrotta.

Il suo punto di forza è il controllo. Sai quali passaggi possono avvenire, in che ordine e dove serve un’approvazione umana. Ogni esecuzione è tracciabile nodo per nodo, il costo è limitato dalla forma del grafo e un errore al quinto passaggio non ripete i primi quattro. Il prezzo è la progettazione iniziale e una minore libertà: se un compito non rientra nel grafo, l’agente non può improvvisare una via d’uscita.

Nel confronto diretto la domanda non è tanto «qual è il migliore?» quanto «dove si colloca il tuo compito?» — tra aperto e ripetibile, tra errori economici e costosi. Un dettaglio interessante: il confine è meno netto di quanto dica il marketing. createAgent di LangChain è un ciclo, ma dalla versione 1.0 gira sul runtime LangGraph: un ciclo è semplicemente il grafo più piccolo possibile.

La mia regola pratica: iniziare con un ciclo per l’esplorazione e gli strumenti interni, dove una persona leggerà comunque il risultato. Passare a un grafo quando il processo si ripete, tocca denaro o dati dei clienti, richiede un’approvazione o dura più di una richiesta. I migliori sistemi di produzione combinano di solito entrambi: un grafo per il processo aziendale e un piccolo ciclo in uno dei nodi — per esempio, una fase di ricerca che può eseguire più ricerche prima di passare un risultato pulito al nodo deterministico successivo.

Qualunque approccio scegli, le regole non cambiano: input tipizzati per gli strumenti, budget rigido, log per ogni passaggio e nessuna scrittura nel sistema di riferimento senza convalida. In TypeScript o Python bastano alcune decine di righe attorno alla chiamata al modello: fanno la differenza tra una demo e un prodotto. Se vuoi affidare un processo a un agente, mandami i passaggi come li svolge oggi il tuo team. Ti dirò se serve un ciclo, un grafo o un grafo con un ciclo al suo interno.