In Breve
- Che cosa sostiene Eric Provencher?
- Secondo lo sviluppatore di OpenAI Codex, usare più di due sotto-agenti in parallelo spesso consuma token senza produrre un miglioramento della qualità.
- Qual è il principale problema degli agent swarm?
- Il coordinamento tra agenti può generare verifiche reciproche, chiamate ridondanti agli strumenti e duplicazione degli sforzi.
- Quale alternativa viene suggerita?
- Delegare i compiti a thread separati che notifichino l’agente principale soltanto al completamento dell’attività.
Eric Provencher, sviluppatore di Codex presso OpenAI, ha messo in guardia dall’uso indiscriminato di numerosi sotto-agenti nei flussi di lavoro basati sull’intelligenza artificiale. In alcuni post pubblicati su X, Provencher sostiene che impiegare più di due agenti in parallelo comporti quasi sempre un aumento del consumo di token senza un miglioramento equivalente della qualità.
Secondo la sua analisi, gli agenti tendono a verificare reciprocamente il lavoro svolto, generando una sorta di “tassa di coordinamento”. Il risultato è un aumento delle attività di controllo, delle chiamate agli strumenti e degli sforzi duplicati.
Il costo del coordinamento
Provencher descrive come complesso mantenere attive molte linee di lavoro parallele senza incorrere in verifiche eccessive e sprechi di token. A suo avviso, gli agent swarm possono ridurre i tempi di esecuzione, ma l’overhead legato al coordinamento rischia di trasformarsi in una trappola economica.
Il caso citato dallo sviluppatore riguarda un progetto nel quale sarebbero stati spesi 20.000 dollari in token per rifattorizzare un singolo file Python, utilizzando 1.393 agenti Fable. Provencher ha commentato che un singolo agente Astra avrebbe potuto svolgere lo stesso compito a una frazione del costo. Si tratta, tuttavia, di una sua valutazione riportata nei post su X.
Un modello basato su attività asincrone
Tra gli approcci indicati da Provencher c’è la delega dei compiti a thread separati, incaricati di avvisare l’agente principale solo al termine del lavoro. Questa soluzione eviterebbe il controllo continuo dello stato di avanzamento, noto come polling.
Lo sviluppatore sottolinea inoltre che i prompt di sistema vengono replicati tra i sotto-agenti e possono incidere ulteriormente sul consumo di token. Quando il contesto fornito non è sufficiente, gli agenti possono effettuare chiamate ridondanti agli strumenti. Provencher identifica proprio nella duplicazione degli sforzi uno dei problemi principali e riconosce che OpenAI deve ancora sviluppare soluzioni migliori.