---
title: "Cos’è un sistema multi-agente? L’orchestrazione LLM spiegata"
description: "Un sistema multi-agente divide un compito tra più agenti LLM, spesso un lead che pianifica e worker che lavorano in parallelo. Come funziona e quando conviene."
url: https://broadrouter.com/it/glossary/multi-agent-system/
lang: it
updated: 2026-11-15
publisher: BroadRouter (a BroadNet site); API by BroadNet Inference, https://inference.broadnet.ai
---

Tradotto dall’inglese con l’aiuto dell’IA. [Leggi l’originale in inglese](https://broadrouter.com/glossary/multi-agent-system/) (aggiornato il 2026-11-15).

# Sistema multi-agente (multi-agent system)

Aggiornato 2026-11-15

Un sistema multi-agente è un’applicazione LLM in cui più agenti, ognuno con il proprio prompt, i propri strumenti e il proprio contesto, lavorano su parti di un unico compito. Uno schema comune è orchestrator-worker: un agente principale pianifica, avvia agenti worker in parallelo e combina i loro risultati.

Detto anche: sistema multi-agente, sistemi multi-agente, multi-agente, orchestrazione multi-agente, architettura multi-agente, multi-agent, multi-agent system, multi-agent orchestration, orchestrator-worker

Un singolo agente affronta un compito passo dopo passo. Un sistema multi-agente divide il compito ed esegue i pezzi contemporaneamente.

## Come funziona

Anthropic descrive la sua funzione Research come un “orchestrator-worker pattern, where a lead agent coordinates the process while delegating to specialized subagents.” (traduzione: uno schema orchestrator-worker, in cui un agente principale coordina il processo delegando a subagent specializzati). Il lead legge la domanda, pianifica, avvia diversi [subagent](https://broadrouter.com/it/glossary/subagent/) che cercano in parallelo e scrive la risposta finale a partire dai loro riassunti.

Esistono altri schemi. L’articolo su AutoGen (Wu et al., 2023) descrive un framework in cui agenti “customizable, conversable” (traduzione: personalizzabili e capaci di conversare) parlano tra loro, con le persone e con gli strumenti, e gli sviluppatori programmano lo schema della conversazione in linguaggio naturale o in codice.

Un esempio concreto di esecuzione orchestrator-worker:

```text
Lead:     plan -> start 3 workers
Worker 1: search docs for topic A  -> 1,500-token summary
Worker 2: search docs for topic B  -> 1,500-token summary
Worker 3: search docs for topic C  -> 1,500-token summary
Lead:     read 3 summaries -> final answer
```

Ogni worker spende i propri token per cercare e leggere. Il lead vede solo i riassunti.

## Perché è importante

-   **Qualità nei compiti ampi.** Anthropic riporta che una configurazione multi-agente con un lead Claude Opus 4 e worker Sonnet 4 “outperformed single-agent Claude Opus 4 by 90.2%” (traduzione: ha superato del 90,2% Claude Opus 4 a singolo agente) nella sua valutazione interna di ricerca.
-   **Costo in token.** Lo stesso articolo dice che gli agenti usano circa quattro volte i token di una chat, e i sistemi multi-agente “about 15× more tokens than chats.” (traduzione: circa 15 volte più token delle chat). Riporta anche che il solo consumo di token spiegava l’80% della varianza nelle prestazioni su BrowseComp. Più agenti di solito significa un conto più alto. L’articolo sul [costo dei sistemi multi-agente](https://broadrouter.com/it/blog/multi-agent-cost/) confronta fatturazione per token e flat.
-   **Adattamento.** Anthropic osserva che il coding si presta meno, perché “most coding tasks involve fewer truly parallelizable tasks than research,” (traduzione: la maggior parte dei compiti di coding comporta meno attività davvero parallelizzabili rispetto alla ricerca) e che i compiti con molto contesto condiviso o dipendenze tra agenti si adattano male.
-   **Concorrenza.** Worker paralleli sono richieste parallele, quindi il tuo limite di [concorrenza](https://broadrouter.com/it/glossary/concurrency/) pone un tetto all’accelerazione.

## Su BroadNet Inference

BroadNet serve i modelli; l’orchestrazione gira nel tuo framework. Le guide coprono [CrewAI](https://broadrouter.com/it/guides/crewai-custom-openai-endpoint/) e l’[OpenAI Agents SDK](https://broadrouter.com/it/guides/openai-agents-sdk-custom-provider/) con un base URL di BroadNet.

Una chiave a consumo consente 30 richieste al minuto e 4 contemporanee. Sui [piani flat](https://broadrouter.com/it/plans/) per DeepSeek V4.1 Flash non c’è un contatore di token, il che toglie dal conto il moltiplicatore dei token, ma ogni sessione esegue una richiesta alla volta. Compra una sessione per ogni richiesta al modello che può essere in corso nello stesso momento: tre worker che lavorano insieme richiedono tre sessioni, e quattro se il lead continua a chiamare il modello mentre lavorano. [Eseguire agenti di coding in parallelo su un’API flat](https://broadrouter.com/it/blog/run-parallel-coding-agents-flat-rate/) illustra gli schemi più comuni.

## Domande frequenti

### Un sistema multi-agente è sempre meglio di un singolo agente?

No. Anthropic riporta grandi miglioramenti nei compiti di ricerca ampi, ma anche che i sistemi multi-agente usano circa 15 volte i token di una chat, e che la maggior parte dei compiti di coding ha meno parti davvero parallelizzabili rispetto alla ricerca.

### Con quali framework si costruiscono sistemi multi-agente?

AutoGen, l’OpenAI Agents SDK, CrewAI e strumenti di coding come Claude Code ne supportano tutti una qualche forma. L’articolo su AutoGen descrive agenti che conversano tra loro, con le persone e con gli strumenti.

### Quante richieste parallele servono a un sistema multi-agente?

Una per ogni agente che chiama il modello nello stesso momento. Un lead più quattro worker che lavorano insieme richiedono cinque richieste contemporanee.

## Vedi anche

-   [Agente AI (AI agent)](https://broadrouter.com/it/glossary/agent/) (termine)
-   [Subagent (sub-agente)](https://broadrouter.com/it/glossary/subagent/) (termine)
-   [Agente di coding AI (AI coding agent)](https://broadrouter.com/it/glossary/coding-agent/) (termine)
-   [Concorrenza (concurrency)](https://broadrouter.com/it/glossary/concurrency/) (termine)
-   [Piano LLM flat (flat-rate)](https://broadrouter.com/it/glossary/flat-rate-llm-plan/) (termine)
-   [Context engineering (ingegneria del contesto)](https://broadrouter.com/it/glossary/context-engineering/) (termine)
-   [ReAct (reason and act)](https://broadrouter.com/it/glossary/react-agent/) (termine)
-   [Come funzionano i piani API LLM illimitati per gli agenti](https://broadrouter.com/it/guides/unlimited-llm-api-sessions/) (guida)
-   [CrewAI con BroadNet Inference come endpoint OpenAI personalizzato](https://broadrouter.com/it/guides/crewai-custom-openai-endpoint/) (guida)
-   [Usare l’OpenAI Agents SDK con BroadNet Inference](https://broadrouter.com/it/guides/openai-agents-sdk-custom-provider/) (guida)
-   [Quanto costano davvero i sistemi multi-agente: token o sessioni flat](https://broadrouter.com/it/blog/multi-agent-cost/) (articolo)
-   [Come far girare agenti di coding in parallelo con un’API LLM flat](https://broadrouter.com/it/blog/run-parallel-coding-agents-flat-rate/) (articolo)

Provalo sul tuo carico di lavoro reale. I nuovi account partono con USD 5 di credito per Gemma e trascrizione. DeepSeek, GLM e Qwen3.8 richiedono una ricarica.

[Inizia](https://inference.broadnet.ai/account/?utm_source=broadrouter&utm_medium=referral&utm_campaign=it-glossary-multi-agent-system&utm_content=page-cta) ·

**Fonti**

-   [Anthropic Engineering, How we built our multi-agent research system (verificato il 2026-11-15)](https://www.anthropic.com/engineering/multi-agent-research-system)
-   [Wu et al., AutoGen: Enabling Next-Gen LLM Applications via Multi-Agent Conversation, arXiv 2308.08155 (verificato il 2026-11-15)](https://arxiv.org/abs/2308.08155)
-   [Documentazione di Claude Code, subagent (verificato il 2026-11-15)](https://code.claude.com/docs/en/sub-agents)
