L’inizio dell’era degli agent autonomi
Il 30 marzo 2023, poche settimane dopo il rilascio pubblico di GPT-4, lo sviluppatore Toran Bruce Richards (noto con lo pseudonimo “Significant Gravitas”) pubblica AutoGPT su GitHub. Il progetto diventa in pochi giorni il repository più discusso dell’anno e apre la stagione degli autonomous agent: programmi che, dato un obiettivo di alto livello, pianificano e eseguono i passi necessari a raggiungerlo con supervisione minima.
Il loop operativo
AutoGPT è scritto interamente in Python e implementa un loop cognitivo a quattro fasi: Plan → Think → Criticize → Act. In ciascun ciclo, il modello pianifica le azioni necessarie a progredire verso l’obiettivo (Plan), ragiona sulle ipotesi in gioco (Think), valuta criticamente la propria proposta (Criticize) e infine esegue un’azione concreta (Act) — tipicamente l’uso di un tool, la scrittura di un file o una richiesta HTTP.
Il loop continua fino al raggiungimento dell’obiettivo o a un’interruzione esplicita. Questa architettura, pur rudimentale rispetto agli agent strutturati successivi, introduce i concetti di auto-pianificazione e auto-critica che diventeranno pattern standard nell’ecosistema agent.
Plugin e memoria
AutoGPT introduce precocemente due primitive poi diventate comuni: un plugin system per estendere le capability dell’agente con tool personalizzati (browsing, codice, file system) e una memoria vettoriale esterna (inizialmente basata su Pinecone, poi estesa ad altri store) per la persistenza del contesto oltre la context window del modello.
Licenza ed evoluzione
AutoGPT è rilasciato originariamente sotto licenza MIT. L’impatto storico di AutoGPT è chiaro: dimostra che un LLM autosufficiente, anche con scaffolding semplice, può svolgere task complessi — aprendo la ricerca e lo sviluppo su LangChain, BabyAGI e l’intero ecosistema agentic nascente.
Link: agpt.co