---
title: "Loop, grafo o prompt: tre posizioni su come si tiene insieme un sistema ad agenti"
description: "Addy Osmani descrive il loop come unità di progetto e mette la memoria su disco e la separazione fra chi scrive e chi controlla. Un paper di aprile propone di sostituire il ciclo con un DAG statico e dichiara di non portare risultati empirici. Un altro misura LangGraph contro la procedura messa tutta nel system prompt su 200 conversazioni per condizione e trova l'orchestratore in svantaggio. Anthropic quantifica il conto: 4 volte i token di una chat per un agente, 15 per un sistema multi-agente."
url: "https://www.noze.it/insights/loop-grafo-prompt-forme-sistemi-agenti/"
lang: "it"
alternate: "https://www.noze.it/en/insights/loop-graph-prompt-agent-system-shapes/"
published: "2026-07-30"
author: "noze S.r.l."
keywords: "AI, Agenti AI, Architettura, LangGraph, Orchestrazione, Anthropic, Ingegneria del software, LLM"
---

# Loop, grafo o prompt: tre posizioni su come si tiene insieme un sistema ad agenti

Addy Osmani descrive il loop come unità di progetto e mette la memoria su disco e la separazione fra chi scrive e chi controlla. Un paper di aprile propone di sostituire il ciclo con un DAG statico e dichiara di non portare risultati empirici. Un altro misura LangGraph contro la procedura messa tutta nel system prompt su 200 conversazioni per condizione e trova l'orchestratore in svantaggio. Anthropic quantifica il conto: 4 volte i token di una chat per un agente, 15 per un sistema multi-agente.

30 luglio 2026

![Quattro dati sulle tre forme proposte per i sistemi ad agenti: loop, grafo e prompt](https://www.noze.it/images/insights/loop-grafo-prompt.svg)

Le tre posizioni e il loro costo. Fonti in fondo.

Il 7 giugno Addy Osmani ha pubblicato _Loop Engineering_, sulla forma di un agente che lavora da solo per ore. La tesi è che il punto di leva si sia spostato dal prompt al ciclo che lo contiene: _“That’s what makes loop design harder than prompt engineering, not easier”_.

Nei due mesi precedenti su arXiv erano usciti due lavori che partono dallo stesso problema e arrivano in direzioni opposte. Uno propone di sostituire il ciclo con un grafo dichiarato in anticipo. L’altro misura l’orchestrazione esterna contro il farne a meno, e trova l’orchestratore in svantaggio.

Abbiamo già descritto [l’anatomia del ciclo](https://www.noze.it/insights/agentic-loop-anatomia/) e [l’ambiente che lo rende affidabile](https://www.noze.it/insights/harness-engineering/). La forma da dargli è una decisione di progetto separata.

## Il loop, e cosa lo tiene su

Osmani mette la memoria fuori dal contesto: _“the model forgets everything between runs so the memory has to be on disk and not in the context. The agent forgets, the repo doesnt”_. Ogni esecuzione riparte da una finestra di contesto vuota, quindi lo stato che deve sopravvivere fra due esecuzioni va riletto dai file che l’agente stesso ha scritto.

La seconda scelta è strutturale: _“The most useful structural thing in a loop, by far, is splitting the one who writes from the one who checks”_, perché il modello che ha scritto il codice è troppo indulgente nel valutarlo. La stessa separazione va applicata alla condizione di arresto, con _“a fresh model”_ che decide se il ciclo è finito al posto di quello che ha fatto il lavoro.

I connettori sono la terza: _“the reason the loop can act inside your actual environment instead of just telling you what it would do if it could”_.

Osmani mette anche il proprio caveat: _“its still early, I’m skeptical and you absolutely have to be careful about token costs (usage patterns can vary wildly if you are token rich or poor)”_.

## Il grafo, come proposta di ingegneria

Il paper arXiv 2604.11378, _From Agent Loops to Structured Graphs_, di Hu Wei, depositato il 13 aprile, attacca il loop su tre punti: _“implicit dependencies between steps, unbounded recovery loops, and mutable execution history that complicates debugging”_.

L’inquadramento è quello della teoria dello scheduling. Il loop viene descritto come _“a single ready unit scheduler”_, dove al massimo una unità è attiva e la scelta di quale attivare arriva _“from opaque LLM inference rather than an inspectable policy”_. Da lì la proposta, SGH, che sposta il controllo di flusso dal contesto implicito a un DAG statico, con piani immutabili dentro una versione, tre livelli separati (pianificazione, esecuzione, recupero) e un protocollo di escalation.

Il paper è esplicito su cosa non è: _“This is a position paper and design proposal. We provide a theoretical framework, design analysis, and experimental protocol, not a production implementation or empirical results”_. Le sue quattro consegne sono un framework, un’analisi di compromesso su 70 sistemi censiti, una specifica formale con garanzie di terminazione e un protocollo sperimentale a sette gruppi lasciato a validazione futura.

## Il prompt, con i numeri contro l’orchestratore

Il lavoro opposto è arXiv 2604.27891, di Simon Dennis, Michael Diamond, Rivaan Patil, Kevin Shabahang e Hao Guo, depositato il 30 aprile e rivisto il 5 maggio. Confronta un orchestratore LangGraph con la procedura messa tutta nel system prompt, a parità di modello, su tre domini: prenotazione viaggi a 14 nodi, supporto tecnico Zoom a 14 nodi, gestione sinistri assicurativi a 55 nodi. Duecento conversazioni per condizione, valutate con LLM-as-judge su cinque criteri.

| Misura               | In-context    | LangGraph |
| -------------------- | ------------- | --------- |
| Punteggio, scala 1-5 | **4,53-5,00** | 4,17-4,84 |
| Fallimenti, viaggi   | **11,5%**     | 24%       |
| Fallimenti, Zoom     | **0,5%**      | 9%        |
| Fallimenti, sinistri | **5%**        | 17%       |

La conclusione degli autori è temporale: _“While external orchestration may have been necessary for earlier models, advances in frontier model capabilities have made it unnecessary for multi-turn conversations following a defined procedure”_.

Il metodo va pesato. Il giudice è un modello, i domini sono tre e le procedure sono definite in anticipo, che è la condizione più favorevole all’approccio in-context. Restano numeri su un confronto a parità di modello, con condizioni e criteri di valutazione dichiarati.

## Quanto costa il ciclo

Il conto lo ha pubblicato Anthropic descrivendo il proprio sistema di ricerca multi-agente: _“agents typically use about 4× more tokens than chat interactions, and multi-agent systems use about 15× more tokens than chats”_. Da cui la condizione dichiarata: _“multi-agent systems require tasks where the value of the task is high enough to pay for the increased performance”_.

Le stesse pagine di Anthropic, in _Building effective agents_, separano workflow e agente. Un workflow è un sistema dove modelli e strumenti sono orchestrati lungo percorsi di codice predefiniti. Un agente è un sistema dove il modello dirige da sé il proprio processo e l’uso degli strumenti.

## Cosa ne pensiamo

Le tre posizioni non rispondono alla stessa domanda, ed è il motivo per cui possono essere tutte difendibili insieme.

Dove la procedura è nota in anticipo e i passi sono elencabili, il lavoro di Dennis e colleghi dice che l’orchestratore esterno aggiunge un punto di rottura senza aggiungere qualità, e lo dice con un confronto misurato. Dove la procedura è nota ma serve poterla verificare a posteriori, la posizione di Hu Wei è un’ipotesi di ingegneria coerente, che però al momento è dichiaratamente non validata. Il loop di Osmani è per il caso in cui il percorso non è elencabile in anticipo, ed è lì che le sue due scelte contano davvero.

La memoria su disco e la separazione fra chi scrive e chi controlla non dipendono dalla forma scelta: valgono per un grafo come per un ciclo, e sopravvivono al cambio di framework. Un sistema con la memoria nel contesto perde tutto al primo riavvio, e un sistema che si valuta da solo dichiara finito ciò che ha appena scritto.

Il criterio pratico che ne ricaviamo è di partire dalla forma meno costosa che risolve il compito, e salire solo quando il compito lo impone: procedura in-context finché la procedura è definita, ciclo con memoria e checker separato quando i passi non sono elencabili, coordinamento multi-agente quando il valore del compito copre quindici volte i token di una chat. Il senso della misura di Anthropic è che quel salto va giustificato ogni volta.

## Fonti

- [Addy Osmani, Loop Engineering](https://addyosmani.com/blog/loop-engineering/)
- [arXiv 2604.11378, From Agent Loops to Structured Graphs](https://arxiv.org/abs/2604.11378)
- [arXiv 2604.27891, In-Context Prompting Obsoletes Agent Orchestration for Procedural Tasks](https://arxiv.org/abs/2604.27891)
- [Anthropic, How we built our multi-agent research system](https://www.anthropic.com/engineering/multi-agent-research-system)
- [Anthropic, Building effective agents](https://www.anthropic.com/engineering/building-effective-agents)
