Come avviare la tua azienda AI con OpenOPC

Di solito, gli esperimenti con sistemi multi-agente arrivano al punto in cui tre LLM in un loop iniziano a farsi educatamente domande all'infinito bruciando token. Chiedi loro di scrivere un'applicazione, e ottieni cinque pagine di scuse reciproche e nemmeno una riga di codice funzionante.

Recentemente ho scoperto OpenOPC da ricercatori dell'Università di Hong Kong (HKUDS). Hanno deciso di affrontare l'orchestrazione degli agenti non come una chat astratta, ma come un'azienda reale con struttura organizzativa, ruoli, una Kanban board, controlli di qualità e assunzione di dipendenti per compiti specifici.

Cosa hanno ideato gli sviluppatori

Gli autori chiamano il concetto AI-Native Company. Invece di un singolo agente che cerca di gestire architettura, scrittura di test e lavoro frontend, il progetto assembla un team su misura per il brief specifico.

Il lavoro si basa su tre meccanismi:

• Structure assembly. Il sistema analizza il brief, costruisce la struttura organizzativa e seleziona gli agenti. Utilizza template di talenti già pronti o crea nuovi profili con un contesto pulito.
• Task execution. I task non si accumulano in un unico mucchio—passano attraverso una macchina a stati finiti. Ogni elemento di lavoro ha un proprietario, una colonna corrente sulla board e uno stato di prontezza per l'esecuzione.
• Experience accumulation. Dopo il completamento di un progetto, il sistema valuta il contributo di ruoli specifici, non una chat astratta. Tecniche e soluzioni di successo vengono registrate nella memoria personale del ruolo e nelle istruzioni condivise del team.

Come bonus aggiuntivo, gli autori hanno collegato un'interfaccia web costruita con React e Phaser, dove gli agenti siedono in un ufficio virtuale pixel, si passano schede di task e partecipano a riunioni.

Come funziona la collaborazione internamente

Il problema principale con pipeline complesse è che i task raramente sono pianificati perfettamente dall'inizio. Lungo il percorso, blocchi, contesto mancante o test falliti sono garantiti.

OpenOPC risolve questo attraverso un grafo delle dipendenze (DAG) e ruoli di manager. Il manager prende il brief, lo scompone e distribuisce il lavoro tra gli esecutori. I task indipendenti vengono eseguiti in parallelo, quelli dipendenti aspettano il loro turno.

L'interazione del team segue cinque modalità operative:

1. Esecuzione diretta di un task da parte dell'agente assegnato.
2. Delega di un sottotask a un subordinato con trasferimento di contesto.
3. Revisione di un risultato completato prima dell'invio alla fase successiva.
4. Integrazione di moduli completati nel progetto complessivo.
5. Invio per revisione con feedback specifico.

Se un agente incontra un ostacolo, non va in crash con un errore. Prima, il sistema cerca di risolvere il problema internamente: invia un messaggio di blocco al ruolo responsabile dell'area rilevante. Se l'autorità degli agenti non è sufficiente (per esempio, se un comando terminale pericoloso richiede conferma o un servizio deve essere pagato), il runtime escala la richiesta a un essere umano.

Le politiche di conferma sono configurate attraverso il security config. Comandi di lettura semplici vengono eseguiti immediatamente, comandi a rischio medio vengono valutati da una LLM separata, e operazioni distruttive come rm -rf o force push aspettano sempre un input dall'utente.

Modalità di avvio e interfacce

Il progetto supporta due scenari di lavoro principali: Task Mode e Company Mode.

Task Mode somiglia a spazi di lavoro familiari come Cursor o OpenCode. È una modalità single-agent dove un agente selezionato risolve un problema specifico mirato: refactoring di un modulo, scrittura di uno script, o raccolta di informazioni.

Company Mode lancia un team completo. Puoi connettere il motore integrato OpenOPC Native o agenti CLI esterni come Claude Code, Cursor, o Codex. I ruoli possono usare backend diversi: l'architetto lavora su un modello, lo sviluppatore scrive codice attraverso un agente terminale esterno, e il reviewer controlla il codice attraverso una terza combinazione.

Puoi lavorare con tutto questo sia attraverso il terminale che attraverso la dashboard del browser.

Nell'interfaccia web troverai:

• Una Kanban board che riflette gli stati reali dei task dal runtime.
• Un pannello di comunicazione con log dei messaggi tra agenti e registrazioni delle loro discussioni interne.
• Un editor della struttura organizzativa dove puoi modificare le catene di reporting e assumere nuovi specialisti.
• Un ufficio pixel dove puoi vedere chi sta attualmente lavorando su quale tipo di task.

Quick start

Per il deployment del progetto, i creatori raccomandano il package manager uv. Avrai bisogno di Python 3.10 o più recente, e Node.js dalla versione 18 se prevedi di ricostruire il frontend.

Prima, imposta un virtual environment:

Successivamente, inizializza le configurazioni locali e le cartelle di memoria:

Il comando creerà la directory .opc/config/. Apri .opc/config/llm_config.yaml e aggiungi la tua API key. Il motore funziona con qualsiasi endpoint compatibile con LiteLLM e OpenRouter.

Ora puoi lanciare l'interfaccia web:

Il pannello si aprirà a http://localhost:8765.

Se preferisci lavorare direttamente dalla console, l'utility fornisce una comoda chat interattiva e supporta l'esecuzione di task singoli:

Dove si applica nella pratica

Il repository contiene esempi di utilizzo per un'ampia gamma di direzioni: da report di investimento a scenari di script video e prototipi di giochi.

Nello sviluppo quotidiano, OpenOPC eccelle nel coprire pipeline end-to-end. Per esempio, quando hai bisogno non solo di scrivere una funzione, ma di ricercare un'API di terze parti, preparare un documento di architettura, scrivere codice, eseguire test attraverso Playwright, e impacchettare tutto in una pull request ordinata con documentazione.

Un altro scenario coinvolge l'integrazione con messenger. OpenOPC può connettersi a Telegram, Discord, Slack, Feishu, e altri canali di chat aziendali. Puoi configurare un bot su uno stream di task in entrata, e lancerà un team di agenti basato sui messaggi dalla chat.

Riepilogo

OpenOPC lascia un'impressione piacevole con il suo approccio strutturato. Gli autori non cercano di vendere una fiaba su un singolo prompt onnipotente—stanno costruendo un sistema di ingegneria prevedibile con una chiara separazione delle responsabilità, persistenza dello stato su disco, e controllo sulle azioni pericolose.

Il progetto vale la pena provarlo se:

• Ti senti stretto all'interno di una singola chat con Claude o Cursor quando un progetto richiede diverse competenze.
• Vuoi sperimentare con sistemi multi-agente che hanno una reale gestione dei task e DAG, piuttosto che scambi di messaggi caotici.
• Hai bisogno di un framework locale per automatizzare processi di ricerca o ingegneria di routine con un chiaro controllo visivo.

Il modo migliore per iniziare è eseguire la UI locale tramite uv e affrontare task semplici in modalità single-agent, passando gradualmente alla costruzione dei tuoi team in Company Mode. È anche utile controllare la cartella .opc/config/ per configurare i livelli di auto-conferma per la tua macchina.