DeepSeek ha sviluppato Super-agent, un sistema che riceve richieste via chat o GitHub, organizza il lavoro in sessioni separate e restituisce risultati come pull request. L’obiettivo dichiarato è limitare il coinvolgimento delle persone, che devono intervenire soltanto per decidere o autorizzare il lavoro. Il componente viene installato in Harness, l’ambiente per agenti distribuito in open source con licenza MIT.
La premessa è emersa dalle osservazioni del team Harness di DeepSeek: «Difficilmente una persona segue più di tre-cinque sessioni attive nello stesso momento; oltre quella soglia il cervello va in tilt.» Per questo motivo, Super-agent nasconde il lavoro delle singole sessioni dietro un unico interlocutore. Gli sviluppatori possono scrivere nella chat di lavoro oppure su GitHub, mentre l’agente continua a operare in autonomia nelle circostanze previste.
Un agente dentro Harness, collegato a GitHub e Feishu
L’installazione avviene direttamente in Harness, framework open source rilasciato da DeepSeek con licenza MIT. Il sistema può essere collegato a un repository GitHub e, facoltativamente, a Feishu, la chat aziendale di ByteDance. Da queste interfacce arriva la richiesta di un membro autorizzato del team, cui segue l’apertura di una sessione separata dedicata al compito.
Al termine dell’attività, la risposta torna nella conversazione originaria: può essere una pull request o un altro risultato utilizzabile. Un pannello web raccoglie i dossier che richiedono l’intervento degli sviluppatori, così da mostrare soltanto ciò che richiede una decisione o un’autorizzazione. Il resto dell’attività prosegue senza richiedere attenzione.
La logica di attivazione prevede due possibilità. Super-agent agisce su richiesta oppure quando una regola scritta dal team gli concede il permesso di intervenire. In entrambi i casi, comunica in chat soltanto quando qualcuno deve compiere un’azione o può sfruttare il risultato ottenuto. Ogni risposta in chat è limitata a 100 parole.
Il lavoro procede anche senza richieste esplicite
All’interno di DeepSeek è stata concessa all’agente un’ulteriore libertà. Super-agent può leggere le discussioni di gruppo e riprodurre in background ogni problema segnalato, anche in assenza di una richiesta esplicita. Quando individua una soluzione semplice, propone la correzione; quando non trova un rimedio immediato, rimane in attesa senza interrompere il lavoro degli altri.
Nel manuale del prototipo, il team Harness esprime l’intento di base: «Il team Harness mira a mobilitare il meno possibile l’attenzione umana e a portare il massimo valore possibile.» La linea di confine è fissata dal comportamento dell’agente, che interviene in autonomia soltanto nei casi descritti e mantiene il contatto con le persone quando emerge una decisione.
Router e worker: come viene distribuito il lavoro
L’organizzazione interna poggia su due tipi di sessione. Una sessione router riceve i messaggi, li legge e fornisce una risposta agli utenti. Quando emerge un’attività da svolgere, il router assegna l’incarico a una sessione worker, un agente indipendente concentrato su quel compito specifico.
Gli aggiornamenti successivi della pull request o del thread vengono inoltrati direttamente al worker, senza interrompere il router. Questa separazione consente a più attività di progredire contemporaneamente, mentre la sessione principale resta disponibile per accogliere nuove richieste e comunicare con gli utenti.
Le prove simulate e il confronto con un agente singolo
Il team di ingegneri ha verificato il sistema attraverso simulazioni di chat di gruppo e notifiche GitHub. Ogni prova comprendeva circa 300 messaggi e una ventina di richieste operative; l’intera sequenza è stata ripetuta cinque volte. In quelle circostanze, Super-agent ha completato il lavoro entro 15,7 minuti nel 95% dei casi.
Il confronto è stato effettuato con un agente singolo che doveva gestire ogni attività nella stessa conversazione: per completare il lavoro, questo agente ha impiegato 29,5 minuti. Un aspetto emerso dalle prove riguarda l’assenza di delega. Nonostante avesse ricevuto istruzioni di delegare quando opportuno, l’agente singolo non ha coinvolto un sub-agente nelle cinque prove, occupandosi direttamente di ogni attività e distraendosi a ogni nuova notifica.
DeepSeek riconosce che Super-agent consuma più token e precisa che i valori relativi al consumo hanno valore puramente indicativo. Il vantaggio osservato nelle simulazioni riguarda quindi il tempo di completamento, mentre il costo computazionale resta un elemento da tenere presente.
Esecuzione in cloud e accesso ai dispositivi
Poiché il lavoro deve continuare anche quando il computer dello sviluppatore entra in stand-by, Super-agent viene eseguito nel cloud. Da lì controlla in remoto le macchine sulle quali si trova il codice, tramite un piccolo programma installato su ciascun computer.
Il team Harness riconduce questa impostazione a un principio teorizzato da Anthropic: «L’architettura che separa l’agente dall’ambiente di esecuzione è riconducibile a un principio teorizzato da Anthropic.» Nel caso di Super-agent, i dispositivi controllati a distanza sono i portatili personali degli sviluppatori, sui quali possono trovarsi codice ancora in lavorazione e credenziali di accesso.
Rischi riconosciuti e natura del prototipo
Gli stessi ingegneri di DeepSeek segnalano i pericoli legati a questa architettura: «Se degli hacker riuscissero a entrare nei server dell’agente o a manipolarlo con un prompt injection, potrebbero prendere il controllo di tutti i dispositivi collegati.» Un’altra difficoltà resta irrisolta: «Gli ingegneri riconoscono di non aver ancora risolto come permettere all’agente di usare le credenziali senza leggerle.»
Il codice costituisce un prototipo di ricerca, non un prodotto ufficiale. Sulla qualità, gli autori avvertono: «Buona parte del codice è stata scritta da agenti di programmazione e gli autori avvertono che potrebbe contenere bug.» Per l’installazione, il suggerimento è chiedere a un agente di leggere la guida allegata al codice e di rispondere alle domande una alla volta.