Paperclip è un framework multi-agent sviluppato da AiNextStudio che simula una struttura aziendale con agenti AI specializzati: CEO (Claude Opus per decisioni strategiche), CTO (Hermes per task tecnici), CMO (Claude Sonnet per marketing) e ZiClaw (DeepSeek per task ad alto volume). Gira su iMac locale alla porta 3100.

Come funziona un sistema multi-agent come Paperclip?

Un orchestratore centrale riceve i task, li decompone e li assegna agli agenti specializzati. Ogni agente ha il proprio modello AI, set di tool e area di competenza. Gli agenti lavorano in parallelo e l'orchestratore aggrega i risultati. Tutto è coordinato via Telegram per notifiche e approvazioni.

Posso costruire un sistema multi-agent simile a Paperclip?

Sì. I passi fondamentali sono: identificare i ruoli ricorrenti nella tua operatività, scegliere i modelli giusti per ogni ruolo (modelli economici per volume, potenti per decisioni), definire i permessi per agente, costruire l'orchestratore con AutoGen o CrewAI, e integrare Telegram dal primo giorno per il controllo remoto.

Paperclip: come creare agenti AI che gestiscono un'azienda

Cosa succederebbe se potessi delegare le operazioni quotidiane della tua azienda a un team di agenti AI specializzati? Ognuno con il suo ruolo, il suo modello, i suoi tool — coordinati da un orchestratore centrale. Non e fantascienza: e Paperclip, il framework multi-agent che ho costruito per AiNextStudio.

Il nome: perche Paperclip

Riferimento ironico al pensiero esperimento di Nick Bostrom: un'AI che ottimizza la produzione di graffette fino a esaurire tutte le risorse del pianeta. Paperclip (il framework) fa l'opposto: agenti specializzati con obiettivi precisi e limiti chiari.

L'architettura

Paperclip gira su iMac alla porta 3100 con un'architettura gerarchica a tre livelli.

Livello 1: L'orchestratore

Riceve i task (Telegram, API o cron), li decompone e li assegna agli agenti. Monitora l'esecuzione, gestisce i fallimenti e aggrega i risultati.

Livello 2: Gli agenti specializzati

CEO Agent (Claude Opus): decisioni strategiche, valutazione proposte, definizione priorita. Ha accesso ai dati di business.

CTO Agent (Hermes via OpenRouter): task tecnici — review codice, monitoraggio servizi, identificazione bug.

CMO Agent (Claude Sonnet): marketing e contenuti — post social, analisi campagne, copy, monitoraggio competitor.

ZiClaw Agent (DeepSeek): task ad alto volume e basso costo — ricerche web, sintesi, analisi dati.

Livello 3: Tool condivisi

Telegram, filesystem, API esterne, database. L'orchestratore gestisce i permessi per ruolo.

Un ciclo operativo reale

Task: 'analizza le performance di questa settimana'. L'orchestratore lo riceve dal cron settimanale, assegna metriche al CTO, marketing al CMO, ricerche trend a ZiClaw. CEO Agent riceve i tre report e produce un piano d'azione. Report finale via Telegram in 3-5 minuti, senza intervento umano.

Perche multi-agent

Costo: modelli economici per task semplici, potenti solo dove serve
Qualita: agente focalizzato produce output migliori di uno generalista
Parallelismo: piu agenti lavorano contemporaneamente

Come costruire il tuo sistema

Identifica i ruoli: quali task si ripetono? Chi li fa? Inizia con un agente solo.
Scegli i modelli: Claude Opus per decisioni, Hermes per tecnico ricorrente, DeepSeek per volume.
Definisci i permessi: ogni agente solo i tool di cui ha bisogno.
Costruisci l'orchestratore: AutoGen o CrewAI come base.
Telegram dal primo giorno: ogni azione significativa deve generare una notifica.

Limiti da considerare

Debugging complesso: servono log dettagliati per ogni agente
Costi: chiamate parallele si accumulano rapidamente
Allucinazioni propagate: un errore amplificato tra agenti
Dipendenze: se l'orchestratore va giu, tutto si ferma

Per le basi: Cosa sono gli agenti AI. Per i componenti: OpenClaw e Hermes AI.