Basta trattare gli AI per il codice come strumenti usa e getta: date loro veri workspace
L'Evoluzione degli Agenti AI: Da Contenitori Sicuri a Squadre di Sviluppo
All'inizio, con tool come Claude o framework per agenti AI, mettiamo barriere ovunque. Giusto così. Ha evitato disastri, tipo un agente che cancella tutto con un comando sbagliato.
I container hanno risolto il panico iniziale. Ambienti isolati. L'agente può sbizzarrirsi senza toccare i tuoi file personali. Ma poi capita: questi tool diventano affidabili per compiti veri. Non solo esperimenti. Codice pronto per la produzione.
Ed ecco che il modello a singolo agente smette di funzionare.
Il Caos del Lavoro Parallelo
Immagina di dover:
- Rifattorizzare un endpoint API
- Sistemare test che falliscono
- Debuggare un problema Docker
- Migliorare il frontend
L'idea classica? Metti in coda i task. Finisce uno, controlli, passi al prossimo. Ma così supervisioni tutto. Perdi il vantaggio dell'autonomia. Dovevi liberare tempo per decisioni strategiche.
Provi con agenti multipli in parallelo. E qui parte il delirio.
Git diventa un incubo. Due agenti sul medesimo repo e branch? Conflitti ovunque. Un commit ne blocca un altro. Ritrovi il motivo delle code review.
Il filesystem si ribella. Progetti moderni hanno tonnellate di roba non versionata: node_modules, cache di build, database SQLite, .env insicuri. Tutto collide se più processi ci mettono le mani.
Docker Compose ammazza i container. Tutti vogliono la porta 5432. Tutti il container "postgres-dev". Stesso volume. Dal parallelismo passi a un loop di crash sincronizzati.
Il Tranello dei Git Worktrees
La soluzione classica? "Usa git worktree!"
Funziona in teoria. Non in pratica.
I worktree gestiscono checkout multipli su branch diversi, condividendo .git. Ok per umani. Per agenti? Risolve un pezzo minuscolo. Il resto è un casino manuale.
Niente node_modules separati. Niente .env isolati. Niente namespace Docker per Compose. Devi installare dipendenze, ricreare cache, rimappare porte, pregare che non ci siano path fissi.
È come dare a un dipendente una scrivania senza strumenti.
Cambia Prospettiva: Agenti come Colleghi di Team
Il trucco? Smetti di vederli come tool. Trattali da developer.
Non dici a Maria: "Lavora come worktree sul mio branch". Le dici: "Clona il repo, configura l'ambiente, avvia l'app, pusha il branch finito".
Non fork il branch. Fork il contesto di sviluppo intero.
Per farli lavorare in parallelo, servono:
Ambienti isolati. Clone separato per ognuno. Dipendenze proprie, .env dedicato. Zero condivisioni, zero collisioni.
Infrastruttura indipendente. Docker Compose con namespace distinti. Il Postgres di uno non litiga col Redis dell'altro. Test e debug autonomi.
Autenticazione pulita. SSH per git. Credenziali GitHub limitate. Niente chiavi globali condivise.
Consapevolezza del contesto. Sanno su che branch sono, qual è il loro compito, come misurare il successo.
Coordinamento asincrono. Lavorano soli, lasciano risultati reviewabili. Tu decidi merge e tempi.
Come Funziona nella Realtà
Da NameOcean vediamo team adottare questo approccio. Non un agente per progetto. Molti agenti, ognuno con:
- Workspace containerizzati (stile yolobox)
- Database o fixture separati
- Config Docker Compose dedicate
- Manifest di contesto leggibili dagli agenti
- Bridge per clipboard e SSH forwarding
Il flusso? Semplice:
- Agente Alpha parte in workspace A, attacca il modulo auth
- Agente Beta in workspace B, si occupa della doc API
- Agente Gamma in C, scrive e testa
- Ognuno pusha su feature branch propri
- Tu reviewi in parallelo, mergi con criterio
Niente code. Niente baby-sitting. Niente crash collettivi.
La Questione dell'Infrastruttura
Serve ripensare gli ambienti di sviluppo. Piattaforme cloud si stanno adeguando. Infrastructure-as-code non è opzionale. Docker, Kubernetes, dev container (come esplora Vibe Hosting di NameOcean) diventano essenziali.
Conta il templating. Fragment di Dockerfile, varianti docker-compose.yml, script di bootstrap. Sono la specifica che gli agenti eseguono.
Perché Conta Oggi
Siamo al punto di svolta. Agenti AI capaci di combinare guai ma utili da spingere investimenti infrastrutturali. Chi struttura workflow come team software reali accelera. Gli altri arrancano con sandbox monouso.
Non è solo velocità. È moltiplicare la capacità di sviluppo, non solo automatizzare tasti.
Prossimi Passi
Se testi agenti AI:
- Non ottimizzare per uno solo. Progetta per scalare subito.
- Punta su template ambienti. Docker e IaC sono l'OS degli agenti.
- Scopi e permessi stretti. Accessi larghi generano caos.
- Provisioning prioritario. Velocità di spawn = produttività.
- Versiona config agenti. Come il codice, versiona gli ambienti.
Il futuro? Non umano + agente. Squadre orchestrate di entrambi, isolate, verso un obiettivo comune.
Ed è qui che decolla la produttività vera.