Il 5 febbraio 2026 Anthropic ha rilasciato Claude Opus 4.6, il modello di punta della famiglia Claude 4.5. Tra le tante novità — finestra di contesto da 1 milione di token, adaptive thinking, integrazione con PowerPoint — ce n'è una che sta cambiando radicalmente il modo in cui gli sviluppatori lavorano con l'AI: gli Agent Teams.
Non stiamo parlando di un semplice aggiornamento. Gli Agent Teams trasformano Claude Code da un singolo assistente AI che lavora in sequenza a un vero e proprio team di agenti coordinati che lavorano in parallelo, ognuno specializzato su una parte diversa del progetto. Pensala così: invece di avere un unico sviluppatore che fa tutto, hai una squadra completa con ruoli definiti, che comunica e si coordina autonomamente.
In questa guida ti mostro tutto quello che devi sapere: cosa sono esattamente gli Agent Teams, come configurarli passo dopo passo, quando conviene usarli, quanto costano e quali sono le best practices per ottenere risultati concreti. Se lavori con Claude Opus 4.6 o stai valutando di adottarlo, questa è la guida che fa per te.
Cosa sono gli Agent Teams di Claude Opus 4.6
Gli Agent Teams sono una funzionalità in research preview disponibile in Claude Code che permette a una singola sessione — il Team Lead — di creare più istanze di Claude Code (i Teammate) che lavorano contemporaneamente sullo stesso progetto. Ogni teammate opera nel proprio contesto, con la propria finestra di token, e può comunicare direttamente sia con il lead che con gli altri compagni di squadra.
L'architettura è elegante nella sua semplicità. Il Team Lead funge da orchestratore: analizza il compito, lo suddivide in sotto-attività, le assegna ai teammate e sintetizza i risultati finali. I teammate ricevono le istruzioni, lavorano in modo autonomo e riportano le proprie scoperte attraverso un sistema di messaggistica e una lista di task condivisa con gestione automatica delle dipendenze.
Scott White, Head of Product di Anthropic, ha paragonato la funzionalità all'avere un team di professionisti che lavora per te, sottolineando come la segmentazione delle responsabilità permetta agli agenti di coordinarsi in parallelo e lavorare molto più velocemente rispetto a un singolo agente sequenziale.
Agent Teams vs Subagents: le differenze chiave
Se hai già usato Claude Code, probabilmente conosci i subagents — agenti ausiliari che il modello può creare durante una sessione per delegare compiti specifici. Potresti chiederti: qual è la differenza rispetto agli Agent Teams? La risposta è sostanziale.
I subagents operano all'interno della stessa sessione del lead e possono solo riferire al lead. Sono ideali per compiti indipendenti e circoscritti che non necessitano di coordinazione tra agenti, come una rapida ricerca o una verifica. Pensa a un assistente che mandi a controllare un dato mentre tu continui a lavorare.
Gli Agent Teams, invece, sono istanze completamente separate. Ogni teammate ha il proprio contesto, carica i propri file di progetto (come CLAUDE.md), e soprattutto può comunicare direttamente con gli altri teammate, non solo con il lead. Questo significa che possono scambiarsi informazioni, mettere in discussione le scoperte reciproche e validare il lavoro degli altri — esattamente come farebbe un team umano.
La regola pratica è semplice: se hai bisogno di un aiuto rapido su un sotto-compito indipendente, usa i subagents. Se i tuoi agenti devono condividere scoperte, sfidarsi a vicenda e coordinarsi autonomamente, usa gli Agent Teams.
Come configurare gli Agent Teams: setup passo dopo passo
La configurazione degli Agent Teams richiede pochi passaggi, ma è importante farli correttamente. Ecco il processo completo.
Prerequisiti
Per utilizzare gli Agent Teams ti servono un abbonamento Claude Max (100-200$/mese) per avere crediti Opus 4.6 sufficienti, Claude Code installato nel tuo terminale, e tmux se vuoi la modalità split-pane (consigliata). Gli Agent Teams funzionano anche senza tmux in modalità in-process, ma vedere ogni agente nel suo pannello dedicato è un vantaggio enorme per il monitoraggio.
Step 1: Abilitare la feature sperimentale
Gli Agent Teams sono disabilitati di default. Per attivarli, devi impostare la variabile d'ambiente CLAUDE_CODE_EXPERIMENTAL_AGENT_TEAMS=1. Puoi farlo nel tuo file settings.json di Claude Code oppure direttamente nel terminale prima di avviare la sessione. Verifica che la variabile sia attiva con echo $CLAUDE_CODE_EXPERIMENTAL_AGENT_TEAMS — il risultato deve essere 1.
Step 2: Installare e configurare tmux
Su macOS puoi installare tmux con brew install tmux. Su Ubuntu/Debian il comando è sudo apt install tmux. Una volta installato, avvia una sessione tmux prima di lanciare Claude Code. Se usi iTerm2 su macOS, il consiglio è di usare tmux -CC (control mode) che mappa i pannelli tmux su tab e finestre native di iTerm2, rendendo l'esperienza molto più fluida.
Attenzione: la modalità split-pane non funziona nel terminale integrato di VS Code, Windows Terminal o Ghostty. Devi usare un terminale esterno. Anthropic stessa raccomanda di eseguire tmux da un terminale esterno.
Step 3: Avviare il team
Una volta dentro una sessione tmux con Claude Code attivo, basta descrivere in linguaggio naturale cosa vuoi che il team faccia. Non servono file YAML, configurazioni complesse o boilerplate. Puoi semplicemente scrivere qualcosa come: "Crea un agent team per revisionare questa codebase. Genera 3 teammate: uno per il backend, uno per il frontend e uno per la sicurezza."
Claude creerà automaticamente il team, assegnerà i compiti e inizierà a coordinare il lavoro. Ogni teammate apparirà nel suo pannello tmux con un colore distinto.
Le tre modalità di visualizzazione
Gli Agent Teams supportano tre modalità operative che influenzano la tua esperienza di monitoraggio.
In-process (default)
Tutti i teammate funzionano dentro il tuo terminale principale. Usa Shift+Up e Shift+Down per selezionare un teammate, Enter per vedere la sua sessione, Escape per interromperlo e Ctrl+T per mostrare la lista dei task. Funziona ovunque, anche in VS Code, ma diventa caotico con più di due agenti.
Split panes (consigliata)
Ogni teammate ottiene il suo pannello tmux o iTerm2 dedicato. Puoi vedere l'output di tutti contemporaneamente e cliccare su un pannello per interagire direttamente con quell'agente. Questa è la modalità che consiglio perché ti permette di identificare immediatamente problemi o deviazioni prima che consumino inutilmente token.
Auto (default setting)
Claude Code rileva automaticamente l'ambiente. Se sei già dentro una sessione tmux, usa split panes. Altrimenti, cade in modalità in-process. Per forzare una modalità specifica, puoi impostare teammateMode nel tuo settings.json.
Casi d'uso reali: quando gli Agent Teams fanno la differenza
Non tutto merita un team di agenti. La regola d'oro è che gli Agent Teams ripagano il costo in token — circa 5 volte superiore a una sessione singola — solo quando il lavoro è genuinamente parallelizzabile. Ecco i casi dove brillano davvero.
Code review multi-specialista
Questo è il "sweet spot" degli Agent Teams. Assegni diversi aspetti della codebase a diversi revisori: uno si concentra sulla sicurezza, uno sulle performance, uno sulla manutenibilità. I risultati vengono poi incrociati per identificare gap e conflitti. In un esempio documentato da Julien Simon, 5 agenti specializzati hanno completato un audit completo di un sito web — UX, SEO, sicurezza, performance e impatto business — in pochi minuti, un lavoro che avrebbe richiesto ore a un team umano.
Debug con ipotesi concorrenti
Invece di cercare un bug in modo sequenziale, lanci più agenti con ipotesi diverse. Uno indaga il layer database, un altro l'API, un altro il frontend. Condividono le scoperte e convergono sulla causa radice molto più velocemente del debug tradizionale. Questo approccio funziona particolarmente bene per quei bug misteriosi che coinvolgono più livelli dell'applicazione.
Sviluppo parallelo di nuovi moduli
Per feature che coinvolgono più moduli, assegni un agente per modulo. Si coordinano tramite la lista di task condivisa e garantiscono che le interfacce tra i moduli siano allineate. Un esempio concreto: un agente sviluppa la UI, un altro il backend API, un terzo i test end-to-end.
Refactoring su larga scala
Suddividi il refactoring in blocchi indipendenti. Gli agenti lavorano in parallelo e validano che le modifiche non introducano regressioni. Ogni agente possiede i propri file, evitando conflitti di scrittura.
Generazione e verifica documentazione
Più agenti analizzano parti diverse della codebase e generano documentazione, poi incrociano i risultati per garantire coerenza e completezza. Questo è particolarmente utile per progetti legacy dove la documentazione è carente o inesistente.
Il caso studio: 16 agenti costruiscono un compilatore C
Il caso più impressionante viene direttamente da Anthropic. Nicholas Carlini, ricercatore nel team Safeguards, ha lanciato 16 agenti paralleli con il compito di costruire un compilatore C da zero in Rust, capace di compilare il kernel Linux. Il risultato, dopo quasi 2.000 sessioni di Claude Code e circa 20.000 dollari in costi API, è stato un compilatore da 100.000 righe di codice che può effettivamente compilare Linux 6.9 su architetture x86, ARM e RISC-V.
Il sistema di coordinazione era relativamente semplice: ogni agente lavorava in un container Docker con una copia locale del repository. Per evitare che due agenti lavorassero sullo stesso problema, veniva usato un meccanismo di "lock" basato su file di testo. Un agente scriveva un file come current_tasks/parse_if_statement.txt per bloccare quel compito, e Git impediva ad un secondo agente di reclamarlo.
Questo case study dimostra sia le enormi potenzialità degli Agent Teams sia i loro limiti attuali. Il compilatore funziona, ma il codice Rust non è al livello di un programmatore esperto, il codice generato è meno efficiente di GCC anche senza ottimizzazioni, e alcune funzionalità avanzate sono rimaste incomplete. Come ha scritto lo stesso Carlini, scoprire cosa gli agenti sono capaci di fare autonomamente è tanto affascinante quanto istruttivo sui limiti attuali.
Costi e consumo token: cosa aspettarsi
La trasparenza sui costi è fondamentale. Ogni teammate è un'istanza separata di Claude con la propria finestra di contesto, il che significa che il consumo di token scala linearmente con il numero di agenti. Un team di 5 agenti consuma circa 5 volte i token di una sessione singola.
Nel caso del compilatore C, il costo totale è stato di circa 20.000 dollari per 2 miliardi di token in input e 140 milioni in output. Ovviamente, la maggior parte dei progetti non raggiungerà queste cifre, ma è importante pianificare il budget.
Per chi usa Claude Max, il piano da 100-200$/mese con limiti settimanali, un uso intensivo degli Agent Teams può esaurire rapidamente i crediti. Come ha riportato uno sviluppatore, dopo una singola sessione intensiva con team di agenti su più codebase, il suo limite settimanale era già fortemente impattato.
Un consiglio pratico per ottimizzare i costi: puoi assegnare modelli diversi ai diversi teammate. Usa Opus 4.6 per il Team Lead che gestisce le decisioni strategiche, e Sonnet per i teammate che eseguono compiti specifici. Questo mantiene la qualità della coordinazione riducendo significativamente la spesa.
Limitazioni note e workaround
Gli Agent Teams sono in research preview, e ci sono limitazioni importanti da conoscere prima di investire tempo e denaro.
Nessun ripristino di sessione
I comandi /resume e /rewind non ripristinano i teammate in modalità in-process. Se riprendi una sessione, il lead potrebbe tentare di messaggiare teammate che non esistono più. In quel caso, chiedi al lead di creare nuovi teammate.
Lo stato dei task può restare indietro
A volte i teammate non aggiornano correttamente lo stato dei task come completati, bloccando task dipendenti. Se un compito sembra bloccato, verifica manualmente se il lavoro è stato effettivamente completato e aggiorna lo stato di conseguenza, oppure chiedi al lead di sollecitare il teammate.
Nessun file locking nativo
Due teammate che scrivono sullo stesso file contemporaneamente generano conflitti (vince l'ultimo che scrive). La soluzione è strutturare i compiti in modo che ogni teammate sia proprietario di file diversi. Questa è una regola fondamentale per il successo degli Agent Teams.
Shutdown lento
I teammate completano la loro richiesta o tool call corrente prima di spegnersi, il che può richiedere tempo. Un team alla volta per sessione.
Timeout heartbeat di 5 minuti
Se un teammate crasha, ci sono 5 minuti di attesa prima che i suoi task possano essere riassegnati. In team piccoli, questo può creare un collo di bottiglia temporaneo.
Best practices per risultati ottimali
Dopo aver analizzato le esperienze della community e le raccomandazioni di Anthropic, ecco le best practices che ti consiglio di seguire.
Inizia piccolo
Un team di 2-3 agenti è il punto di partenza ideale. Come hanno riportato diversi sviluppatori, un team di 3 ben strutturato batte quasi sempre un team di 6 mal organizzato. La decomposizione dei task è più importante del numero di agenti.
Inizia con task di sola lettura
Per la prima esperienza con gli Agent Teams, scegli compiti come code review, ricerca tecnica o indagine su bug. Questi showcasano il valore dell'esplorazione parallela senza la complessità della scrittura concorrente.
Definisci ruoli specifici
Ogni agente deve avere un ruolo chiaro e circoscritto. "Correggi tutti i bug" è troppo ampio. "Analizza il modulo di autenticazione per vulnerabilità di session management" è perfetto. La specializzazione produce contesti più puliti e ragionamenti migliori.
Usa CLAUDE.md per guidare il team
I teammate leggono automaticamente i file CLAUDE.md dalla working directory. Usali per fornire linee guida specifiche del progetto a tutti i teammate. È come dare un brief dettagliato a tutto il team prima di iniziare.
Monitora attivamente in split-pane
La modalità split-pane non è solo estetica — è come identifichi e correggi le deviazioni prima che consumino inutilmente i token. Se un agente sta andando nella direzione sbagliata, interrompi e ridireziona subito.
Pre-approva i permessi
Gli Agent Teams generano molte richieste di permesso perché ogni teammate ha bisogno di approvazione per scrivere file, eseguire comandi e così via. Controlla le impostazioni dei permessi e pre-approva le operazioni con cui ti senti a tuo agio. Questo riduce drasticamente le interruzioni.
Agent Teams nell'ecosistema AI: il contesto competitivo
Il lancio degli Agent Teams non è avvenuto in un vuoto. OpenAI aveva appena presentato funzionalità multi-agente con Codex, e la pressione competitiva è evidente. Tuttavia, l'approccio di Anthropic si distingue per l'integrazione nativa in Claude Code — che ha raggiunto 1 miliardo di dollari di ricavi annuali in soli sei mesi dalla disponibilità generale — e per il focus sulla coordinazione autonoma con messaggistica diretta tra agenti.
Per le aziende italiane che stanno valutando quale AI generativa adottare, gli Agent Teams rappresentano un elemento di forte differenziazione. La combinazione di performance superiori sui benchmark (Opus 4.6 supera GPT-5.2 di circa 144 punti Elo su GDPval-AA), prezzi invariati a 5/25 dollari per milione di token, e un profilo di sicurezza solido rende Anthropic sempre più competitiva nei settori dove precisione e affidabilità contano davvero.
Se vuoi approfondire come l'AI sta impattando le competenze degli sviluppatori, ti consiglio di leggere anche lo studio di Anthropic sull'AI e le skill degli sviluppatori. È un tema strettamente collegato: con strumenti sempre più autonomi come gli Agent Teams, il ruolo dello sviluppatore si sposta inevitabilmente verso la supervisione, la progettazione architetturale e il pensiero critico.
Leggi anche
- App Codex di OpenAI: 1 Milione di Download in 7 Giorni
- Claude Opus 4.6 Fast Mode: 2.5x Più Veloce a 6x il Prezzo
- Rent-a-Human: Come Funziona il Sito Dove l'AI Assume Umani
- Studio Anthropic: l'AI Riduce le Competenze del 17%
- Claude Opus 4.6 Trova 500 Vulnerabilità Zero-Day
Conclusione: il futuro dello sviluppo è multi-agente
Gli Agent Teams di Claude Opus 4.6 non sono un gadget — sono un'anticipazione concreta di come lavoreremo con l'AI nei prossimi anni. La possibilità di orchestrare team di agenti specializzati che si coordinano autonomamente, comunicano tra loro e lavorano in parallelo è un salto qualitativo rispetto al modello "un umano, un chatbot".
Certo, siamo ancora in research preview. Le limitazioni ci sono e vanno conosciute. Ma chi inizia a sperimentare oggi avrà un vantaggio competitivo domani, quando queste funzionalità diventeranno mainstream. Che tu sia uno sviluppatore che vuole velocizzare code review e debugging, o un team leader che vuole esplorare nuovi modelli di produttività, gli Agent Teams meritano la tua attenzione.
Se stai valutando come integrare l'AI nel tuo workflow di sviluppo o vuoi capire come gli Agent Teams possono accelerare i tuoi progetti, contattami — posso aiutarti a trovare l'approccio giusto per le tue esigenze.
