Anthropic ha introdotto una nuova funzione sperimentale per Claude Code chiamata Agent View, progettata per gestire simultaneamente più agenti AI all’interno dello stesso ambiente di sviluppo. La novità rappresenta un’evoluzione importante del paradigma di coding assistito, perché sposta il ruolo dell’intelligenza artificiale da semplice supporto interattivo a infrastruttura coordinata di agenti operativi paralleli. In pratica, Claude Code non viene più utilizzato come singolo assistente conversazionale che lavora su una richiesta per volta, ma come piattaforma capace di orchestrare più sessioni AI autonome contemporaneamente.
La funzione Agent View nasce per risolvere un problema concreto che sta emergendo rapidamente nello sviluppo software AI-assisted: la gestione simultanea di task multipli eseguiti da agenti indipendenti. Fino a oggi, gli sviluppatori che volevano utilizzare Claude Code in modalità parallela erano costretti a lavorare con numerosi terminali, tab separate o configurazioni basate su tmux, mantenendo manualmente il controllo sullo stato di ogni sessione AI. Questo approccio diventava rapidamente difficile da gestire quando gli agenti iniziavano a lavorare su attività lunghe o indipendenti, come review di pull request, refactoring estesi, aggiornamenti documentali, test automatici o analisi di codebase molto grandi.
Agent View introduce invece una sorta di layer di orchestrazione centrale. Tutte le sessioni Claude Code attive vengono visualizzate all’interno di una singola interfaccia, con indicatori relativi allo stato operativo, all’ultima risposta prodotta, al tempo trascorso dall’ultima interazione e all’eventuale necessità di input umano. L’effetto è quello di trasformare l’ambiente CLI in una dashboard multi-agente persistente, dove il programmatore non dialoga più con un solo sistema AI, ma supervisiona un ecosistema di processi paralleli.
I moderni strumenti di AI coding stanno evolvendo rapidamente da sistemi “prompt-response” verso modelli agentici persistenti. Nel paradigma tradizionale, lo sviluppatore invia una richiesta, il modello genera una risposta e l’interazione termina o riparte manualmente. Nei sistemi agentici, invece, l’AI continua a lavorare autonomamente nel tempo, mantiene stato operativo, esegue task progressivi, monitora processi e richiede intervento umano solo quando necessario. Agent View è stato progettato esattamente per questo scenario operativo.
Anthropic permette di creare nuovi agenti in background tramite il comando claude –bg [task], oppure di convertire sessioni già esistenti usando /bg. Questo significa che un’attività non deve più monopolizzare l’interfaccia principale dello sviluppatore. Un agente può continuare a eseguire analisi, generare codice, controllare dipendenze o preparare modifiche mentre l’utente lavora su altre attività. L’interfaccia centralizzata consente poi di tornare rapidamente sullo stato del singolo agente, visualizzarne il contesto e intervenire direttamente se il modello richiede conferme o decisioni.
La logica architetturale è molto simile a quella di un sistema operativo per agenti AI. Ogni sessione viene trattata come un processo indipendente con stato, memoria contestuale e capacità operative separate. Lo sviluppatore non è più il soggetto che esegue direttamente ogni attività, ma assume progressivamente il ruolo di supervisore e orchestratore di agenti specializzati. Questo cambiamento è coerente con l’evoluzione più ampia dell’AI coding verso workflow agentici persistenti.
Anthropic ha indicato alcuni casi d’uso già emersi tra gli utenti iniziali. Alcuni sviluppatori utilizzano agenti paralleli per esplorare contemporaneamente più approcci implementativi allo stesso problema. Altri delegano a sessioni dedicate task lenti come review di pull request, aggiornamenti dashboard, generazione di documentazione o verifica di regressioni. Un altro pattern osservato consiste nell’aprire rapidamente agenti “temporanei” per interrogare parti specifiche della codebase senza interrompere il lavoro principale.
Questo tipo di workflow cambia radicalmente la struttura cognitiva dello sviluppo software. Tradizionalmente il programmatore lavora in modo fortemente seriale: apre un task, mantiene il contesto mentale della modifica, esegue debugging, controlla dipendenze e passa progressivamente ad altre attività. I sistemi multi-agente introducono invece una parallelizzazione del lavoro cognitivo. Più agenti AI mantengono contemporaneamente contesti differenti della codebase, producono output indipendenti e riportano risultati all’utente umano. Lo sviluppatore diventa così il punto di coordinamento tra processi AI concorrenti.
Gestire più agenti contemporaneamente significa affrontare problemi di sincronizzazione del contesto, coerenza delle modifiche, conflitti tra sessioni e supervisione delle decisioni automatiche. Due agenti che lavorano su aree correlate della stessa codebase possono produrre modifiche incompatibili, introdurre regressioni reciproche o prendere decisioni architetturali divergenti. Per questo motivo, il livello di orchestrazione diventa fondamentale. Agent View non è semplicemente un pannello di monitoraggio, ma un sistema di coordinamento operativo.
Un altro aspetto importante riguarda la gestione dell’attenzione umana. Nei sistemi agentici avanzati, il collo di bottiglia non è più necessariamente la velocità di generazione del codice, ma la capacità dello sviluppatore di supervisionare efficacemente numerosi processi AI paralleli. Anthropic sembra voler ridurre proprio questo carico cognitivo attraverso indicatori di stato sintetici, preview rapide delle sessioni e possibilità di intervenire solo nei momenti realmente necessari. In pratica, il sistema cerca di trasformare gli agenti AI da “generatori di richieste continue” a collaboratori relativamente autonomi che interrompono l’utente soltanto quando serve una decisione.
La funzione assume ancora più rilevanza se collegata alla recente evoluzione di Claude Code verso l’agentic coding. Negli ultimi mesi Anthropic ha introdotto automazioni persistenti, task ripetibili e strumenti di esecuzione continua progettati per mantenere gli agenti attivi anche su workflow lunghi. Agent View rappresenta quindi il livello superiore di questa architettura: non solo agenti autonomi, ma sistemi per amministrarne molti contemporaneamente.
Questo approccio si differenzia dai tradizionali assistenti di coding come GitHub Copilot nelle modalità operative fondamentali. I sistemi di autocomplete AI lavorano tipicamente su finestre contestuali limitate e su interazioni molto brevi. Claude Code, invece, si sta muovendo verso un modello in cui gli agenti mantengono memoria operativa della sessione, seguono obiettivi di medio periodo e collaborano attivamente con lo sviluppatore. L’aggiunta di un orchestratore multi-agente porta questa filosofia a un livello ulteriore.
Se un singolo sviluppatore può coordinare simultaneamente numerosi agenti AI specializzati, la quantità di lavoro parallelizzabile aumenta enormemente. Alcune attività possono essere delegate completamente, altre monitorate passivamente e altre ancora gestite come task asincroni. Questo modello assomiglia molto più alla gestione di un team tecnico che alla programmazione individuale tradizionale.
Tuttavia, emergono anche nuove problematiche operative. Gli agenti AI non hanno ancora una comprensione architetturale realmente completa dei sistemi software complessi. Possono essere molto efficaci nel gestire task locali, generare modifiche consistenti o eseguire refactoring limitati, ma rischiano di introdurre incoerenze sistemiche quando lavorano su codebase molto grandi o su modifiche interdipendenti. Più aumenta il numero di agenti simultanei, più cresce il rischio di conflitti logici difficili da individuare rapidamente.
Questo rende centrale il ruolo del controllo umano. Anthropic sembra progettare Agent View non come sistema di sostituzione dello sviluppatore, ma come strumento di supervisione aumentata. Lo sviluppatore mantiene la responsabilità architetturale, mentre gli agenti operano come esecutori specializzati di task circoscritti. È un modello molto vicino al concetto emergente di “AI orchestration”, dove il valore non deriva soltanto dalla qualità del singolo modello, ma dalla capacità di coordinare ecosistemi di agenti cooperativi.
La scelta della CLI come ambiente operativo è anch’essa significativa. Anthropic continua a puntare fortemente su workflow sviluppatore-centrici, evitando per ora interfacce fortemente astratte o low-code. Questo permette agli utenti avanzati di mantenere controllo diretto sull’ambiente, sui processi e sui comandi eseguiti dagli agenti. Agent View si integra quindi nella cultura tipica degli sviluppatori che lavorano già intensivamente su terminale, shell scripting e pipeline automatizzate.
La disponibilità della funzione per utenti Pro, Max, Team, Enterprise e API indica inoltre che Anthropic considera il multi-agent management una funzione avanzata orientata soprattutto a team professionali e ambienti enterprise. In questi contesti, la capacità di orchestrare più agenti AI può avere impatti significativi su code review, manutenzione di grandi repository, migrazione di framework, gestione della documentazione e sviluppo di funzionalità distribuite.