Paperclip: Il Piano di Controllo Open Source per le Aziende di Agenti IA

Nella comunità degli agenti IA circola un'analogia efficace: se OpenClaw è un dipendente, Paperclip è l'azienda. Questa sola frase spiega cosa sta cercando di fare Paperclip meglio di qualsiasi descrizione tecnica. Non è un framework per costruire agenti. È il livello organizzativo che si colloca sopra di essi, gestendo il coordinamento, la responsabilità e il controllo del budget su una flotta di lavoratori IA.

Paperclip è stato lanciato nel marzo 2026 da @dotta e ha accumulato oltre 46.700 stelle su GitHub nelle prime settimane. La rapidità di adozione riflette un vuoto reale nell'attuale stack IA: la maggior parte dei team che gestisce più agenti non ha stato condiviso, nessuna visibilità sui costi e nessun modo per impedire a due agenti di fare lo stesso lavoro due volte.

Il problema che Paperclip risolve

Gestire un singolo agente IA è abbastanza semplice. Gestirne venti contemporaneamente è un problema completamente diverso. Senza coordinamento si ottiene lavoro duplicato, costi incontrollati e responsabilità zero su cosa abbia fatto ogni agente.

I modi specifici in cui tutto può andare storto sono familiari a chiunque abbia cercato di scalare workflow multi-agente:

• Nessuno stato condiviso: l'agente A termina un'attività che l'agente B aveva già iniziato. Nessuno dei due sa dell'altro.
• Nessuna visibilità sui costi: la spesa per le API LLM è distribuita su molti processi senza contabilità centrale. I costi reali si scoprono solo a posteriori.
• Nessun coordinamento: gli agenti che dovrebbero passarsi il lavoro operano in silos. I progressi si bloccano perché non esiste un'autorità in grado di sbloccare le dipendenze.
• Nessun audit trail: quando qualcosa va storto, non esiste un registro affidabile di cosa abbia fatto ogni agente, perché e in quale ordine.

Paperclip affronta tutto questo a livello infrastrutturale, prima ancora di scrivere qualsiasi logica di agente.

Non un gestore di attività: una struttura aziendale

Ciò che rende comprensibile Paperclip è che modella i team di agenti IA come si modellerebbe una vera organizzazione. Non con elenchi vaghi di attività, ma con organigrammi, gerarchie di reporting, ruoli definiti, budget mensili per agente, allineamento degli obiettivi e governance a livello di consiglio di amministrazione.

Quest'ultimo punto è importante. Paperclip colloca l'essere umano nel ruolo del consiglio. Gli agenti eseguono all'interno della struttura aziendale, ma l'umano mantiene l'autorità finale su obiettivi, allocazione del budget e politiche. Non si tratta di un'azienda IA autonoma che opera senza supervisione. È un modello di delega strutturato in cui l'autonomia è delimitata e verificabile.

L'architettura a due livelli

Paperclip separa chiaramente le proprie responsabilità in due livelli.

Piano di controllo

Paperclip stesso è il piano di controllo. Gestisce gli agenti, assegna le attività, applica i budget, mantiene l'audit trail e gestisce la governance. Gli agenti non girano all'interno di Paperclip. Girano esternamente e riferiscono. Paperclip è la parte che sa cosa sta accadendo in tutta l'azienda in qualsiasi momento.

Servizi di esecuzione

Gli agenti sono servizi di esecuzione. Vivono al di fuori di Paperclip, girano sull'infrastruttura più adatta a ogni runtime e si connettono al piano di controllo tramite adattatori. Il pattern degli adattatori è il modo in cui Paperclip evita di legarti a uno stack IA specifico. Gli agenti "telefonano a casa" per segnalare lo stato delle attività, prelevare lavoro dalla coda di issue e registrare la propria attività nell'audit trail.

Primitive fondamentali

Paperclip definisce un piccolo insieme di primitive che si compongono per formare la struttura aziendale completa.

Azienda

Il contenitore di livello superiore. Un'azienda ha obiettivi, un elenco di agenti e una politica di governance. Tutto il resto vive all'interno di un'azienda.

Agenti

Ogni agente ha un ruolo definito, un budget mensile in centesimi e uno stato. L'applicazione del budget è atomica: quando un agente raggiunge il suo limite mensile, si ferma. Non esiste degradazione graduale né possibilità di aggiramento. È intenzionale. I limiti morbidi falliscono silenziosamente; quelli rigidi no.

Issue e attività

Il lavoro è modellato come issue e attività. Il meccanismo chiave è il checkout atomico: quando un agente richiede un'attività, viene bloccata su quell'agente fino al completamento o al rilascio esplicito. Nessun altro agente può prenderla. Questa è la funzionalità specifica che elimina il problema del lavoro duplicato, ed è implementata a livello di database piuttosto che lasciata alla logica applicativa.

Heartbeat

Gli agenti operano su cicli di attivazione pianificati chiamati heartbeat. Invece di girare continuamente, un agente si attiva secondo un programma, controlla il lavoro assegnato, lo esegue, riferisce e si addormenta. Questo rende i costi di calcolo prevedibili e il comportamento degli agenti verificabile.

Governance

Il livello di governance formalizza il modello umano-come-consiglio. Le decisioni politiche, le modifiche al budget e gli aggiornamenti degli obiettivi transitano attraverso la governance. L'audit trail è immutabile: una volta registrate, le azioni degli agenti non possono essere modificate o cancellate. Questo è importante per la responsabilità ed è sempre più rilevante man mano che gli agenti IA intraprendono azioni con conseguenze reali.

Il sistema di adattatori

Paperclip include adattatori per nove runtime fin dall'inizio:

• Claude (Anthropic)
• Codex (OpenAI)
• Gemini (Google)
• Cursor
• OpenCode
• OpenClaw
• Hermes
• Process (qualsiasi sottoprocesso locale)
• HTTP (qualsiasi endpoint API)

Gli adattatori HTTP e Process sono le vie di fuga. Qualsiasi runtime in grado di effettuare una chiamata HTTP o girare come sottoprocesso si integra con Paperclip. Il pattern degli adattatori significa che il piano di controllo rimane stabile mentre l'ecosistema degli agenti evolve. I nuovi runtime IA arrivano come adattatori senza richiedere modifiche al core.

Stack tecnologico

Le scelte implementative riflettono un'ingegneria di qualità produttiva piuttosto che una prototipazione rapida:

• React 19 per il frontend
• Express.js 5 per il livello API
• PostgreSQL 17 per la persistenza, con PGlite come opzione incorporata per lo sviluppo locale
• Drizzle ORM per l'accesso tipizzato al database
• Better Auth per l'autenticazione

L'opzione PGlite merita attenzione. Significa che puoi eseguire un'istanza completa di Paperclip localmente senza un server di database separato. Per lo sviluppo e i deployment su singola macchina, l'opzione incorporata elimina una dipendenza operativa significativa.

L'applicazione del budget nella pratica

L'applicazione del budget merita una sezione propria perché è una delle funzionalità con più impatto in produzione. Paperclip traccia la spesa per agente in centesimi, con cicli di reset mensili. I limiti sono rigidi.

Non è una dashboard che ti mostra quanto hai speso il mese scorso. È un sistema che ferma un agente quando raggiunge il suo limite nel mezzo di un'attività. Le implicazioni sono significative:

• I team finanziari ottengono una spesa IA prevedibile senza fatture sorpresa
• I team tecnici possono sperimentare nuove configurazioni di agenti senza rischiare costi incontrollati
• Gli agenti con maggiore responsabilità o throughput ricevono budget più elevati; quelli con priorità inferiore ricevono budget più bassi
• L'allocazione del budget diventa una decisione di governance, non un pensiero secondario

Per le organizzazioni che gestiscono l'automazione IA su larga scala, questa sola funzionalità giustifica il costo architetturale di adottare un livello di orchestrazione.

Self-hosted e licenza MIT

Paperclip è completamente self-hosted e rilasciato con licenza MIT. Nessun costo di utilizzo, nessun vendor lock-in, nessuna dipendenza da servizi esterni. La tua azienda di agenti gira sulla tua infrastruttura e i dati che genera rimangono lì.

Per i settori regolamentati o le organizzazioni con requisiti stringenti nella gestione dei dati, non si tratta di una funzionalità aggiuntiva. È un prerequisito. Lo stesso audit trail che aiuta a gestire gli agenti aiuta anche a dimostrare la conformità normativa, perché i record si trovano nel proprio database.

Clipmart: il marketplace in arrivo

Clipmart è il marketplace pianificato per le aziende IA precostituite. Il concetto è che scarichi una configurazione aziendale completa, inclusi ruoli degli agenti, template di attività, politiche di governance e allocazioni di budget, e la distribuisci sulla tua istanza Paperclip.

È una scommessa significativa sull'idea che le configurazioni di aziende IA diventeranno un artefatto condivisibile e riutilizzabile, come i pacchetti software. Un'"azienda di supporto clienti" o un'"azienda di code review" precostruita che distribuisci e personalizzi invece di costruire da zero. Il successo di Clipmart dipende dal fatto che la community produca configurazioni che valga la pena condividere, ma il modello è solido.

Cosa rappresenta tutto questo

I singoli agenti IA sono il primo livello di questo cambiamento tecnologico. Possono eseguire attività, usare strumenti e operare autonomamente entro limiti definiti. Ma i singoli agenti raggiungono un soffitto: non possono coordinarsi, non possono condividere le risorse in modo efficiente e non possono essere governati come collettivo.

Paperclip rappresenta il secondo livello. È un'infrastruttura per le organizzazioni multi-agente, non gli script multi-agente. La distinzione conta perché le organizzazioni hanno proprietà che gli script non hanno: responsabilità, definizione dei ruoli, allocazione delle risorse, applicazione delle politiche e audit trail. Queste proprietà sono ciò che rende i deployment di agenti sufficientemente sicuri per l'uso in produzione nei workflow critici per il business.

Il progetto è su paperclip.ing/docs e il codice sorgente su GitHub. Se stai costruendo workflow multi-agente e il coordinamento è diventato il problema principale, vale la pena dedicare del tempo alla valutazione.

In webvise, aiutiamo le aziende a progettare e implementare architetture di automazione IA che reggono in produzione. Se stai valutando piattaforme di orchestrazione o cerchi di strutturare un deployment multi-agente per lavoro reale, contattaci e ti aiuteremo a trovare l'approccio giusto.