BESSER Bot Framework

Questa recensione del BESSER Bot Framework illustra a cosa serve il framework, le sue caratteristiche principali, quanto costa, in che modo il cambio di nome in BESSER Agentic Framework influisce sull’utente, i suoi punti di forza e di debolezza, e come si posiziona rispetto ad altri strumenti. Il BESSER Bot Framework (BBF) fa parte di BESSER (Building Better Smart Software Faster), un progetto open source low-code del Luxembourg Institute of Science and Technology (LIST), che mira ad aiutare i team a sviluppare software intelligenti migliori in tempi più rapidi. Nel febbraio 2025 il progetto è stato rinominato BESSER Agentic Framework (BAF) per riflettere il passaggio dai bot basati su regole agli agenti di intelligenza artificiale (annuncio del LIST). Il vecchio besser-bot-framework pacchetto su PyPI si ferma alla versione 1.5.0; i nuovi sviluppi vengono distribuiti come besser-agentic-framework, versione 4.5.2 al momento della stesura di questo articolo. Si scrive un agente in codice Python semplice: stati, transizioni tra di essi e gli intenti che innescano tali transizioni.

A cosa serve il BESSER Bot Framework?

Il framework viene utilizzato per creare chatbot e agenti di intelligenza artificiale che seguono un flusso di conversazione chiaro ma sono comunque in grado di comprendere il testo libero. Esempi tipici sono i bot per l’assistenza clienti e le FAQ, gli assistenti che rispondono alle domande attingendo dai propri documenti tramite RAG, i bot che reagiscono agli eventi in un repository GitHub o GitLab, i bot di Telegram e i sistemi multi-agente in cui un agente interagisce con l’utente mentre altri generano o revisionano il codice. I ricercatori lo utilizzano per sperimentare la progettazione di agenti, mentre i team lo impiegano quando desiderano un agente da eseguire sui propri server anziché su una piattaforma di chatbot ospitata.

Poiché un agente è una macchina a stati finiti, è possibile visualizzare e testare ogni fase di una conversazione, il che si adatta a flussi di lavoro deterministici come i flussi di assistenza o i dialoghi simili a moduli. I modelli di linguaggio di grandi dimensioni (LLM) gestiscono le parti in cui le regole non sono sufficienti: classificare gli intenti, estrarre dati dall’input dell’utente o scrivere una risposta. Il risultato è un sistema ibrido che combina la logica strutturata con le capacità generative. Essendo scritto interamente in Python, è inoltre facile integrare nell’agente librerie di data science, database e API.

Caratteristiche principali

• Macchine a stati: un agente è un insieme di stati, ciascuno con un corpo (codice Python che viene eseguito all’entrata) e transizioni innescate da intenti, eventi o condizioni.
• Intenti ed entità: definisci gli intenti con frasi di esempio ed estrai le entità dall’input dell’utente tramite il riconoscimento delle entità denominate. Il classificatore di intenti semplice dispone di un’implementazione PyTorch e di un’implementazione TensorFlow; è inoltre disponibile un classificatore basato su LLM.
• LLM: collega modelli OpenAI, HuggingFace, Replicate, Groq, Mistral e altri, e combina le risposte degli LLM con la logica basata su regole.
• RAG: rispondi attingendo dai tuoi documenti grazie alla Retrieval Augmented Generation.
• Piattaforme: una piattaforma WebSocket con interfaccia utente Streamlit o widget di chat, oltre a Telegram, GitHub, GitLab e una piattaforma A2A per la comunicazione da agente a agente.
• Voce: sintesi vocale e riconoscimento vocale per gli agenti vocali.
• Sistemi multi-agente: a partire dalla versione 2.0 gli agenti possono comunicare tra loro e suddividersi un'attività.
• Monitoraggio: un database e una dashboard che tengono traccia delle sessioni e delle interazioni degli agenti, in modo da poter verificare i dettagli delle conversazioni passate.
• Lingue: gli agenti possono funzionare in diverse lingue; per l’agente impostato in lussemburghese è necessaria la libreria spellux, che va installata manualmente.

Prezzi di BESSER Bot Framework

Il framework è gratuito. È open source con licenza MIT, quindi è possibile utilizzarlo in progetti commerciali, modificare il codice sorgente e ospitarlo autonomamente senza costi di licenza (repository GitHub). Non sono previsti piani a pagamento, né versioni ospitate, né limiti di utilizzo da parte del progetto stesso.

I costi da considerare riguardano tutto ciò che ruota attorno al framework. I fornitori di modelli di linguaggio di grandi dimensioni (LLM), come OpenAI, applicano tariffe per token; l’hosting dell’agente e del relativo server WebSocket è a carico dell’utente; inoltre, le dipendenze opzionali come PyTorch o TensorFlow richiedono un server con memoria sufficiente. L’assistenza è fornita tramite le segnalazioni su GitHub e la documentazione, non tramite un contratto con un fornitore.

Installazione ed esempi di agenti

Il framework richiede Python 3.10 o versioni successive. Crea un ambiente virtuale, quindi installa il pacchetto di base con pip:

pip install besser-agentic-framework

Questo comando installa il pacchetto di base con le sole dipendenze principali. Per aggiungere le dipendenze necessarie per funzionalità aggiuntive degli agenti, utilizzare i seguenti tag: extras (RAG, speech-to-text, plotly, opencv), llms (le dipendenze aggiuntive per l’esecuzione degli LLM: OpenAI, Replicate, transformers), torch per installare PyTorch per il classificatore di intenti semplice e i modelli HuggingFace, tensorflow (un pacchetto molto pesante, quindi installarlo solo se necessario), docs per compilare la documentazione del progetto, e all per tutte le dipendenze in una volta sola. Se avete clonato il repository, installate invece dai file dei requisiti. La documentazione contiene dettagli su ogni opzione e un esempio funzionante per ogni concetto. Il repository contiene agenti di esempio con cui iniziare: un agente molto semplice per il primo contatto (saluti), un agente meteo con entità, un agente LLM, un agente RAG, agenti per Telegram, GitHub e GitLab, e un esempio di sistema multi-agente A2A. Altri esempi sono disponibili nel repository BAF-agent-examples.

Un ordine pratico: crea l’ambiente virtuale, esegui il comando di installazione per il pacchetto di base e inizia con l’agente molto semplice prima di aggiungere qualsiasi pacchetto pesante. Aggiungere il tag torch o tensorflow solo quando è necessario il classificatore di intenti semplice sul proprio server; la sua implementazione in PyTorch e quella in TensorFlow richiedono le stesse dipendenze necessarie dei modelli HuggingFace, e il progetto stesso definisce TensorFlow un pacchetto molto pesante. Se la lingua dell’agente è il lussemburghese, installare manualmente anche spellux. Mantenere ridotte le dipendenze principali rende il sistema più facile da distribuire in un container e da integrare con un backend Python esistente.

Da BESSER Bot Framework al BESSER Agentic Framework open source

Il BESSER Bot Framework e il BESSER Agentic Framework sono lo stesso progetto. Il cambio di nome è avvenuto con la versione 2.0, che ha aggiunto il supporto multi-agente, e la documentazione, il repository e il pacchetto ora utilizzano il nuovo nome (documentazione). I vecchi link alla documentazione di BESSER Bot Framework non funzionano più, mentre il vecchio repository GitHub reindirizza a quello nuovo. I progetti basati su BBF 1.x continuano a funzionare con il vecchio pacchetto, ma le nuove funzionalità vengono implementate solo in BAF; pertanto, si consiglia di avviare i nuovi progetti utilizzando il nuovo pacchetto. Il framework è inoltre collegato alla più ampia piattaforma low-code BESSER, il cui fondamento è il linguaggio di modellazione B-UML. Il team di ricerca presenta le macchine a stati del framework come banco di prova per dimostrare come B-UML modellerà il software intelligente, e BESSER è un progetto quinquennale finanziato dal Fondo Nazionale di Ricerca del Lussemburgo (articolo su arXiv).

I punti di forza e le carenze del BESSER Bot Framework

Punti di forza:

• Gratuito e open source sotto licenza MIT, senza vincoli di dipendenza da un unico fornitore.
• Modello chiaro di macchina a stati che rende le conversazioni verificabili.
• Combina flussi basati su regole con LLM, RAG, riconoscimento vocale e NLP multilingue in un unico framework.
• Sviluppo attivo da parte di un istituto di ricerca, con rilasci regolari.

Compromessi:

• Solo codice: non è presente un builder visivo né un'interfaccia drag-and-drop per i non sviluppatori.
• Le macchine a stati rendono più difficile la progettazione di conversazioni fluide e aperte.
• Una comunità ridotta rispetto ai grandi framework di agenti.
• Dipendenze opzionali pesanti per i modelli locali.
• La documentazione e gli esempi presuppongono la conoscenza di Python.

Confronto tra BESSER Bot Framework e altri

• BESSER: la piattaforma di modellazione low-code a cui appartiene il framework.
• Voiceflow: un builder visivo in hosting per agenti di chat e vocali, rivolto ai team di prodotto.
• Landbot: chatbot no-code per siti web e WhatsApp, con abbonamento mensile.
• Chatfuel: bot no-code per Facebook Messenger, Instagram e WhatsApp.
• n8n: automazione dei flussi di lavoro con nodi di agenti basati sull’intelligenza artificiale, ospitabili autonomamente come BAF.
• AI Builder: i modelli di IA di Microsoft per Power Apps e Power Automate.

Un sito di alternative di terze parti (NoCodes.ai) descrive il framework come un generatore di chatbot no-code e mette in guardia sui limiti dell’installazione on-premise; la documentazione del progetto stesso mostra una libreria Python che si installa e si ospita autonomamente, quindi nessuna delle due affermazioni è vera.

Vale la pena utilizzare il BESSER Bot Framework?

Il BESSER Bot Framework, ora denominato BESSER Agentic Framework, è utile per gli sviluppatori Python che desiderano un framework gratuito e auto-ospitato per chatbot e agenti IA con una struttura chiara, nonché per i team che devono combinare flussi di conversazione fissi con modelli di linguaggio (LLM). È una soluzione ideale per la ricerca, gli assistenti interni e gli strumenti di sviluppo su GitHub o GitLab. Non è la scelta giusta per i non sviluppatori che necessitano di un generatore visivo, né per i team che desiderano una piattaforma ospitata con supporto e integrazioni pronte all’uso; in questi casi, Voiceflow o Landbot sono più adatti. Se avete bisogno di aiuto per progettare o realizzare agenti con questo strumento, le agenzie e gli sviluppatori su LowCodeDevs possono occuparsene.

Fonti

• BESSER Agentic Framework su GitHub: README, installazione, licenza ed esempi di agenti.
• Documentazione di BESSER Agentic Framework: concetti fondamentali, piattaforme, supporto NLP e LLM.
• Da bot ad agenti, LIST: il cambio di nome e la versione 2.0 di febbraio 2025.
• Building BESSER: una piattaforma open-source low-code, arXiv: il ruolo del framework in BESSER e il finanziamento FNR PEARL.
• Alternative al BESSER Bot Framework, NoCodes.ai: elenco di alternative di terze parti (la cui descrizione è in contrasto con la documentazione del progetto).