ETD

• iot
• mastro
• orchestration

MASTRO (Multi-Agent Autonomous System for Task and Resource Orchestration) is an agent-based platform for the intelligent orchestration of resources in the Cloud-to-Things Continuum. Based on agents that leverage Large Language Models, the platform monitors the state of the infrastructure and operates in two modes: assisting a human operator by translating intentions expressed in natural language into concrete actions, or autonomous control in agent mode. Access to the infrastructure layer is mediated by the Model Context Protocol (MCP) and a dedicated CLI, which decouples the agents’ decision-making logic from the underlying systems, ensuring modularity and extensibility. The decision-making core is the Deployment Planner, which implements the ReAct (Reason–Act–Observe) reasoning cycle and produces an explicit trace to support a human-in-the-loop approach. An Agent Scheduler enables periodic sampling of the state with verdicts structured across three severity levels, while integration with OpenClaw introduces a level of super-coordination. For experimental validation, the platform was integrated with the MOSAIC infrastructure, comparing three open-weight models (Qwen3.6-35B-A3B, gpt-oss-120b, Nemotron-3-Super-120B-A12B) on SmartHome and SmartCity pipelines.

MASTRO (Multi-Agent Autonomous System for Task and Resource Orchestration) è una piattaforma agentica per l'orchestrazione intelligente delle risorse nel Cloud-to-Things Continuum. Basata su agenti che sfruttano Large Language Model, la piattaforma osserva lo stato dell'infrastruttura e opera in due modalità: assistenza a un operatore umano, traducendo intenti espressi in linguaggio naturale in azioni concrete, oppure controllo autonomo in modalità agentica. L'accesso al layer infrastrutturale è mediato dal Model Context Protocol (MCP) e da una CLI dedicata, che disaccoppia la logica decisionale degli agenti dai sistemi sottostanti garantendo modularità ed estensibilità. Il nucleo decisionale è il Deployment Planner, che implementa il ciclo di ragionamento ReAct (Reason–Act–Observe) e produce una traccia esplicita, a supporto di un approccio human-in-the-loop. Un Agent Scheduler abilita il campionamento periodico dello stato con verdetti strutturati su tre livelli di severità, mentre l'integrazione con OpenClaw introduce un livello di super-coordinamento. Per la validazione sperimentale la piattaforma è stata integrata con l'infrastruttura MOSAIC, confrontando tre modelli open-weight (Qwen3.6-35B-A3B, gpt-oss-120b, Nemotron-3-Super-120B-A12B) su pipeline SmartHome e SmartCity.