ai-agents-for-beginners
(Clicca sull’immagine sopra per guardare il video di questa lezione)
Introduzione agli Agenti AI e Casi d’Uso degli Agenti
Benvenuto al corso Agenti AI per Principianti! Questo corso ti fornisce le conoscenze fondamentali — e codice funzionante reale — per iniziare a costruire Agenti AI da zero.
Vieni a salutarci nella Community Discord di Azure AI — è piena di studenti e costruttori di AI felici di rispondere alle domande.
Prima di iniziare a costruire, assicuriamoci di capire davvero cos’è un Agente AI e quando ha senso usarne uno.
Introduzione
Questa lezione tratta:
- Cosa sono gli Agenti AI, e i diversi tipi che esistono
- Per quali tipi di compiti gli Agenti AI sono più adatti
- I blocchi fondamentali che utilizzerai nella progettazione di una soluzione Agentica
Obiettivi di Apprendimento
Al termine di questa lezione, dovresti essere in grado di:
- Spiegare cos’è un Agente AI e in cosa differisce da una soluzione AI normale
- Sapere quando usare un Agente AI (e quando no)
- Abbozzare una progettazione base di una soluzione Agentica per un problema reale
Definizione di Agenti AI e Tipi di Agenti AI
Cosa sono gli Agenti AI?
Ecco un modo semplice per pensarci:
Gli Agenti AI sono sistemi che permettono ai Modelli di Linguaggio di Grande Scala (LLM) di fare cose — fornendo loro strumenti e conoscenze per agire sul mondo, non soltanto rispondere a prompt.
Scomponiamolo un po’:
- Sistema — Un Agente AI non è un singolo elemento. È una raccolta di parti che lavorano insieme. Nel suo nucleo, ogni agente ha tre componenti:
- Ambiente — Lo spazio in cui l’agente opera. Per un agente di prenotazioni di viaggio, sarebbe la piattaforma di prenotazione stessa.
- Sensori — Come l’agente legge lo stato attuale del suo ambiente. Il nostro agente di viaggio potrebbe controllare la disponibilità degli hotel o i prezzi dei voli.
- Attuatori — Come l’agente agisce. L’agente di viaggio potrebbe prenotare una camera, inviare una conferma o cancellare una prenotazione.
-
Modelli di Linguaggio di Grande Scala — Gli agenti esistevano prima degli LLM, ma sono gli LLM che rendono gli agenti moderni così potenti. Possono comprendere il linguaggio naturale, ragionare sul contesto, e trasformare una richiesta vaga dell’utente in un piano concreto d’azione.
-
Eseguono Azioni — Senza un sistema agente, un LLM genera solo testo. All’interno di un sistema agente, l’LLM può effettivamente eseguire i passaggi — cercare nel database, chiamare un’API, inviare un messaggio.
-
Accesso agli Strumenti — Gli strumenti che un agente può usare dipendono da (1) l’ambiente in cui funziona e (2) cosa lo sviluppatore ha scelto di fornirgli. Un agente di viaggio può cercare voli ma non modificare i dati dei clienti — dipende tutto da cosa colleghi.
-
Memoria + Conoscenza — Gli agenti possono avere memoria a breve termine (la conversazione attuale) e memoria a lungo termine (un database clienti, interazioni passate). L’agente di viaggio potrebbe “ricordare” che preferisci i posti vicino al finestrino.
I Diversi Tipi di Agenti AI
Non tutti gli agenti sono costruiti allo stesso modo. Ecco una ripartizione dei tipi principali, usando l’agente di prenotazione viaggi come esempio ricorrente:
| Tipo di Agente | Cosa Fa | Esempio Agente di Viaggio |
|---|---|---|
| Agenti a Riflesso Semplice | Segue regole codificate — senza memoria, senza pianificazione. | Vede una email di reclamo → la inoltra al servizio clienti. Tutto qui. |
| Agenti a Riflesso Basati su Modello | Mantiene un modello interno del mondo e lo aggiorna quando le cose cambiano. | Monitora i prezzi storici dei voli e segnala i percorsi improvvisamente costosi. |
| Agenti Basati su Obiettivi | Ha un obiettivo in mente e lo raggiunge passo dopo passo. | Prenota un viaggio completo (voli, auto, hotel) partendo dalla tua posizione attuale per portarti a destinazione. |
| Agenti Basati su Utilità | Non trova solo una soluzione — trova la migliore valutando i compromessi. | Bilancia costo vs comodità per trovare il viaggio che corrisponde meglio alle tue preferenze. |
| Agenti Apprendenti | Migliora nel tempo imparando dai feedback. | Adatta le raccomandazioni future sulla base dei risultati di un sondaggio post-viaggio. |
| Agenti Gerarchici | Un agente di alto livello suddivide il lavoro in sottocompiti e li delega ad agenti di livello inferiore. | Una richiesta “cancella viaggio” viene suddivisa in: cancella volo, cancella hotel, cancella noleggio auto — ognuno gestito da un sotto-agente. |
| Sistemi Multi-Agente (MAS) | Più agenti indipendenti che lavorano insieme (o competono). | Cooperativo: agenti separati gestiscono hotel, voli e intrattenimento. Competitivo: agenti multipli competono per riempire le camere d’hotel al miglior prezzo. |
Quando Usare gli Agenti AI
Solo perché puoi usare un Agente AI non significa che dovresti sempre farlo. Ecco le situazioni in cui gli agenti brillano davvero:
- Problemi a Apertura Indefinita — Quando i passaggi per risolvere un problema non possono essere pre-programmati. Hai bisogno che l’LLM scopra dinamicamente il percorso.
- Processi a Più Passi — Compiti che richiedono l’uso di strumenti in più turni, non solo una singola ricerca o generazione.
- Miglioramento nel Tempo — Quando vuoi che il sistema diventi più intelligente basandosi su feedback degli utenti o segnali ambientali.
Approfondiremo quando (e quando non) usare Agenti AI nella lezione Costruire Agenti AI Affidabili più avanti nel corso.
Nozioni Base sulle Soluzioni Agentiche
Sviluppo dell’Agente
La prima cosa che fai costruendo un agente è definire cosa può fare — i suoi strumenti, azioni e comportamenti.
In questo corso, usiamo il Azure AI Agent Service come piattaforma principale. Supporta:
- Modelli aperti come OpenAI, Mistral e Llama
- Dati con licenza da provider come Tripadvisor
- Definizioni di strumenti standardizzate OpenAPI 3.0
Pattern Agentici
Comunicare con gli LLM avviene tramite prompt. Con gli agenti, non puoi sempre creare ogni prompt manualmente — l’agente deve agire su molti passaggi. Qui entrano in gioco i Pattern Agentici. Sono strategie riutilizzabili per promptare e orchestrare gli LLM in modo più scalabile e affidabile.
Questo corso è strutturato attorno ai pattern agentici più comuni e utili.
Framework Agentici
I Framework Agentici offrono agli sviluppatori modelli, strumenti e infrastrutture pronti all’uso per costruire agenti. Rendono più facile:
- Collegare strumenti e capacità
- Osservare cosa fa l’agente (e fare debug in caso di errori)
- Collaborare tra più agenti
In questo corso, ci concentriamo sul Microsoft Agent Framework (MAF) per costruire agenti pronti per la produzione.
Esempi di Codice
Pronto a vederlo in azione? Ecco gli esempi di codice per questa lezione:
- 🐍 Python: Agent Framework
- 🔷 .NET: Agent Framework
Hai Domande?
Unisciti al Microsoft Foundry Discord per connetterti con altri studenti, partecipare alle ore d’ufficio, e far rispondere la community alle tue domande sugli Agenti AI.
Lezione Precedente
Lezione Successiva
Esplorare i Framework Agentici
Disclaimer:
Questo documento è stato tradotto utilizzando il servizio di traduzione AI Co-op Translator. Anche se ci impegniamo per garantire l’accuratezza, si prega di tenere presente che le traduzioni automatiche possono contenere errori o imprecisioni. Il documento originale nella lingua nativa deve essere considerato la fonte autorevole. Per informazioni critiche, si raccomanda una traduzione professionale effettuata da un umano. Non siamo responsabili per eventuali malintesi o interpretazioni errate derivanti dall’uso di questa traduzione.