Come funzionano gli agenti AI: il ciclo, gli strumenti e i limiti

Un agente AI è un modello che usa strumenti in un ciclo finché il compito è finito. Come funziona, quanto rischia e quando basta una chiamata API.

Pubblicato il · 9 min

Un agente AI è un modello linguistico che usa degli strumenti in un ciclo: decide un'azione, il software la esegue, il modello legge il risultato e sceglie il passo successivo, finché il compito è finito o una regola lo ferma. Un chatbot risponde a una domanda; un agente porta a termine un lavoro con più passaggi, come cercare, leggere, scrivere e aggiornare un dato. La differenza pratica è una sola: un agente compie azioni, quindi ha bisogno di limiti e, per le azioni che lasciano il segno, di una persona che approvi.

Agente AI e chatbot: la differenza

Nella guida Building effective agents (dicembre 2024), Anthropic distingue due tipi di sistemi: i workflow, dove modello e strumenti seguono percorsi già scritti nel codice, e gli agenti, dove è il modello a decidere dinamicamente i passi e quali strumenti usare. La stessa guida li descrive come, di solito, "modelli che usano strumenti in un ciclo, in base a ciò che osservano".

ChatbotWorkflow con AIAgente AI
Chi decide i passiNessuno: domanda e rispostaLo sviluppatore, nel codiceIl modello, a ogni giro
Cosa produceTestoUn risultato in un formato fissoAzioni e un risultato finale
StrumentiNessuno o pochiChiamati in un ordine fissoScelti dal modello
Quando si fermaDopo una rispostaA fine percorsoA compito finito o al limite di giri
Rischio principaleUna risposta sbagliataUn passaggio che fallisceErrori che si sommano tra un passo e l'altro

Il ciclo: modello, strumento, risultato, passo successivo

Il meccanismo si chiama tool use in Anthropic e function calling in OpenAI, e funziona allo stesso modo. Secondo la documentazione Anthropic sul ciclo degli strumenti, consultata il 19 novembre 2026, "il modello non esegue mai nulla da solo": emette una richiesta strutturata, il tuo codice la esegue, il risultato torna nella conversazione. I passi sono cinque:

  1. Il software manda la richiesta con il compito e l'elenco degli strumenti disponibili, ognuno con nome, descrizione e schema dei parametri.
  2. Il modello risponde chiedendo uno strumento: per esempio "cerca nel database l'ordine 1234", con i parametri in un formato fisso.
  3. Il codice esegue l'operazione: una query, una chiamata HTTP, la scrittura di un file.
  4. Il risultato torna al modello in una nuova richiesta, insieme a tutta la conversazione precedente.
  5. Si ripete finché il modello chiede strumenti; quando risponde con il testo finale, il ciclo si chiude.

La guida OpenAI al function calling descrive lo stesso giro in cinque passi, fino alla "risposta finale del modello (o altre chiamate a strumenti)". Il punto che conta: chi esegue è il codice, non il modello. È lì che si mettono permessi, controlli e limiti.

Memoria e contesto: cosa ricorda un agente

Un modello non ricorda nulla tra una richiesta e l'altra. Quello che "sa" durante il lavoro è la finestra di contesto, che la documentazione Anthropic chiama la sua "memoria di lavoro": istruzioni, messaggi, risultati degli strumenti e definizioni degli strumenti, tutto rimandato a ogni giro. Sui modelli Claude attuali arriva a un milione di token.

Più grande non vuol dire migliore: la stessa documentazione avverte che, quando i token crescono, precisione e richiamo peggiorano (context rot). La memoria tra una sessione e l'altra va costruita fuori dal modello: file, database, note che l'agente rilegge quando riparte.

MCP: una presa standard per gli strumenti

Il Model Context Protocol (specifica del 28 luglio 2026) è un protocollo aperto per collegare le applicazioni AI a dati e strumenti esterni. Usa messaggi JSON-RPC 2.0 tra un host (l'applicazione AI), i suoi client e dei server che offrono tre cose: risorse (dati e contesto), prompt (modelli di messaggi) e strumenti (funzioni che il modello può far eseguire). La specifica si ispira al Language Server Protocol degli editor di codice: scrivi il collegamento una volta e lo usano tutte le applicazioni compatibili.

Per un'azienda il vantaggio è riusare lo stesso collegamento al gestionale con più assistenti. Sulla sicurezza la specifica è chiara: gli strumenti equivalgono a "esecuzione arbitraria di codice" e l'host deve ottenere il consenso esplicito dell'utente prima di invocarne uno.

I limiti: errori, costi, sicurezza

LimiteCosa succedeCome lo contengo
Errori che si sommanoUn passo sbagliato all'inizio contamina quelli dopoControlli dal codice su ogni risultato, test in un ambiente separato
CostiOgni giro rimanda tutto il contesto, definizioni degli strumenti compreseLimite di giri e di spesa, modello piccolo dove basta
Prompt injectionUn testo letto dall'agente (email, pagina web, PDF) contiene istruzioni che provano a dirottarloI dati letti non decidono le azioni; formati fissi tra un passo e l'altro
Azioni con effettiUna mail inviata o un record cancellato non si annullaApprovazione umana prima dell'azione

Anthropic scrive che l'autonomia degli agenti comporta "costi più alti e il rischio di errori che si sommano", e raccomanda test in ambienti isolati e condizioni di arresto, come un numero massimo di giri. OpenAI, nella guida Safety in building agents, definisce la prompt injection come testo non affidabile che prova a scavalcare le istruzioni, e indica come rimedi le approvazioni sulle operazioni, gli output strutturati e flussi in cui i dati non affidabili non guidano mai direttamente l'agente.

Quando serve un agente e quando basta una chiamata API

Quasi sempre basta meno di un agente. Anthropic consiglia di cercare "la soluzione più semplice possibile" e aggiunge che per molte applicazioni è sufficiente ottimizzare una singola chiamata al modello, con il recupero dei documenti giusti e qualche esempio.

  • Basta una chiamata API quando il compito ha un ingresso e un'uscita chiari: leggere un PDF ed estrarre i campi, classificare una richiesta, scrivere una bozza di risposta. Sono i casi d'uso che ho descritto in integrare ChatGPT o Claude in un gestionale.
  • Serve un workflow quando i passi sono sempre gli stessi: prima estrai, poi controlla, poi salva.
  • Serve un agente quando i passi non si possono prevedere: una ricerca che dipende da cosa trovi, un lavoro su più fonti, un compito lungo con verifiche intermedie.

Un esempio vero: l'agente che gestisce questo blog

Il blog che stai leggendo è gestito da un agente AI redattore. Pianifica gli articoli, cerca le fonti e le legge, scrive il testo, esegue i controlli automatici e carica le bozze sul sito tramite un'API protetta. Ogni giro del ciclo è uno strumento: una ricerca, la lettura di una pagina ufficiale, la scrittura di un file, un controllo che segnala un dato da verificare o un link mancante.

La regola che conta: l'agente carica solo bozze. Prima della pubblicazione ogni articolo passa da una revisione umana, perché è l'azione con effetti, quella che arriva ai lettori.

Applico lo stesso principio nel software che sviluppo. In CuraPiù, il gestionale per RSA che ho progettato, l'AI trasforma una nota dettata a voce in dati da confermare e segnala i residenti a rischio, ma ogni segnalazione passa dalla validazione di un medico o di un infermiere. In D@to, il gestionale del turismo di VacanzeDigital su cui lavoro, l'assistente d-Buddy lavora come Copilot, Concierge o Autopilot: lo stesso assistente, in modalità diverse.

Perché serve un umano nel ciclo

Un agente sbaglia con sicurezza e senza accorgersene, e lo fa velocemente. Le tre fonti arrivano allo stesso punto: Anthropic prevede pause per il giudizio umano, OpenAI consiglia di lasciare attive le approvazioni, la specifica MCP chiede il consenso prima di ogni strumento. Leggere e proporre si automatizza. Inviare, pagare, cancellare e pubblicare si approva.

Domande frequenti

Che differenza c'è tra un agente AI e un chatbot?

Un chatbot risponde a una domanda con un testo. Un agente AI usa strumenti in un ciclo per portare a termine un compito: cerca, legge, scrive, aggiorna dati, e a ogni giro decide il passo successivo in base al risultato. Per questo un agente ha bisogno di permessi, limiti di spesa e controlli che un chatbot non richiede.

Un agente AI può lavorare da solo, senza controllo?

Tecnicamente sì, ma per le azioni con effetti non conviene. Anthropic, OpenAI e la specifica MCP indicano approvazioni umane, condizioni di arresto e test in ambienti isolati. Io lascio all'agente le attività che si possono rifare, come cercare, leggere e proporre, e faccio approvare a una persona invii, pagamenti, cancellazioni e pubblicazioni.

Cos'è MCP e a cosa serve?

Il Model Context Protocol è un protocollo aperto che collega le applicazioni AI a dati e strumenti esterni con un formato standard, basato su JSON-RPC 2.0. Un server MCP espone risorse, prompt e strumenti; qualunque applicazione compatibile può usarli. La specifica chiede il consenso esplicito dell'utente prima di invocare uno strumento.

Un agente AI costa più di una chiamata API?

Sì, di solito. Ogni giro del ciclo è una nuova richiesta che rimanda tutto il contesto, compresi i risultati degli strumenti e le loro definizioni, quindi i token crescono a ogni passo. Per questo parto dalla soluzione più semplice, una singola chiamata, e passo a un agente solo quando il compito lo richiede davvero.

Da dove partire

Prima dell'agente viene il problema: un compito ripetitivo che oggi costa ore a qualcuno. Con l'integrazione AI nel software che hai già parto da lì, scelgo la soluzione più semplice che lo risolve, la provo sui tuoi dati e lascio a una persona le azioni che lasciano il segno. Se vuoi vedere i casi d'uso concreti, con i costi delle API, leggi integrare ChatGPT o Claude in un gestionale. Prenota l'analisi gratuita di 30 minuti: guardiamo insieme i tuoi processi e capiamo se ti serve una chiamata API, un workflow o davvero un agente.

// pronto? inizia qui

Prenota l'analisi gratuita del tuo progetto

Mi racconti cosa non funziona. Io ti dico se posso rifarlo, come e in quanto tempo. Se non sono la persona giusta, te lo dico subito.

  1. 130 minuti di call, al telefono o in video, quando preferisci.
  2. 2Analisi scritta entro due giorni: cosa tenere, cosa rifare, tempi e costi.
  3. 3Decidi tu, con numeri in mano. Nessun impegno fino a quel momento.

Nessun impegno. Rispondo entro un giorno lavorativo.

// articoli collegati