- Che cos'è un agente AI, e perché ora
L'ingresso della serie sugli agenti AI: che cosa distingue un agente dal software che conoscete, e da dove viene l'idea. Che cosa ci si guadagna, a che cosa stare attenti, e la mappa per orientarsi negli altri articoli.
- Architettura di un agente AI: di cosa è fatto, e quando non serve
Un agente non è un modello di linguaggio con un nome più ambizioso: è un modello circondato da quattro pezzi che decidono se funziona. Cosa fa ognuno, cosa sa fare davvero un agente e in quali casi conviene non costruirne uno.
- I sei mestieri dell'harness
Il modello capisce e produce testo. Tutto il resto - governare il ciclo, dare gli strumenti, costruire il contesto, ricordare, presidiare la sicurezza, registrare e misurare - lo fa lo strato che gli sta intorno. È lì che un agente riesce o fallisce, ed è la parte di cui si parla di meno.
- Architetture multi-agente: quale scegliere, e quali non sono architetture
Le otto forme che si trovano elencate in giro non sono otto alternative. Quattro sono topologie fra cui si sceglie, le altre sono controlli che si sovrappongono a qualunque topologia: distinguerle è metà della decisione.
- Integrare gli agenti senza adattatori su misura: i protocolli MCP e A2A
Per anni ogni integrazione fra un agente AI e i sistemi aziendali è stata un progetto a sé. Poi, in meno di due anni, due protocolli si sono consolidati: MCP per parlare con gli strumenti, A2A per parlare fra agenti. Cosa sono, chi li governa, e come si misura la loro maturità: MCP lo espongono perfino gli ERP, A2A per ora lo mettono a catalogo.
- Quanto costa far girare un agente, e perché il conto sorprende
La voce che pesa non è l'hardware, ma il numero di chiamate: un agente interroga il modello molte volte per un solo compito. Ogni chiamata rispedisce tutto quello che si sono detti fino a lì. Come si forma il costo, dove cresce da solo, e quali tre leve lo riducono davvero.
- Perché chi fa modelli finisce per costruirsi anche l'harness
In diciotto mesi otto produttori di modelli su undici hanno pubblicato la propria impalcatura; Zhipu e xAI distribuiscono i loro modelli dentro quella di un concorrente, mentre Meta è uscita dalla gara. Le ragioni sono tre: l'harness può riprodurre alcune condizioni dell'addestramento, permette di governare i costi e riduce il rischio di dipendere dal prodotto altrui. Il vincolo al fornitore, invece, non è ancora soprattutto tecnico: passa dalle condizioni d'uso.
- Vendere servizi LLM: i ricavi dipendono dall'uso, i costi dalla capacità disponibile
Un'azienda che espone un servizio LLM sostiene il costo della capacità nel tempo, ma incassa a consumo o a canone. Una prova riproducibile mostra come il carico modifichi il costo unitario e perché prezzi, cache, contratti e distribuzione vadano progettati insieme.