Dagli assistenti agli agenti AI

In una frase

Un assistente AI risponde; un agente AI agisce: si dà un obiettivo, decide quali strumenti usare, li usa, osserva il risultato e itera finché non ha finito. Il salto da "chatbot che parla" a "agente che fa" passa da una singola capacità — usare strumenti — e si regge su uno standard che li collega tutti, l'MCP.

I tre gradini: assistente → strumenti → agente

GRADINO 1 — ASSISTENTE
   Risponde e genera testo.        "Ecco cosa ti direi."

GRADINO 2 — ASSISTENTE + STRUMENTI   (function calling)
   Può agire: cercare sul web, calcolare, interrogare un database,
   inviare un'email.               "Fatto: ho usato lo strumento X."

GRADINO 3 — AGENTE
   Si dà un obiettivo e lo persegue da solo:
   pianifica → agisce → osserva → itera.   "Obiettivo raggiunto."

Il ponte: function calling (l'AI che usa strumenti)

Il function calling (Anthropic lo chiama tool use: è la stessa idea) è ciò che trasforma un generatore di testo in qualcosa che agisce. Punto chiave: il modello non esegue codice — segnala quale funzione chiamare e con quali dati; è il tuo sistema a eseguirla.

1. Definisci gli strumenti (nome, a cosa servono, parametri).
2. Il modello, se utile, chiede una chiamata — es. cerca_cliente("Rossi SpA").
3. Il tuo codice esegue la funzione e restituisce il risultato.
4. Il modello incorpora il risultato e formula la risposta finale.

È così che l'AI accede a dati in tempo reale, fa calcoli precisi e compie azioni (creare un record, inviare una mail). I modelli possono persino imparare da soli a usare nuove API (lo dimostrò Toolformer).

L'agente: un LLM che dirige sé stesso

Un AI Agent è un sistema in cui il modello guida da solo il proprio processo: ragiona, sceglie uno strumento, agisce, osserva e ricomincia, fino all'obiettivo. La differenza con un chatbot è l'autonomia.

obiettivo ─► pianifica ─► agisci (usa uno strumento) ─► osserva il risultato
                 ▲                                              │
                 └──────── rivaluta e riprova ◄─────────────┘
                        (finché l'obiettivo è raggiunto)

• Il pattern che lo regge si chiama ReAct: alternare ragionamento e azione, usando ogni osservazione per aggiornare il piano.
• Tre ingredienti: pianificazione (scomporre il problema), strumenti (tool use), memoria (ricordare i passi).
• Quando serve davvero: compiti multi-step e poco prevedibili — ricerca e sintesi, automazioni complesse, assistenti di coding, "deep research".

Workflow o agente? La distinzione che conta

Non tutto ciò che "usa l'AI con strumenti" è un agente. Anthropic distingue due cose:

	Workflow	Agente
Chi guida il processo	codice predefinito	l'LLM, dinamicamente
Punto di forza	prevedibilità, controllo	flessibilità
Quando	passi noti e ripetibili	compiti aperti, poco prevedibili

Regola d'oro (Anthropic): parti semplice. Usa un agente solo quando la complessità lo giustifica davvero — spesso un workflow ben fatto (o una sola chiamata con strumenti) basta e costa meno.

Come si costruiscono: i framework

I framework per agenti sono librerie che fanno da impalcatura (orchestrazione, memoria, strumenti, multi-agente). Non sono modelli, e spesso si combinano tra loro.

Istantanea di mercato (giugno 2026), molto volatile: posizionamenti e maturità cambiano in fretta. Usala come mappa di orientamento e verifica le versioni correnti prima di adottare.

Framework	Punto di forza	Quando sceglierlo
LangChain / LangGraph	orchestrazione flessibile, stateful, debug	workflow agentici complessi
LlamaIndex	retrieval / RAG maturo e accurato	applicazioni data-intensive, RAG
CrewAI	multi-agente "a ruoli", bassa barriera	mettere in piedi un team di agenti in fretta
AutoGen	agenti conversazionali, human-in-the-loop	workflow con supervisione umana

Altri nomi che incontrerai: OpenAI Agents SDK, Semantic Kernel, Haystack, Pydantic AI. La regola resta: parti semplice, aggiungi un framework solo se serve davvero.

MCP: la "USB-C dell'AI"

Il Model Context Protocol (MCP) è uno standard aperto (introdotto da Anthropic a fine 2024) per collegare i modelli a strumenti, dati e sistemi in modo uniforme. L'immagine che lo descrive meglio: la "USB-C dell'AI".

• Il problema che risolve: senza uno standard, ogni modello va integrato su misura con ogni strumento (M modelli × N strumenti = una valanga di integrazioni). Con MCP, modello e strumento parlano la stessa lingua: un connettore scritto una volta funziona con qualsiasi assistente compatibile.
• Com'è fatto: un server MCP espone gli strumenti (es. il tuo CRM, i tuoi documenti, GitHub); l'assistente li scopre e li usa via tool use. Funziona sia in locale sia da remoto.
• Perché conta: è ormai lo standard de-facto, adottato anche da OpenAI e Google e passato a una fondazione aperta — è l'impianto idraulico su cui cresce l'ecosistema degli agenti.

I rischi (e perché serve l'umano nel giro)

Più l'AI agisce sul mondo reale, più servono cautele:

• Costo e lentezza: un agente fa molte chiamate al modello; più passi = più tempo e più spesa.
• Gli errori si accumulano: in un loop, un passo sbagliato può trascinarsi e amplificarsi.
• Azioni reali = rischio reale: inviare email, creare record, spendere denaro. Servono permessi, guardrail e human-in-the-loop (l'approvazione umana) sulle operazioni sensibili.

In sintesi

• Assistente risponde, agente agisce: il salto è l'autonomia.
• Il function calling / tool use è il ponte: il modello segnala lo strumento, il tuo codice lo esegue.
• L'agente è un loop pianifica → agisci → osserva → itera (pattern ReAct); il workflow è orchestrato da codice, più prevedibile. Parti semplice.
• I framework (volatili — da verificare) aiutano a costruirli; l'MCP è lo standard ("USB-C dell'AI") che collega modelli e strumenti.
• Le azioni reali vanno protette: permessi, guardrail, umano nel giro.

Fonti

• L'AI che usa strumenti (Toolformer): Schick et al., Toolformer: Language Models Can Teach Themselves to Use Tools, 2023 — arXiv:2302.04761
• L'anello ragiona-agisci (ReAct): Yao et al., ReAct: Synergizing Reasoning and Acting in Language Models, 2022 — arXiv:2210.03629
• Lo standard MCP: Model Context Protocol — specifica ufficiale, modelcontextprotocol.io

Materiale informativo a cura di Rayer Group. Non costituisce consulenza tecnica o legale personalizzata: per il caso concreto valutiamo insieme la situazione specifica.