AI Agent

Un agente AI è un sistema che persegue un obiettivo osservando ripetutamente il proprio ambiente, decidendo il passo successivo e compiendolo, quindi usando il risultato per scegliere cosa fare dopo. Il classico manuale Artificial Intelligence: A Modern Approach definisce agente qualsiasi entità che percepisce l'ambiente tramite sensori e agisce su di esso tramite attuatori: una definizione che comprende termostati, programmi per giocare e robot. Dal 2023 il termine indica soprattutto agenti basati su modelli linguistici di grandi dimensioni (LLM): il modello legge un obiettivo, chiama strumenti come la ricerca sul Web, l'esecuzione di codice o le API aziendali, legge i risultati restituiti da ogni strumento e continua finché ritiene completata l'attività. Gli assistenti di programmazione che modificano e testano un intero repository, gli assistenti di ricerca che cercano e citano decine di fonti e gli agenti che usano il computer operando su un desktop tramite screenshot e clic funzionano tutti così.

Come funziona un agente AI#

Un agente LLM opera all'interno di un ciclo. Il modello riceve l'obiettivo, la conversazione fino a quel momento e un elenco degli strumenti disponibili, quindi scrive una risposta finale oppure emette una chiamata a uno strumento. Il programma circostante, detto infrastruttura dell'agente, verifica che l'azione sia consentita, la esegue e aggiunge il risultato al contesto del modello come nuova osservazione. Con queste informazioni a disposizione, il modello decide il passo successivo. Il prompting ReAct ha stabilito lo schema che alterna ragionamento scritto e azioni, mentre gli attuali modelli di ragionamento vengono addestrati con l'apprendimento per rinforzo per operare in questo modo attraverso lunghe sequenze di chiamate agli strumenti.

La maggior parte degli agenti combina gli stessi quattro componenti fondamentali. Il modello, un LLM di uso generale o un modello visione-linguaggio, decide ogni passaggio. Gli strumenti sono funzioni descritte da un nome, uno scopo e uno schema JSON per i relativi argomenti; il Model Context Protocol (MCP) consente a un agente di connettersi agli strumenti pubblicati da altri team. La memoria comprende la finestra di contesto, che contiene l'attività corrente, e i file, i database o i database vettoriali in cui l'agente cerca le informazioni meno recenti; le competenze dell'agente raccolgono istruzioni riutilizzabili che vengono caricate solo quando servono per un'attività. La pianificazione suddivide l'obiettivo in passaggi, tiene traccia di quelli completati e rivede il piano quando un passaggio non riesce.

Agenti AI, modelli e flussi di lavoro#

Una definizione ampiamente usata, tratta dalla guida di Anthropic alla creazione di agenti efficaci, riserva il termine «agente» ai sistemi in cui è l'LLM a dirigere il proprio processo e l'uso degli strumenti.

• Modello AI: un modello trasforma un input in un output, per esempio un'immagine in un elenco di oggetti rilevati. Un agente chiama i modelli, spesso molte volte, e decide cosa fare con i loro output.
• Flussi di lavoro agentici: le chiamate LLM e gli strumenti seguono percorsi di codice definiti in anticipo da uno sviluppatore, come estrarre, classificare e poi riassumere. In un agente, è il modello a scegliere quanti passaggi servono per un'attività e quali strumenti usare in ciascun passaggio.
• Chatbot: un chatbot risponde a ogni messaggio a turno. Un agente compie azioni tra un messaggio e l'altro e può lavorare per minuti o ore senza l'intervento di una persona.
• Sistemi multiagente: più agenti con ruoli e contesti separati collaborano a un'attività sotto la supervisione di un livello di orchestrazione che assegna il lavoro e combina i risultati.

Tipi di agenti AI#

La tassonomia dei manuali di Russell e Norvig classifica gli agenti in base al livello di ragionamento sul mondo:

• Agenti riflessi semplici: reagiscono all'input corrente con regole fisse che associano condizioni e azioni, come un termostato o una luce attivata dal movimento.
• Agenti riflessi basati su modello: mantengono uno stato interno che tiene traccia delle parti del mondo che non possono osservare al momento, per esempio quali persone sono già state viste.
• Agenti basati su obiettivi: cercano o pianificano sequenze di azioni che raggiungono un obiettivo dichiarato, come un pianificatore di itinerari.
• Agenti basati sull'utilità: scelgono tra i risultati in base a un punteggio di utilità, bilanciando velocità, costo e rischio.
• Agenti che apprendono: migliorano il proprio comportamento in base all'esperienza, in genere tramite ricompense.

Gli agenti LLM sono agenti basati su obiettivi la cui pianificazione avviene tramite testo; gli agenti addestrati con l'apprendimento per rinforzo su attività di utilizzo degli strumenti sono anche agenti che apprendono.

Creare un semplice agente visivo#

Un agente basato su una telecamera percepisce l'ambiente tramite un modello di rilevamento e agisce tramite codice. In questo agente riflesso basato su modello, il tracciamento di Ultralytics YOLO26 assegna a ogni persona un ID persistente tra i fotogrammi video; l'agente memorizza gli ID su cui ha già agito, così ogni persona attiva un solo avviso invece di uno per fotogramma:

from ultralytics import YOLO

model = YOLO("yolo26n.pt")
video = "https://github.com/ultralytics/assets/releases/download/v0.0.0/decelera_portrait_min.mov"
alerted = set()  # The agent's memory of people it has already acted on

for frame, result in enumerate(model.track(video, stream=True, classes=[0])):
    # Perceive: IDs of the people tracked in this frame
    ids = set(result.boxes.id.int().tolist()) if result.boxes.is_track else set()

    # Decide and act: alert once for each person not seen before
    for track_id in sorted(ids - alerted):
        print(f"Frame {frame}: person {track_id} entered, alert sent")
    alerted |= ids

Il log stampato contiene una riga per ogni nuova persona, mostrando la differenza introdotta dallo stato: un modello da solo segnalerebbe ogni persona di nuovo in ogni fotogramma.

Applicazioni nel mondo reale#

• Programmazione agentica: gli agenti di programmazione leggono un repository, modificano file, eseguono i test e ripetono il processo correggendo gli errori finché la modifica supera i test.
• Ricerca e analisi: gli agenti di ricerca eseguono numerose ricerche, leggono le fonti e redigono un rapporto con citazioni, spesso suddividendo la domanda tra diversi subagenti.
• Produzione: un agente di ispezione visiva combina un rilevatore di difetti con i sistemi dello stabilimento, arrestando un nastro trasportatore, registrando il difetto e aprendo una richiesta di manutenzione quando i difetti si concentrano.
• IA fisica: i robot per magazzini e ambienti domestici percepiscono l'ambiente tramite telecamere, pianificano una presa o un percorso e agiscono mediante motori, chiudendo il ciclo molte volte al secondo.

Affidabilità e sicurezza#

Gli errori si accumulano durante le attività lunghe, perché un singolo passaggio errato può compromettere tutti quelli successivi. Per questo i team misurano gli agenti dall'inizio alla fine usando benchmark di valutazione degli agenti e tracce di esecuzioni reali. Gli agenti che leggono pagine web, email o file possono imbattersi in prompt injection, istruzioni inserite nei contenuti per cercare di reindirizzare l'agente. Perciò gli ambienti di esecuzione limitano le autorizzazioni di ogni strumento, eseguono il codice in sandbox e chiedono l'intervento di una persona prima di azioni irreversibili come pagamenti o eliminazioni. Le capacità stanno crescendo rapidamente: METR ha rilevato che la durata delle attività software che gli agenti più avanzati riuscivano a completare con un'affidabilità del 50% è raddoppiata circa ogni sette mesi dal 2019 all'inizio del 2025.