Guida Completa agli AI Agents
Agenti IA in produzione: ciclo ReAct, strumenti, RAG, memoria, multi-agente, errori, osservabilità e costi. Ebook in italiano, esempi in Python.
Di cosa parla
Il tuo agente IA funziona nella demo e diventa imprevedibile, lento o costoso appena arrivano utenti veri? Questo libro ti porta dal prototipo a un servizio che puoi controllare: capisci cosa fa davvero un agente, quando conviene costruirlo e quando basta una pipeline, e come tenerlo sotto controllo con errori gestiti, osservabilità e un budget di token.
Chi legge è uno sviluppatore con basi in Python o TypeScript che ha già costruito una funzione su un modello linguistico e ora deve renderla affidabile e sostenibile nei costi. Le decisioni che il libro aiuta a prendere sono di architettura: quale modello usare per quale passo, come far chiamare gli strumenti in modo sicuro, quanta memoria dare all'agente, quando dividere il lavoro tra più agenti.
Il primo capitolo si chiude con una sezione su quando non costruire un agente: viene prima del codice avanzato, perché la scelta più economica è spesso non averne bisogno.
Per chi è scritto
Sviluppatori Python o TypeScript che hanno già un prototipo basato su un modello linguistico e devono portarlo in produzione.
L'agente funziona nella demo e diventa imprevedibile e costoso con utenti veri: servono controllo, osservabilità e un budget di costi.
Fa per te se
- Hai un prototipo basato su un modello linguistico e devi portarlo in produzione.
- Devi decidere se un compito richiede un agente o una pipeline fissa.
- Devi stimare e limitare il costo in token di un sistema che chiama il modello più volte per ogni richiesta.
- Devi proteggere un agente che usa strumenti da input malevoli, la cosiddetta prompt injection.
Non fa per te se
- Non hai mai scritto codice in Python o TypeScript: il libro parte da un agente funzionante e non insegna il linguaggio.
- Cerchi un tutorial su un solo framework: il capitolo sui framework è un panorama, non una guida passo passo.
- Lavori solo in TypeScript: 68 dei 88 blocchi di codice sono in Python, quelli in TypeScript sono 4.
- Cerchi la teoria dell'addestramento dei modelli: il libro usa i modelli, non li addestra.
Cosa saprai fare dopo averlo letto
- Decidere se un problema richiede un agente, un chatbot o una pipeline, applicando il test in quattro parti del capitolo 1.
- Scrivere un ciclo ReAct minimo e riconoscere i punti in cui si rompe.
- Scegliere tra tool calling nativo, modalità JSON e parsing del testo, e instradare le richieste tra modelli diversi per abbassare il costo.
- Vincolare l'output con schemi e ridurre il rischio di prompt injection.
- Dimensionare la memoria di un agente e riassumere le conversazioni lunghe.
- Portare il servizio in produzione con errori gestiti, tracing, rate limiting e circuit breaker, e calcolare il budget di token prima del lancio.
Cosa devi già sapere
- Python o TypeScript a livello intermedio.
- Dimestichezza con le API REST e con il formato JSON.
- Nozioni di base di machine learning: che cos’è un modello, che cos’è un embedding.
Cosa troverai all'interno
- Capitolo 1: cos'è un agente IA, il test in quattro parti, agente contro chatbot contro pipeline, un agente ReAct minimo in Python e in TypeScript, e quando non costruirlo
- Capitolo 2: come si comportano i modelli, routing tra modelli per ridurre il costo, tool calling nativo contro modalità JSON, finestra di contesto e budget
- Capitolo 3: prompt engineering per gli strumenti, schemi prima dei prompt, esempi nel prompt, prompt injection e output strutturato sotto attacco
- Capitolo 4: ReAct, Chain-of-Thought, Plan-and-Execute, Reflexion e il ragionamento interno dei modelli
- Capitolo 5: architetture RAG, scelta del vector store e degli embedding, re-ranking e filtri
- Capitolo 6: memoria a breve e lungo termine, stato di sessione, preferenze, riassunto delle conversazioni, pulizia dello stato scaduto
- Capitolo 7: sistemi multi-agente, scambio di messaggi, agenti specializzati e come risolvere i loro problemi tipici
- Capitolo 8: produzione, gestione degli errori, osservabilità con OpenTelemetry, rate limiting, circuit breaker, checklist finale e scalabilità
- Capitolo 9: costi e prestazioni, budget di token, cache, scelta del modello, latenza
- Capitolo 10: un caso di studio, il sistema RAG di un sito personale, con architettura, conformità all'EU AI Act, monitoraggio e lezioni apprese
Il libro ha 10 capitoli e 88 blocchi di codice. I prezzi dei modelli citati nel capitolo 9 sono rilevati al 25 ottobre 2026 e il testo li tratta come configurazione da aggiornare, non come costanti: ricontrollali sui listini ufficiali prima di fare i conti.
Ricevi il libro in italiano (PDF).
Non sei sicuro che sia il libro giusto?
Il catalogo ordina i libri per problema da risolvere, con a chi servono e a chi no. Confrontali prima di comprare.
Recensioni dei lettori
Per scrivere una recensione devi accedere.
Accedi per recensire →Non ci sono ancora recensioni. Hai letto questo libro? Scrivi la prima.