◆ Panatex · Formazione AI · Uso interno

Gli Agenti AI
spiegati da zero

Per un operations manager che vuole capire cosa sono, come si scrivono e perché cambiano il modo di lavorare.

livello principiante → intermedio
linguaggio Python
contesto Panatex · Allori · Valter
← torna alla home formazione
capitolo 01

Cos'è un agente AI?

Partiamo dall'analogia più semplice che esiste.

Concetto chiave

Un agente AI è un programma che, invece di aspettare ogni singola istruzione da te, riceve un obiettivo e poi decide autonomamente quali azioni compiere per raggiungerlo — leggendo file, chiamando API, scrivendo codice, navigando il web — iterando finché il compito non è fatto.

La differenza con una chat normale

💬
Chat normale
Domanda → Risposta
Ti risponde, si ferma.
🤖
Agente
Obiettivo → Loop azioni
Agisce, verifica, continua.

L'analogia del dipendente

Modo 1 — Chat tradizionale

Ogni mattina gli dici "Ora fai questo, poi aspetta" — poi quando finisce lo richiami. Sei tu a tenere in testa tutta la sequenza.

Modo 2 — Agente

Gli dici "Entro venerdì voglio il report sulle prenotazioni Airbnb di giugno." Lui sa cosa fare: apre Smoobu, estrae i dati, formatta il documento, ti avvisa solo a fine lavoro.

I 3 ingredienti

1
Un modello AI (il cervello)
Claude, GPT-4, Gemini — il modello che ragiona e decide cosa fare.
2
Degli strumenti (i tool)
Funzioni Python: leggere file, API calls, database, email, ricerche web.
3
Un loop (il motore)
AI decide → esegui → risultato torna all'AI → AI decide ancora → … finché finisce.
Cosa NON è un agente

Una skill in Claude Code non è un agente — è un prompt che esegui manualmente. Un agente ha autonomia: decide lui i passi.

capitolo 02

Come funziona internamente

Il cuore di ogni agente è il ReAct loop — da Reason + Act. Il modello ragiona, agisce, osserva il risultato, ragiona di nuovo.

Il ReAct Loop

ThoughtActionObservationThought → … → Final Answer

Esempio: obiettivo "dimmi quante prenotazioni ha avuto Allori il mese scorso e mandami un riassunto".

T
Thought (Ragiona)
Devo leggere le prenotazioni di Allori. Chiamo get_bookings(property="allori", month="maggio").
A
Action (Agisce)
Chiama la funzione Python che fa la vera API call a Smoobu.
O
Observation (Osserva)
Riceve: bookings=8, revenue=2340. Questo risultato entra nel contesto.
Final Answer
Ha i dati, chiama send_email(). Compito completato, si ferma.
CaratteristicaScript tradizionaleAgente AI
Passi fissiSì, sempre gli stessiNo, decide lui in base al contesto
Gestisce errori inaspettatiNo, crashaSì, ragiona e cambia strategia
Comprende linguaggio naturaleNo, solo parametri formaliSì, capisce istruzioni ambigue
Prevedibile e auditabileSempreCon log, sì
capitolo 03

Come si scrive un agente

Tre blocchi fissi in qualsiasi agente: (1) definisci i tool come JSON, (2) scrivi le funzioni Python reali, (3) fai girare il while loop.

Livello 1 — L'agente minimo

Complessità:
Principiante
agente_minimo.pypython
import anthropic client = anthropic.Anthropic() # 1. Definisci gli STRUMENTI che l'agente può usare tools = [{"name": "leggi_file", "description": "Legge un file di testo", "input_schema": {"type": "object", "properties": {"percorso": {"type": "string"}}, "required": ["percorso"]}}] # 2. Funzione reale che esegue l'azione def leggi_file(percorso): with open(percorso, "r") as f: return f.read() # 3. Il loop agente — cuore del sistema messages = [{"role": "user", "content": "Leggi 'note.txt' e dimmi di cosa parla"}] while True: response = client.messages.create( model="claude-opus-4-6", max_tokens=1024, tools=tools, messages=messages) # Se l'AI ha finito, esci if response.stop_reason == "end_turn": print(response.content[0].text); break # Se l'AI vuole usare un tool, eseguilo if response.stop_reason == "tool_use": tc = response.content[0] risultato = leggi_file(**tc.input) messages += [ {"role": "assistant", "content": response.content}, {"role": "user", "content": [{"type": "tool_result", "tool_use_id": tc.id, "content": risultato}]}]
La struttura da ricordare

Il loop è sempre lo stesso. Cambia solo il numero di tool. Più tool aggiungi, più l'agente diventa capace.

Livello 3 — Slash command in Claude Code

Complessità:
Avanzato
.claude/commands/report-allori.mdmarkdown
--- description: Genera report mensile prenotazioni Allori --- Sei un agente che genera il report mensile dell'appartamento Allori. ## Obiettivo Produci un report per il mese: $ARGUMENTS ## Passi 1. Trova il CSV del mese richiesto in ~/allori/prenotazioni/ 2. Calcola: n. prenotazioni, revenue, soggiorno medio, % occupazione 3. Confronta con il mese precedente 4. Scrivi report markdown e salvalo come report_MESE_ANNO.md 5. Dimmi il path del file salvato
Come si usa

In Claude Code digiti: /report-allori maggio 2025 — Claude esegue i passi autonomamente.

capitolo 04

Casi pratici per il tuo lavoro

🏠
Agente Allori — Report e Prezzi
Airbnb · Smoobu · Gmail
Ogni lunedì: occupazione, revenue, recensioni, proposta prezzi prossime 2 settimane.
API Smoobu → prenotazioni settimana
Web → eventi Firenze prossime 2 sett.
Email digest + aggiorna prezzi Smoobu
⚖️
Agente Successione Valter
Gmail · PDF · Airtable
Monitora 5 banche per aggiornamenti. Oggi lo fai manualmente.
Gmail → email banche con keyword "successione"
Aggiorna Airtable stato per istituto
Se urgente → bozza risposta per revisione
🏭
Agente Panatex — Digest Quotidiano
Gmail · DB2 · Todoist · Calendar
Ore 7:30: email critiche + task + anomalie DB2 + agenda alla segreteria.
Gmail → email urgenti ultime 12h
Todoist → task oggi + overdue
DB2 PANATEX → anomalie KPI
Calendar → appuntamenti giornata
💰
Agente Portfolio
API Finanza · Obsidian · Airtable
Monitora XEON, WSPX, IWDA. Variazione >3% = analisi con implicazioni fiscali italiane.
API prezzi → quotazioni ETF/ETP
Calcola variazione vs prezzo carico
Aggiorna nota Obsidian Portfolio
capitolo 05

La scala di complessità

🟢
Livello 1 — Single-Step
1–2 ore di sviluppo
1 tool, 1 compito. "Leggi questo CSV e dimmi le anomalie."
🔵
Livello 2 — Multi-Tool
1 giorno
3–8 tool, obiettivo complesso. L'agente sceglie quale usare e in che ordine.
🌿
Livello 3 — Con Memoria
2–3 giorni
L'agente ricorda sessioni precedenti. Persistenza su Airtable o SQLite.
🔴
Livello 4 — Multi-Agente
1–2 settimane
Orchestratore + sotto-agenti specializzati che si coordinano in parallelo.
Da dove partire

Parti dal Livello 2 con il Digest Panatex. Gmail, Todoist e Calendar sono già connessi. Il 70% del lavoro esiste già.

Pensiero tradizionalePensiero ad agenti
"Cosa devo fare passo per passo?""Qual è l'obiettivo? Quali dati? Quali azioni?"
"Scrivo uno script per questo caso""Scrivo tool generici che l'agente combinerà"
"Se cambia qualcosa riscrivo tutto""Cambio il prompt, i tool restano"
In sintesi

Un agente = modello AI + lista di strumenti + while loop che non si ferma finché il lavoro non è fatto.