Azure AI Foundry Threads

Quando distribuisci un'IA in Azure AI Foundry, non stai semplicemente avviando un modello. Lo inserisci in un runtime gestito in cui messaggi, chiamate agli strumenti e fasi di esecuzione vengono registrati e tracciati. Per un'azienda è la differenza tra un esperimento incontrollabile e un sistema disciplinato.

In questo articolo vediamo come funzionano i tre pilastri della tracciabilità in Foundry: thread, esecuzioni (run) e passaggi di esecuzione. Vediamo anche come gli strumenti collegati all'agente rendano l'IA verificabile e pronta per l'uso in produzione.

Agenti in Azure AI Foundry: modello, istruzioni e strumenti

Configurare un agente in Foundry non significa aprire una finestra di chat. Significa nominare un "caposquadra" digitale, progettato per missioni con obiettivi chiari. Il suo design poggia su tre elementi fondamentali.

Il modello: il cervello

Il modello si occupa di ragionamento e linguaggio. Analizza le richieste in linguaggio naturale, pianifica i passaggi e redige le risposte.

Le istruzioni: gli ordini di missione

Le istruzioni impediscono al modello di divagare e lo ancorano ai risultati che servono davvero. Funzionano come un regolamento fisso da rispettare. Per esempio: estrarre dati da un insieme di contratti e restituire i risultati in un formato preciso.

Gli strumenti: l'attrezzatura

Gli strumenti sono ciò che permette all'agente di agire: esecuzione di codice, connettori di ricerca, API di reportistica o qualsiasi sistema di terze parti collegato. Un interprete di codice serve per le analisi. Un connettore SharePoint o un MCP personalizzato porta all'agente dati in tempo reale.

Un agente di Azure AI è costruito esplicitamente su questa triade. Senza di essa non ottieni riproducibilità né verificabilità, ma solo generazione di testo senza alcuna prova. Con tutti e tre gli elementi, invece, l'agente non improvvisa: esegue una missione con log e checkpoint.

Perché la triade fa la differenza in azienda

In molte app di chat non esiste un senso formale di ordine né un'orchestrazione degli strumenti. È come mandare il proprio capitano sul campo senza piano e senza equipaggiamento. Il servizio agente di Foundry garantisce invece la presenza di tutti e tre i livelli.

Non sei legato a un unico "cervello". Puoi scegliere tra i modelli del catalogo di Foundry: GPT-4 per strategie complesse, un modello più snello per compiti leggeri, oppure l'integrazione di modelli come Mistral. Scegli ciò che si adatta alla missione, restando sempre dentro una struttura che impone responsabilità.

I guardrail sono integrati nell'agente:

• le istruzioni fissano le regole che l'agente deve seguire;
• il set di strumenti può essere limitato in modo rigoroso e ampliato in base al caso d'uso;
• il modello può essere sostituito liberamente, senza uscire dalla struttura di controllo.

Il risultato sono output prevedibili, passaggi visibili e la possibilità di estendere l'agente in modo responsabile con connettori aziendali e personalizzati.

Thread di Azure AI Foundry: il registro di ogni conversazione

Un thread non è una finestra di chat che svanisce quando la chiudi. È una sessione di conversazione pensata per i sistemi. Ogni scambio viene archiviato: quelli tra utente e agente e, in una configurazione multiagente, anche quelli tra agenti diversi. La cronologia resta consultabile molto tempo dopo la fine della chat.

I thread non sono trascrizioni statiche, ma contenitori strutturati. Gestiscono automaticamente il troncamento, mantenendo il contesto attivo entro i limiti del modello e preservando allo stesso tempo una traccia di controllo completa. L'agente continua a seguire la conversazione, mentre l'azienda conserva un registro permanente e revisionabile. Così ottieni continuità per l'agente e governance per l'organizzazione.

Messaggi con timestamp e ruolo

Un thread è composto da messaggi. Un messaggio non è solo testo: può contenere un'immagine, un file di foglio di calcolo o un blocco di codice generato. Ognuno ha un timestamp e un ruolo, utente o assistente. Aprendo un thread si vede quindi cosa è stato detto, chi lo ha detto, quando e che tipo di contenuto era coinvolto.

Un responsabile della conformità può così vedere la richiesta esatta inviata il giorno prima, il grafico prodotto in risposta e l'orario di entrambi gli eventi. Come il taccuino di una campagna di Dungeons & Dragons, il thread documenta ciò che è accaduto e previene le discussioni su cosa l'agente abbia davvero fatto.

Audit, debug e prove

Per audit interni e regolatori, un thread mostra l'intera sequenza: richiesta dell'utente, risposta dell'agente, strumenti usati e momento in cui è successo ogni passaggio. Per gli sviluppatori è una sorta di modalità di debug: se l'agente ha prodotto un frammento di codice errato, si può riavvolgere il thread fino alla richiesta e capire come ci si è arrivati.

Senza thread si ricorre a screenshot e ricordi confusi, che non reggono quando la conformità chiede prove o l'assistenza deve riprodurre un bug. Nessun registro significa nessuna prova, e nessuna traccia significa nessuna correzione.

Esecuzioni (run): il momento in cui l'agente entra in azione

Il thread conserva storico, ordini e contesto. L'esecuzione, o run, è il trigger che fa prendere all'agente quel contesto e lo mette in pratica. Il thread può contenere la richiesta "analizza il file CSV" o "disegna un grafico a linee". È il run a elaborarla attraverso istruzioni, modello e strumenti: può cercare dati aggiuntivi, elaborare numeri o richiamare l'interprete di codice per generare un artefatto.

Un run non è una scatola nera, perché il suo stato è monitorato. Gli stati tipici sono:

• in coda;
• in corso;
• richiede azione;
• completato;
• fallito.

Gli esempi dell'SDK interrogano spesso questi stati in un ciclo. Hai così visibilità non solo su ciò che viene fatto, ma anche su quando accade.

Passaggi di esecuzione: tracciare ogni mossa dell'agente

Resta una domanda cruciale: cosa è successo davvero dentro il run? La risposta può sembrare corretta, ma senza dettagli non sai se l'agente ha contattato un'API esterna, scritto codice o semplicemente improvvisato del testo. In ambito aziendale questa opacità è pericolosa. È come guardare una scacchiera a metà partita e sentirsi dire "fidati, le mosse erano giuste".

I passaggi di esecuzione (run steps) risolvono il problema. Ogni run viene registrato passo dopo passo: gli output del modello generati, gli strumenti invocati, i calcoli eseguiti, i messaggi prodotti. È una notazione scacchistica per l'IA: recupero del file alle 10.02, esecuzione del blocco di codice alle 10.03, restituzione del grafico alle 10.04. Ogni azione è scritta in ordine, così da poterla riprodurre in seguito.

Vantaggi per sviluppatori, conformità e operations

• Sviluppatori: invece di fissare una risposta finale senza sapere come sia nata, possono scorrere la timeline, individuare l'errore esatto (una query sbagliata, un errore di calcolo) e correggerlo. Il debug diventa un'attività forense, non una congettura.
• Conformità: quando i revisori chiedono come sia stato generato un riepilogo, si mostrano le prove: la chiamata allo strumento, il passaggio dell'interprete, la risposta composta, tutto con marcatura temporale. Le spiegazioni diventano governance.
• Operations: se un flusso di lavoro va rieseguito, si può seguire la stessa sequenza. Se un risultato viene contestato, lo si può riprodurre.

Insieme, thread, run e passaggi trasformano un'IA improvvisata in un collaboratore le cui azioni puoi tracciare, testare e difendere. Per le aziende significa trasformare il rischio in responsabilità, con prove al posto delle promesse.

Strumenti, MCP e sicurezza: dall'IA che parla all'IA che lavora

Gli strumenti fanno passare l'agente dalle parole ai fatti. Invece di descrivere come controllare un documento o eseguire un calcolo, l'agente lo fa e restituisce l'output. Questo è ciò che rende la piattaforma preziosa in un'azienda reale e non solo impressionante in una demo. Foundry offre tre categorie di funzionalità.

1. Strumenti integrati

Comprendono l'interprete di codice, Bing Search, i connettori SharePoint e Microsoft Fabric e Azure AI Search. Permettono di analizzare dati, estrarre file, cercare contenuti aziendali e creare grafici o report senza codice personalizzato. Le risposte discorsive diventano prodotti di lavoro tangibili, che puoi ispezionare e riutilizzare.

2. Strumenti personalizzati: OpenAPI e MCP

Non sei vincolato a ciò che Microsoft rilascia: puoi registrare strumenti personalizzati tramite specifiche OpenAPI o tramite il Model Context Protocol (MCP). L'MCP viene descritto come l'USB-C degli strumenti per l'IA. Quando colleghi gli agenti a server MCP remoti, il sistema gestisce automaticamente individuazione, controllo delle versioni e invocazione degli strumenti, senza wrapper scritti a mano ogni volta. Il carico di integrazione si riduce molto, soprattutto in ambienti con decine di sistemi da collegare.

3. Chiamate osservabili

Ogni chiamata a uno strumento è registrata a livello di passaggio, con identità, input, output e timestamp. Puoi verificare che cosa è stato richiamato, confermare che siano state rispettate le autorizzazioni corrette e conservare record permanenti per la conformità.

Un esempio pratico

Carichi un file CSV in un messaggio della conversazione. L'agente richiama l'interprete di codice nei suoi passaggi di esecuzione, elabora il file e genera un grafico. L'artefatto torna come immagine allegata, visibile direttamente nel registro della conversazione. Non hai scritto un parser né una visualizzazione: hai dato un'istruzione, e l'agente ha scelto lo strumento, l'ha eseguito e ha restituito un file pronto per un report.

Integrazione e sicurezza

Gli strumenti possono collegarsi a Logic Apps, il che apre l'accesso a oltre 1.400 connettori verso sistemi già esistenti. Invece di riscrivere adattatori per piattaforme CRM, ERP o ITSM, si configurano i connettori che l'azienda usa già, senza fragili ponti API.

Sul fronte sicurezza, quando gli strumenti si collegano a sistemi come SharePoint o Fabric usano un'autenticazione "per conto di" (on-behalf-of), mediata da Microsoft Entra. Se ieri non avevi il permesso di leggere un file, l'agente non supera quel limite oggi. Identità e autorizzazioni restano intatte, ed è l'unico modo in cui i team di conformità danno la loro approvazione. Ogni chiamata resta inoltre tracciabile: chi l'ha richiamata, cosa è stato inviato e cosa è stato ricevuto.

Errori e rischi: cosa succede quando mancano questi livelli

Se la struttura a tre livelli e la tracciabilità non ci sono, i problemi si accumulano in fretta:

• Output incoerenti: il riassunto di un contratto viene letto in un modo e quello successivo lo contraddice, in modo sottile.
• Tracciabilità persa: nessun log strutturato registra come si è arrivati alla risposta.
• Debug a tentoni: gli sviluppatori non possono ripercorrere la catena di ragionamento.
• Nessuna prova: senza thread, ti restano screenshot e ricordi confusi. In caso di fallimento puoi solo offrire rassicurazioni verbali.
• Strumenti assenti: ti ritrovi con una sessione di chat che fa grandi promesse ma non svolge mai lavoro.

In azienda non sono fastidi minori, ma rischi reali che bloccano fiducia e adozione.

Takeaway pratici

• Costruisci ogni agente su tre elementi: modello, istruzioni e strumenti.
• Scegli il modello dal catalogo di Foundry in base alla missione e mantieni le istruzioni come regolamento fisso.
• Limita gli strumenti allo stretto necessario e amplia il set solo in base al caso d'uso.
• Usa i thread come registro permanente e revisionabile di messaggi, ruoli e timestamp.
• Monitora lo stato dei run (in coda, in corso, richiede azione, completato, fallito).
• Analizza i passaggi di esecuzione per il debug e per rispondere alle richieste di audit.
• Per integrare sistemi esterni, valuta OpenAPI, MCP e i connettori di Logic Apps.
• Affidati all'autenticazione on-behalf-of con Microsoft Entra, così che identità e permessi restino intatti.
• Come primo passo, avvia un progetto di test, crea un agente base, esegui un thread e controlla i passaggi nell'SDK o nel portale, per confermare che i log corrispondano a quanto atteso.

Conclusione

Azure AI Foundry non si limita a inviare prompt a un modello: offre un metodo ripetibile per creare agenti con cervello, regolamento e attrezzatura. I thread conservano il diario di ogni conversazione, i run attivano il lavoro e i passaggi di esecuzione ne documentano ogni mossa. Il risultato è un'IA le cui azioni si possono tracciare, testare e difendere. Per chi guida lo sviluppo e per chi si occupa di conformità significa avere controllo e visibilità sull'intero ciclo di vita dell'agente, con prove al posto delle promesse.