L'argomento di oggi è qualcosa di cui quasi tutti hanno sentito parlare ma che quasi nessuno sa spiegare. Sto parlando degli agenti IA. Probabilmente avrai sentito il termine in una riunione, letto in un blog o visto in un titolo. Tutti ne parlano. Ma chiedi a qualcuno di definirne uno. Le risposte diventano subito confuse. L'hype è forte, le definizioni sono vaghe, l'espressione viene usata così liberamente da aver perso quasi tutto il suo significato. Ecco l'errore più comune che le persone commettono. Pensano che un agente sia solo un chatbot con un nome più elegante. Gli chiedi qualcosa e lui risponde. Quello non è un agente, è un chatbot. E c'è una reale differenza tra i due. Quindi cosa è cambiato? Perché tutti sono improvvisamente ossessionati dall'agente? E cosa ancora più importante? Perché dovrebbe interessarti se non siano sviluppato? Alla fine di questo episodio capirai cosa è davvero un agente IA perché Microsoft ha costruito un intero framework attorno a loro e perché questo è importante per il tuo modo di lavorare. Cos'è esattamente un agente IA? Sai già come funziona un chatbot? Digiti qualcosa e lui risponde. Questa è una conversazione. È reattiva. Aspetta che tu dica qualcosa poi risponde. Un agente è diverso. Non si limita a rispondere. Agisce. Pensare. Decidere. Agire. Questa è la definizione più semplice che posso darti. Ecco come funziona. Per prima cosa la gente pensa. Usa un modello linguistico di grandi dimensioni per ragionare su ciò di cui hai davvero bisogno, non solo su ciò che hai digitato ma su ciò che intendevi. Se dici prenota una riunione con Sara martedì prossimo, la gente non si limita a ripetertelo. Riflette su ciò che quella richiesta significa davvero. Poi decide.

Scompone la tua richiesta in vari passati. Prenotare una riunione diventa un piano. Controlla il calendario. Trova uno slot libero. Verifica la disponibilità di Sara. Invia un invito. L'agente non indovina. Crea una sequenza di azioni. Agisce. Richiama strumenti e servizi per farlo accadere. Non ti dice come prenotare una riunione. La prenota è basta. Non spiega come controllare il meteo. Lo controlla e ti dà la risposta. Pensa alla differenza. Un chatbot è reattivo. Aspetta la tua prossima domanda. Un agente è proattivo. Gli dai un obiettivo e lui va a lavorarci. Potrebbe tornare con delle domande se ha bisogno di maggiori informazioni. Ma non ha bisogno che tu lo guidi passo dopo passo. Come il banco informazioni di una biblioteca. Chiedi dove si trova un libro e ti indicano il corridoio. Un agente è come un assistente personale che ha le chiavi dell'edificio. Ho bisogno di informazioni sui nostri migliori clienti per la riunione di domani. E loro vanno a cercarle. Le organizzano e ti consegnano un documento di repito. Non è detto loro dove cercare o quale formato utilizzare.

Hanno capito tutto da solo. Ma il segreto non è solo l'LM. Modello linguistico intelligente ma da solo è solo un cervello senza mani. Ciò che rende un agente tale è la combinazione di tre elementi. ragionamento. La capacità di analizzare un problema. Strumenti. La capacità di agire sul mondo. E memoria. La capacità di ricordare quanto è accaduto in precedenza. Metti insieme questi tre elementi e otterrai qualcosa che non si limita a rispondere alle domande ma porta a termine il lavoro. Riva del framework un panorama frammentato. Quindi se gli agenti sono così utili perché non li stanno già costruendo tutti? La risposta breve è che fino a poco tempo fa era un processo disordinato. Dovevi venire tu stesso diversi strumenti un po' come cercare di costruire un'auto comprando pezzi da produttori diversi sperando che si incastrassero. Primo tentativo di Microsoft di risolvere questo problema è stato Semantic Kernel un SDK per integrare l'IA nelle applicazioni. Roba potente ma era una cassetta degli attrezzi in un progetto. Ti davi pezzi ma dovevi ancora capire come assemblarli? Poi è arrivato Gen di Microsoft Research. Questo framework ha esplorato le conversazioni multiagente in cui gli agenti IA parlano, dibattono e collaborano. All'avanguardia sì ma sperimentale non pensato per sistemi di produzione. Così gli sviluppatori si sono trovati difficili. Semantic Kernel era stabile e pronto per l'azienda ma mancava di modelli di orchestrazione avanzati. Autogen aveva le fantastiche funzionalità multiagente ma non era qualcosa che avresti eseguito in un ambiente live. Ognuno aveva la sua curva di apprendimento, il suo modo di operare, la sua comunità. E non era solo Microsoft. Sono spuntati altri framework. Langchain, QI e una dozzina di altri. L'ecosistema era completamente dispersivo. Se volevi costruire agenti al lavoro dovevi diventare un esperto in un mondo in rapida evoluzione. Quale framework imparare? Quale sopravviverà? Qual è quello che Microsoft sostiene davvero? Per un principiante era Trabogen. Immagina di essere uno sviluppatore in un'azienda che esplora gli agenti. Fai ricerche e trovi cinque framework diversi. Ognuno con la sua documentazione, i suoi modelli, la sua comunità. Non sai da dove cominciare. Non sai su quale puntare il tuo tempo. Quella frammentazione ha creato una vera barriera. Non si trattava solo di imparare uno strumento ma di scommettere su un intero ecosistema. E man mano che i casi d'uso degli agenti passavano da esperimenti a processi aziendali reali, Microsoft ha capito che non era sostenibile. Avevano bisogno di un framework, un approccio unificato, una risposta alla domanda. Come costruisco un agente? Cos'è il Microsoft Agent Framework? Quindi Microsoft ha preso i due framework che aveva, Semantic Kernel e Autogen, e li ha uniti in uno solo. Il risultato è il Microsoft Agent Framework, un SDK unificato che unisce la stabilità Enterprise di Semantic Kernel con i modelli multi-agente all'avanguardia di Autogen. I team che hanno creato quei due framework ora lavorano insieme su questo. Questo framework è stato lanciato in anteprima a fine 2025 e ha raggiunto la versione 1.0 a luglio 2026. Questa cronologia è importante perché ti dice che non si tratta di un progetto di ricerca o di un esperimento, è un prodotto pronto a produzione. Microsoft sta dicendo costruite i vostri sistemi reali su questo. Anche open source. Lo potete trovare su GitHub con oltre 7000 stelle e più di 100 contributori. La community attiva. Ci sono sessioni di office hour settimanali dove puoi parlare direttamente con il team di ingegneri. Non è qualcosa che si ottiene con un prodotto chiuso. Il framework supporta Python e .NET come linguaggi di primo livello. Che tu sia uno sviluppatore C-Shargo, Python hai la stessa esperienza. Ai. E questo è importante perché molti framework AI sono solo per Python. Microsoft ha fatto una scelta deliberata di trattare entrambi i linguaggi allo stesso modo. Ed ecco qualcosa che potrebbe sorprenderti. Il framework supporta oltre 7 diversi fornitori di modelli. Microsoft Foundry, Azure OpenAI, OpenAI, Anthropic Cloud, Amazon Bedrock, Google Gemini, persino modelli locali, tramite Allama. Scrivi la logica del tuo agente una volta e funziona con tutti loro. Non sei vincolato a un solo fornitore. Passi da OpenAI ad Anthropic cambiando. Un valore di configurazione non l'intera base di codice, non l'intera base di codice. Framework ha due componenti principali. Gli agenti sono i blocchi costitutivi, unità di ragionamento individuali che possono pensare e agire. I workflow sono il livello di orchestrazione che collega più agenti insieme. Puoi avere un agente che svolge un compito, un intero team che lavora su un progetto complesso. C'è anche qualcosa chiamato definizioni dichiarative. Definisci il comportamento di un agente in un file YAM. Ciò significa che la configurazione del tuo agente è soggetta a controllo di versione. Mettila su Git, revisionarla nelle pull request e distribuiscela tramite pipeline CECD. Per i team aziendali questo è un enorme vantaggio. Ma ecco cosa voglio che tu capisca. Questo framework non è solo per gli sviluppatori che costruiscono sistemi complessi. È progettato per scenari aziendali. Sicurezza, conformità, osservabilità, approvazioni umane sono integrati e non aggiunti in seguito. Ed è proprio questo che lo distingue dai framework sperimentali visti in precedenza. Componenti base, agenti, strumenti, memoria e flussi di logo. Analizziamolo suddividendolo nei quattro concetti fondamentali.

Se impari questi capirai il 90% di ciò che fa questo framework. Per prima cosa gli agenti. Sono unità fondamentale. Ogni agente ha un nome, una serie di istruzioni e accesso agli strumenti. È un'unità di ragionamento capace di pensare al G. Gli dici chi è, cosa deve fare, e quali risorse può utilizzare. Tutto il resto deriva da questo. Poi gli strumenti. Sono le mani dell'agente, funzioni, api o servizi esterni che può chiamare come dati meteo, accesso al calendario, query a database o operazioni su file. L'agente non sa come fare queste cose da solo. Ha bisogno di strumenti per interagire con il mondo e agire. Puoi scrivere semplici funzioni tu stesso oppure usare server MCP in modo del context protocol. È un modo standard per collegare gli agenti a servizi esterni. Pensalo come una presa universale. Se un servizio supporta MCP, il tuo agente può usarlo senza codice di integrazione personalizzato. Poi c'è la memoria. È l'archivio del cervello.

Ne esistono due tipi. La memoria di sessione a breve termine. Ricorda cosa è successo durante una singola conversazione. I provider di contesto sono lungo termine. Ricordano preferenze fatte attraverso più conversazioni. La memoria è ciò che rende un agente intelligente. Senza di essa un'interazione riparte da zero. Ti presenti e, la volta successiva che parli, si è dimenticato tu. Con la memoria la gente sa chi sei, cosa vede discusso e cosa ti sta a cuore. È la differenza tra parlare con uno sconosciuto o con un collega che conosce il tuo lavoro. Infine i flussi di lavoro. È il livello di orchestrazione dove definisci più agenti che lavorano insieme. I flussi possono essere sequenziali. Passo A poi passo B. Possono essere simultanei con più agenti che lavorano in parallelo oppure condizionali. Se succede questo vai qui. Se succede quello vai là. I flussi di lavoro supportano anche i check-in. Se qualcosa fallisce a metà il sistema può riprendere da dove si era interrotto. Non devi cominciare da capo. È importante per attività lunghe che richiedono ore o molti passaggi. Sono integrati anche i modelli di supervisione umana. Gli agenti possono fermarsi e chiedere l'approvazione prima di compiere azioni sensibili. Se un agente deve inviare un email o approvare un pagamento può fermarsi in attesa di un sì umano. È essenziale per i settori regolamentali. Ecco un esempio reale. Immagina un agente per la preparazione alle vendite. Domani è una riunione con un cliente. Dice all'agente aiutami a preparare. Lui controlla il tuo calendario per confermare l'ora. Estrai i dati da CRM per verificare lo storico. Cerca nel materiale di marketing in casi studio pertinenti. Genera un documento di briefing e una presentazione powerpoint. Tutto senza che tu debba fare nulla. Questo non è un chatbot. Questo è un agente. Perché dovrebbe interessare? Valore pratico. Quindi capito cos'è il framework. Ma il punto è perché dovrebbe importarti se non sei uno sviluppatore di sistemi di A. La risposta è che questo framework non vive solo nel terminale di uno sviluppatore. Alimenta strumenti con cui gli utenti aziendali interagiscono quotidiano. Gli agenti creati con i framework possono essere pubblicati direttamente in Microsoft Teams e nella chat di Copay. Significa che gli agenti della tua organizzazione vivono dove già lavori. Non hai bisogno di un'app separata da installare un nuovo accesso da ricordare una curva di apprendimento. Appli semplicemente Teams e l'agente lì. Per i responsabili decisioni aziendali questo conta ancora di più. Il framework fornisce controlli aziendali che sono realmente importanti. Ottieni la gestione dell'identità tramite EntraID, controlli di accesso affinché gli agenti vedano solo ciò che devono, Audit Trail per sapere cosa fa ogni agente quando e la governance dei dati per proteggere le informazioni sensibili. E c'è un problema a cui potreste non aver pensato. Lo shadow AI è una realtà. I dipendenti usano strumenti di IA non autorizzati ogni giorno, incollando dati aziendali in chatbot pubblici, caricando documenti sensibili su server sconosciuti e sperando che vada tutto bene. I team IT sanno che sta succedendo ma non possono fermarlo vietando gli strumenti. Le persone troveranno sempre un modo. Questo framework offre all'IT un modo per fornire agenti approvati e sicuri che risultano comunque moderni. Invece di dire ai dipendenti non usate l'IA puoi dire usate questi agenti, sono sicuri, controllati e lavorano con i vostri dati. C'è anche il problema della proliferazione degli agenti e sta già cadendo. I team stanno creando agenti più velocemente di quanto chiunque possa monitorare. Il framework ti offre un unico posto per gestire, monitorare e governare tutti loro. Puoi vedere quali agenti vengono utilizzati, quali stanno accumulando polvere, quali necessitano di attenzione. La visibilità sui costi è un altro aspetto fondamentale. Puoi vedere esattamente quanto costa eseguire ogni agente, quali sono costosi, quali efficienti e dove ottimizzare. Non è qualcosa che ottieni con una raccolta di strumenti e script casuali. In conclusione, questo framework rende gli agenti di IA pratici, sicuri e gestibili per le organizzazioni reali. Non si tratta solo di creare una tecnologia interessante, ma di costruire qualcosa che funzioni in un'azienda reale con vincoli reali e sicurezza, conformità, budget e governance. Se sei responsabile di una di queste cose, questo framework è importante per te.

Come si inserisce nel quadro generale? Quindi dove si colloca esattamente il framework degli agenti? Non è un prodotto a sé stante, è un tassello di un puzzle molto più grande. Vediamo come si collega il tool. Partiamo da Georea e iFoundry. Pensare in questo modo. Il framework degli agenti è il modo in cui costruisci i tuoi agenti e Foundry è il luogo in cui vivono ed eseguono. Si occupa di tutto il lavoro pesante, infrastruttura, scalabilità, monitoraggio e sicurezza. Costruisci in locale, distribuisci su Foundry e il tuo agente viene eseguito in un ambiente di produzione con controlli aziendali. Ora, se non sei uno sviluppatore, hai un'altra opzione, Copilot Studio. Questo è il percorso low-code. Utilizzi un'interfaccia visiva per definire cosa fa il tuo agente, collegarlo a fonti di dati e pubblicarlo su Teams. Nessun codice richieste. Framework degli agenti è per gli sviluppatori che desiderano il controllo. Si completa una vicenda. Hai bisogno di personalizzazione. Usa Framework. Devi muoverti velocemente. Usa Copilot Studio. Poi c'è Microsoft 365 Copilot, il lato rivolto all'utente. Gli agenti costruiti con il framework possono apparire direttamente dentro di Copilot. Quindi gli utenti interagiscono con loro attraverso un'interfaccia familiare, lo stesso Copilot che usano già per il lavoro.

Nessun nuovo strumento da imparare, nessun nuovo flusso di lavoro da adottare. Né qui che risplende il vero valore, il livello di intelligenza, è composto da tre parti. WorkIQ si collega ai tuoi dati personali, email, calendario e chat. FoundryIQ si collega alla conoscenza organizzativa, documenti, policy e risorse condivise. E FabricIQ si collega ai dati aziendali, numeri di vendita, record dei clienti e metri che operativi. Gli agenti possono attingere da tutti e tre. È questo che li rende davvero utili. Non si limitano a rispondere a domande generiche, hanno un contesto. Sanno chi sei, a cosa stai lavorando e quali dati sono importanti per la tua attività. Quando un agente prepara un documento informativo per una riunione di vendita non sta tirando indovina. Sta attingendo dal tuo calendario, dal tuo CRM, dai tuoi materiali di marketing, dalla base di conoscenza aziendale, tutto in una sola richiesta e tutto funziona con il modello di sicurezza Microsoft. Entra ID per l'identità, Intune per la gestione dei dispositivi e Defender per la protezione delle minacce. Se la tua organizzazione utilizza già questi strumenti, il framework si integra perfettamente. Non c'è bisogno di creare un livello di sicurezza separato. Per le organizzazioni che utilizzano già Microsoft 365, Azure e Power Platform, questo framework è il naturale passo successivo. Non stai partendo da zero. Stai estendendo ciò che già possiedi. La visione a lungo termine.

Le agenti diventeranno comuni quanto le A. Ogni processo aziendale avrà un livello di agenti, non per sostituire le persone, ma per aiutarlo a lavorare più velocemente con informazioni migliori e meno compiti ripetitivi. Questo framework è il modo in cui costruisci quei livelli. Per iniziare, ecco il tuo primo passo. Ecco la buona notizia. Non serve essere esperti di A per iniziare. Ci sono due percorsi. Il percorso no-code è Copilot Studio. Interfaccia visiva trascina, rilascia, configura nessun codice richiesto. Puoi avere qualcosa di pronto in ore e non giorni. Se il tuo obiettivo è risolvere rapidamente uno specifico problema aziendale, questa è la tua strada. Il percorso con codice è il framework dell'agente stesso. Instali i pacchetti per Python o Python.net e usi l'estensione VS Code. E vale la pena parlare dell'estensione perché include competenze basate sugli A. Le dici cosa vuoi. Crea un agente di preparazione vendita che controlla il mio calendario ed estrae dati dal CRM e lui crea l'intera struttura del progetto per te. Codice, file di configurazione, tutto.

Non è una pagina bianca. Vantaggio competitivi. L'estensione include anche qualcosa chiamato Agent Inspector. È uno strumento visivo che ti mostra cosa sta facendo l'agente in tempo reale passo dopo passo. Puoi vederlo mentre pensi. Puoi vedere quali strumenti ti sta chiamando. Puoi vedere dove si blocca. È come avere un debugger che parla in modo chiaro. Se usi già semantic kernel o auto gem, ci sono assistenti di migrazione che analizzano il tuo codice esistente e generano un piano di migrazione dettagliato. Non devi ricominciare da capo. Il framework è open source. Il reposito di GitHub si trova su github.com slash microsoft slash gemframe. Esempi, documentazione, forum di discussione, tutto lì. La community è attiva. Ci sono sessioni di assistenza settimanali dove puoi parlare direttamente con il team di ingegner. Non è qualcosa che si ottiene con la maggior parte dei framework. Il messaggio chiave è questo. Inzi in piccolo. Crea un singolo agente che faccia una cosa utile. Magari controlla il tuo calendario. Magari riassume le tue email.

Magari cerca informazioni sui clienti. Vedi che effetto fa. Poi espandi. La cosa più importante è comprendere i concetti. Ed è di questo che trattava questo episodio. Lascia che concluda collegando questi pezzi. Un agente non è un chatbot. È un sistema che pensa, decide e agisce autonomamente. Il framework esiste perché costruire agenti in passato significava destreggiarsi tra strumenti e framework incompatibili che non comunicavano tra loro. Quella frammentazione rendeva tutto confuso. Quindi Microsoft ha creato un unico modo per costruire uno per distribuire uno per gestire. Basta passare da un framework all'altro o assemblare pezzi incompatibili tra loro. Per i principianti ecco il concetto chiave. Gli agenti AI non sono magia. Sono sistemi strutturati che ragionano, usano strumenti e ricordano il contesto. Microsoft vi ha fornito un framework completo per costruirli pronto per la produzione fin da ora. Non è solo pubblicità. Gli agenti stanno diventando parte integrante del nostro lavoro proprio come le app e i siti web anni fa.

Gli strumenti ci sono. La community è attiva e il vostro primo agente è più vicino di quanto pensiate. Se volete approfondire iniziate dall'apposito di GitHub e dall'estensione per VS Code. Iscrivetevi sulla vostra piattaforma di podcast preferita e condividete questo episodio con chi sta iniziando il suo percorso.