L'argomento di oggi è qualcosa che quasi tutti hanno sentito nominare, ma che pochi sanno spiegare davvero. L'AI Agent Harness. Probabilmente lo avrete visto in blog post o conferenze, ma cosa significa realmente? Ecco il punto. La maggior parte delle persone pensa che creare un agente IA significhi scrivere il prompt perfetto, quell'unica istruzione magica che fa fare al modello esattamente ciò che si vuole. Ma è come pensare che un'auto sia solo un motore. Certo, il motore è importante, ma senza ruote, volante, freni e telaio. Non si va da nessuna parte. Alla fine di questo episodio capirete cos'è davvero un Agent Harness, perché rappresenta la prossima evoluzione oltre il prompt engineering e come Microsoft AI Foundry lo rende concreto per le aziende. Prendete il vostro caffè e iniziamo. Perché il prompting non è più sufficiente. Torniamo ai primi tempi. Tra il 2022 e il 2024 lavorare con l'IA era semplice. Scrivi un prompt e otteni una risposta. Ti serve una bozza di mail. Prompt. Ti serve il riassunto di un articolo. Scrivi un prompt. Per compiti semplici e immediati funzionava davvero. Potevi chiedere qualcosa e il modello ti dava una risposta ragionevole. Ma poi le ambizioni sono cresciute. Hanno iniziato a chiedere a questi modelli fare un lavoro vero. Ricercare un argomento e scrivere un report. Analizzare un codice e correggere un bug. O gestire una conversazione di assistenza clienti a più fasi dall'inizio alla fine. E all'improvviso un solo prompt non bastava. Ecco cosa è successo. La finestra di contesto del modello si riempiva. Dimenticava le istruzioni precedenti. Iniziava a inventare fatti o a fornire risultati incompleti. Più il compito era lungo, più l'output diventava inaffidabile. Probabilmente l'avete sperimentato voi stessi. Chiede Onia di fare qualcosa di complesso. E alla fine ha dimenticato cosa le avevi chiesto all'inizio. Immaginate di chiedere a una sola persona di costruire un'intera casa da zero, tutta in una volta, senza mai controllare il lavoro. Quello che chiedevamo questi modelli di fare. I risultati erano esattamente quelli che vi aspettereste. Una casa a metà, con pareti mancanti e porte che non si aprono. La soluzione era un prompt migliore. Potevi passare ore a perfezionare le parole, aggiungere esempi e affinare le istruzioni. Ma avrebbe comunque fallito su compiti lunghi e complessi, perché il problema fondamentale non era il prompt. Era la mancanza di un sistema attorno ad esso. Ciò di cui il modello aveva bisogno non erano parole migliori, ma un supporto migliore. È lì che è iniziata l'evoluzione dal prompt engineering al context engineering. Le tre fasi dell'evoluzione dell'IA. Ecco come vedo l'evoluzione dell'IA. Tre fasi, ognuna sposta l'attenzione per gli ingegneri. La prima fase è stata il prompt engineering. È durata all'incirca dal 2024 al 2024. La grande domanda era semplice. Cosa devo dire al modello? Scrivevi un'istruzione, ottenevi una risposta e finivari. Tutto il lavoro ruotava attorno alla formulazione. Per compiti base era sufficiente. E seguita la seconda fase, context engineering, dal 2025, La domanda è cambiata da cosa devo dire a cosa deve vedere il modello. Gli ingegneri hanno scoperto che ciò che dai al modello conta più di come lo chiedi. Così hanno creato sistemi come il tool calling, la retrieval augmented generation e il protocollo MCP. Questi permettono al modello di recuperare informazioni giuste al volo. Invece di infilare tutto in un unico prompt, il modello prende ciò che serve quando serve. La terza fase è quella in cui siamo ora, l'arness engineering. A partire dal 2026, la domanda è, quale sistema devo costruire attorno al modello? Qui le cose si fanno interessanti perché è affidabilità, memoria, orchestrazione e filtri non vengono dal modello, ma dal sistema costruito attorno. Ecco il modo più semplice per pensarci. Un agente uguale a un modello più un harness e strutture su. L'arness e tutto il resto. Il modello pensa, l'arness fa tutto il resto. E quell'arness è l'ingrediente segreto che fa funzionare tutto. Pensala così il modello. È un operaio specializzato, talentuoso ma limitato. L'arness è l'officina, gli attrezzi, la checklist, il supervisore e i freni. Senza l'officina, l'operaio non ha un posto dove lavorare. Senza gli attrezzi non può costruire nulla. Senza la checklist dimentica dei passaggi. Senza il supervisore commette errori. E senza i freni si esaurisce. L'arness fornisce tutta questa struttura. Quindi cosa c'è esattamente dentro questo harness? Apriamolo. Cosa contiene effettivamente un harness? Quindi cosa entra in un harness? Analizziamo i pezzi uno per uno. Primo il ciclo dell'agente. È il ciclo che mantiene l'agente attivo. Il modello pensa, poi decide di richiamare uno strumento. Lo strumento viene eseguisce un risultato. Il modello esamina il risultato, pensa di nuovo e magari richiama un altro strumento. Il ciclo continua finché l'agente non raggiunge il suo obiettivo. Senza questo ciclo tieni solo una singola domanda e una singola risposta. Con esso hai un sistema che risolve i problemi passo dopo passo. Passiamo alla gestione del contesto. Questo è fondamentale perché i modelli hanno una capacità di attenzione limitata. La loro finestra di contesto può contenere solo una certa quantità prima di arena. Interviene in qualche modo. Comprime la conversazione, riassume tutti i messaggi e dà priorità a ciò che è importante. Immaginalo come un sistema di archiviazione per la conversazione. L'impalcatura l'organizza finché il modello vede da solo ciò che le va. Senza questo le sessioni lunghe crollano perché il modello perde il filo. Poi ci sono gli strumenti e le competenze. Queste sono le mani dell'agente. Un modello da solo può solo generare test. Non può leggere un file, navigare sul web, eseguire codici o interrogare un database. L'impalcatura gli conferisce queste capacità. Accesso ai file, navigazione web, esecuzione di codice, interrogazione di database e tutti strumenti forniti dall'impalcatura. Il modello decide quando usarli e l'impalcatura li fa funzionare. La memoria e la persistenza della sessione sono un altro pezzo importante. L'impalcatura ricorda le sessioni passate. Così quando torni da un agente domani non riparte da zero. Ricorda le tue preferenze, il contesto del progetto, le decisioni che hai preso? L'agente impara nel tempo perché l'impalcatura conserva conologia. I guardrail sono lo stato di sicurezza, i limiti che imposti al comportamento dell'agente. Pensali come al regolamento dell'agente. Numero massimo di passaggi prima di fermarsi, azioni non consentite. Richieste di approvazione umana. Per operazioni ad alto rischio come scrivere file o inviare email. Senza guardrail, un agente potrebbe continuare all'infinito a fare qualcosa che non avevi previsto. L'impalcatura lo tiene sotto. Infine, l'orchestrazione. L'impalcatura può attivare sotto agenti specializzati per compiti diversi. Uno si occupa della ricerca, un altro della scrittura, un terzo della verifica. Lavorano insieme come una squadra di specialisti in un cantiere edile. Ognuno fa ciò che sa fare meglio. E l'impalcatura assicura che non si ostacolino a vicenda. Ora, questi componenti non sono solo teorie. Microsoft ha costruito una piattaforma completa che mette tutto questo in pratica. Ecco Microsoft AI Foundry, l'impalcatura aziendale. Quella piattaforma è Microsoft AI Foundry. Immaginala come un'officina completa per costruire ed eseguire agenti IA su larga scala. Quando dico scala, intendo scala reale, non un esperimento di laboratorio. Foundry serve oggi oltre 70.000 clienti e solo nell'ultimo trimestre ha elaborato 100 trilioni di token. Solo 100 trilioni non è un errore di battitura. Ogni giorno alimenta 2 miliardi di ricerche aziendali. Questa è una piattaforma di produzione che gestisce alcuni dei carichi di lavoro più grandi. Ciò che fa davvero Foundry è darti l'impalcatura come servizio gestito. Non devi costruire da zero la gestione del contesto, la memoria e il coordinamento perché è tutto integrato. Tu porti il tuo agente Foundry e fornisce l'infrastruttura necessaria. Ora parliamo di identità. Un aspetto fondamentale. Ogni agente in Foundry ottiene il proprio ID agente e entra. In pratica un'identità digitale. Pensala come un badge aziendale rilasciato dalla reception. L'agente può accedere a servizi, dati e agire per conto dell'organizzazione proprio come un dipendente umano. E poiché ogni azione legata a quell'identità è completamente verificabile. Perché è importante? In un'azienda devi sapere chi ha fatto cosa. Ogni azione è registrata e tracciabile. Foundry si connette a oltre 1400 fonti di dati aziendali. Da SharePoint, Dynamics 365, Salesforce e database personalizzati. Se la tua azienda lo usa, Foundry probabilmente ha un connettore. Quindi l'agente non sta tirando a indovinare o inventando. Estrae i dati reali da sistemi reali, che significa che le risposte si basano sui tuoi dati aziendali effettivi. Poi c'è la memoria. Foundry include tipi di memoria integrati. La memoria procedurale aiuta la gente a imparare dai compiti passati. Migliora nel tempo come una formazione sul campo. La persistenza della sessione significa che ricorda le conversazioni precedenti, quindi non riparte da zero ogni volta che ci parli. Ciò rende le interazioni fluide e intelligenti. Quindi come funziona esattamente? Analizziamo i componenti che Microsoft fornisce per costruire architetture personalizzate. Framework per agenti, per costruire architetture personalizzate. Quindi come si costruisce effettivamente un'architettura? Microsoft fornisce un S di capa dedicato chiamato Microsoft Agent Framework, che potresti conoscere con il suo nome precedente, Semantic Kernel. Semantic Care. Stato ricostruito, ma il concetto rimane lo stesso. Consente agli sviluppatori di creare architetture di agenti personalizzati in Python e C-Sharp. Framework a tre livelli. Alla base c'è il ciclo dell'agente, il processo di ragionamento principale in cui il modello pensa, richiama strumenti, ottiene risultati e ripensa. Sopra di esso si trovano i flussi di lavoro, schemi di coordinamento che gestiscono più agenti. E a racchiudere tutto c'è il livello dell'architettura stessa, il guscio che tiene tutto insieme. Microsoft offre cinque schemi di coordinamento integrati. Sequenziale esegue gli agenti uno dopo l'altro in un ordine definito. Concorrente li esegue tutti in parallelo. Endoff passa il controllo da un agente all'altro in base alla necessità. GroupChat consente a più agenti di parlare in una conversazione condivisa. E poi c'è Magentic, gestore di Microsoft Research. Qui un agente supervisore genera un piano e poi delega il lavoro a sottoagenti specializzati come un project manager che assegna compiti ai membri del team. Ogni schema gestisce un problema di coordinamento diverso. Ecco la parte migliore. Framework è estensibile. Puoi integrare qualsiasi modello desideri, da OpenAI, Anthropic e Google Gemini ad Amazon Bedrock e persino modelli locali su Allama. Lo stesso vale strumento. Ti connetti tramite OpenAI e protocollo di contesto del modello codice diretto. Alcuni temono che usare il framework di Microsoft ti vincoli al loro ecosistema. Non è vero. Il framework funziona con qualsiasi stack che tu stai già utilizzando. Il livello Arnest aggiunge funzionalità come accesso ai file, esecuzione di codice, middleware di pianificazione e telemetria. Quindi creare un agente con questo framework significa costruire un sistema completo che legge file, scrive codice, pianifica attività in più fasi e registra tutto per il debug. È molto più di una semplice interfaccia di chat. Ecco come appare. Immagina un agente di programmazione basato su questo framework. Idea è un compito, diciamo, aggiungere una nuova funzionalità a una base di codice esistente. L'agente inizia navigando nella documentazione per comprendere l'api. Poi scrive il codice. Dopodiché esegue dei test per assicurarsi l'università. Se un test fallisce, legge l'errore, corregge il bug ed esegue nuovamente i test, tutto all'interno dello stesso Arnest, ciclando tra pensiero. Se ne verifica finché il lavoro non è completato. Senza l'Arnest dovresti fornire ogni passaggio manualmente. Con esso l'agente gestisce l'intero flusso di lavoro da solo. Un esempio popolare di Arnest in azione è il pattern Clow. Microsoft l'ha reso disponibile su Foundry ed è un'ottima dimostrazione di come questi pezzi si uniscano. Agenti in stile Clow e Arnest Parliamo degli agenti in stile Clow. Il nome deriva da progetti open source come Open Clow. Questi agenti risiedono sulla tua macchina, attendono istruzioni e poi eseguono lunghi compiti autonomamente. Sono sempre lì pronti a intervenire quando ne hai bisogno. Pensali come un assistente personale che non si prende mai un giorno libero. La versione di Microsoft si chiama Arnest. Funziona all'interno della sandbox per agenti ospitata da Foundry e offre alcune capacità impressionanti. Arnest ha il proprio file system, la propria memoria e il proprio set di strumenti. Puoi impostare le proprie routine di manutenzione, prendendo vecchi file organizzando il proprio spazio di lavoro. E se si rende conto di aver bisogno di una nuova competenza che non possiede, può costruirlo al volo. Ora ecco il punto sugli agenti Clow. Gli architetti Cloud li chiamano animali domestici, non bestiame. Gli animali domestici sono uno. Dai loro un nome, ti prendi cura di loro, non puoi sostituirli facilmente. Bestiame è intercambiabile. Quindi se uno si guasta ne avvia un altro. Gli agenti Clow sono decisamente animali domi. Ognuno ha il proprio stato, la propria cronologia, i propri comportamenti apriti. Questa unicità li rende potenti, ma rende anche più difficile il ripristino e la scalabilità. Se qualcosa va storto, non puoi semplicemente eliminare distanze e ricominciare da capo, perché perderesti tutta la conoscenza accumulata. La soluzione di Microsoft è chiamata routine. Si tratta di attività programmate, che consentono alla gente di svegliarsi, eseguire operazioni di manutenzione e poi tornare a dormire. Invece di mantenere la sandbox attiva 24 ore su 24, il che ha un costo, la gente si spegne dopo un periodo di inattività. Il sistema di routine non riattiva quando è necessario svolgere operazioni, come ripulire vecchie competenze, eseguire un backup o cercare nuovi task. Poi torna a dormire. Questo permette di risparmiare, mantenendo la gente disponibile quando serve. La sandbox isola ogni sessione. I file, la memoria e la configurazione del tuo agente rimangono confinati nel proprio ambiente. Inoltre, l'harness gestisce lo stato tra le varie sessioni, così non devi preoccuparti che i dati di un agente finiscano in quelli di un altro. Costruire il proprio harness da zero è possibile, ma la maggior parte delle aziende non ne ha bisogno. Foundry ti offre una piattaforma pronta all'uso con tutte queste funzionalità integra. La vera domanda è, cosa vuoi che faccia il tuo agente? Pubblicazione e collaborazione, dove gli Amazon si incontrano gli esseri mai. Quindi hai creato il tuo agente, fornendo gli strumenti, memoria, orchestrazione e una sandbox. Ora come fanno le persone a usare Google? È qui che Foundry semplifica le cose. Una volta creato e distribuito l'agente, puoi pubblicarlo su Microsoft 3.5 Copilot in Microsoft Teams con un solo click. Niente 10 click, niente pipeline di distribuzione di 3 giorni, solo un click. E il tuo agente appare esattamente dove le persone lavorano già, nelle email, nel chat e nei documenti. Foundry supporta due modalità di distribuzione. Primo, agenti di assistenza. Questi lavorano per tuo conto, scrivendo email, pianificando riunioni e recuperando documenti. Agiscono come una tua estensione, come avere un assistente velocissimo che fa ciò che chiedi. Secondo, agenti a pilota automatico. Questi sono più recenti e interessanti. Agiscono per il proprio conto, con il proprio indirizzo email e la propria identità. Non hanno bisogno che tu fornisca loro input ogni volta. Prendono iniziativa. Gli agenti a pilota automatico hanno un account tag complet. Puoi aggiungerli a una chat di gruppo di Teams, proprio come faresti con un collega umano. Seguono la conversazione e intervengono quando possono essere d'aiuto, tenendo traccia delle attività aperte, rispondendo alle domande sul lavoro del team e persino inserendo i nuovi membri, inviando loro i documenti giusti e presentandoli alle persone corrette. Ecco un esempio concreto. Immagina di avere un agente responsabile del flusso di lavoro. Lo aggiungi alla tua chat di gruppo su Team. Qualcuno dice, ehi, ho bisogno del rapporto del Q3 entro venerdì. L'agente nota che si tratta di un'attività da svolgere. Crea un task, lo assegna la persona giusta e aggiunge un promemoria per giovedì per verificare l'avanzamento. Nessuno glielo ha chiesto. Ha semplicemente visto qualcosa da fare e l'ha fatta. L'Arnes gestisce tutti i permessi dietro le quinte. Solo utenti autorizzati possono interagire con l'agente in una chat di gruppo. L'agente vede solo i messaggi che gli è consentito vedere e ignora il resto. Rispetta gli stessi controlli di accesso dei membri umani del tuo team. Ecco perché l'ingegneria dell'Arnes ripaga davvero. L'agente smette di essere un chatbot ed aprire una scheda del browser. Eventa un membro produttivo del team. Vive dove vivi tu, lavora come lavora il tuo team. E fa tutto questo perché l'Arnes, il sistema attorno al modello, gestisce identità, permessi, deployment e integrazione. Senza l'Arnes avresti solo un'altra finestra di chat da controllare. Ma ogni strumento potente ha necessità di tutto. Parliamo delle barri di protezione che rendono tutto questo sicuro. IA responsabile governance nell'Arnes. Tutto questo. L'ingegneria dell'Arnes non serve solo a rendere gli agenti più capaci. Serve a renderli sicuri e affidabili. Un agente che può inviare mail, modificare file e agire nelle chat di gruppo è potente ma tale potere richiede controlli. Immaginalo come dare a un dipendente le chiavi dell'edificio. Puoi che svolga il suo lavoro, ma stabilisce anche regole su cosa può accedere e quando. L'approccio di Microsoft si basa sullo standard per unire responsabile. Sei principi guidano ogni cosa. Equità, affidabilità e sicurezza, privacy e protezione, inclusività, trasparenza e responsabilità. Non sono solo belle idee scritte su un poster. Sono le fondamenta reali su cui è progettata l'intera piattaforma fin dall'inizio. L'Arnes è il luogo in cui questi principi diventano codice concreto. Le barriere limitano ciò che l'agente può fare. Gli hook del ciclo di vita ti consentono di applicare policy a ogni fase dell'esecuzione dell'agente. Prima che l'agente venga eseguito, dopo prima che richiami uno strumento, dopo aver ottenuto un risultato, puoi inserire i tuoi controlli in qualsiasi momento. Puoi impedire all'agente di accedere a determinati database? Puoi farlo. Puoi richiedere l'approvazione umana prima che l'agente inviui un email? Puoi fare anche questo. Entrambe le operazioni sono semplici da configurare. Il Well-Architected Framework di Azure include una guida dedicata ai carichi di lavoro di A. Copre tutto dalla criptografia dei dati e alla risposta agli incidenti. L'idea è che costruire un sistema di A non sia sostanzialmente diverso dal costruire qualsiasi altro sistema aziendale. Hai ancora bisogno di sicurezza, affidabilità ed eccellenza operativa. Il Well-Architected Framework ti offre un modo strutturato per pensare a tutto questo senza perderti. Oltre a questo c'è il Cloud Adoption Framework. Fornisce un processo in quattro fasi per la governance dell'IA. Primo, identificare i rischi. Cosa potrà ristorre? Secondo, misurare l'impatto. Non sarebbe grave. Terzo, mitigare con i controlli. Cosa puoi mettere in atto per prevenire? Quarto, operare con il monitoraggio. Come intercetti i problemi quando si verifichi? È un approccio pratico passo dopo passo che trasforma preoccupazioni astratte in azioni concrete. Per i sistemi di controllo degli agenti questo significa alcune cose fondamentali. Limiti massimi di passaggi così l'agente non può girare infinito. Restrizioni sugli strumenti affinché acceda solo a ciò che deve. Filtri di approvazione umana per azioni ad alto rischio. Tracce di audit così ogni decisione è registrata e revisionabile. Filtri di sicurezza dei contenuti che bloccano output problematici ma ne vengono visti. Ogni elemento lavora insieme per tenere il tuo agente sotto stretto. Microsoft fornisce sicurezza dei contenuti valutatori integrati in Foundry. Puoi testare il tuo agente rispetto a una serie di criteri prima di distribuire. Resta in tema. Gestisci i dati sensibili ma d'appropriato. Rifiuta le richieste che non dovrebbe soddisfare. Puoi eseguire queste valutazioni automaticamente e ottenere un punteggio prima di pubblicare l'agente. In questo modo intercetti i problemi presto, non dopo che qualcosa è andato a stop. Questo è il quadro completo. Da un semplice prompt a un agente autonomo sicuro di livello produttivo. Il modello pensa all'imparcatura, fa tutto il resto. Coordinamento, guardrail, governance, tutto ciò che lo rende affidabile. Quindi ricapitoliamo la trasformazione. Abbiamo iniziato con il prompt one shot. Scrivi un prompt e otti una risposta. Funzionava per compiti semplici. Poi siamo passati all'ingegneria del contesto. Gestisci ciò che il modello vede. Carica le informazioni giuste al momento giusto. Funzionava per compiti più complessi. E ora siamo arrivati all'ingegneria completa del sistema di controllo. Costruisci un sistema completo attorno al modello con memoria, strumenti, coordinamento, guardrail e governance. Ecco il concetto chiave. Un agente affidabile è solo quanto il sistema che lo circonda. Il modello conta, certamente, ma è l'impalcatura che determina il successo in produzione. Puoi avere il miglior modello al mondo, ma senza un buon sistema di controllo. Fallirà nei compiti reali. E puoi avere un modello discreto con un'ottima impalcatura. Supererà le aspettative ogni volta. Ecco la tua sfida. Nel tuo prossimo progetto di A, pensa oltre il prompt. Non chiederti cosa dovrei dire al modello. Chiediti quale sistema devo costruire attorno ad esso. Questo cambio di mentalità è ciò che separa le demo dai sistemi di produzione. Nel prossimo episodio approfondiremo un componente dell'architettura al memoria. Come gli agenti imparano nel tempo, come ricordano ciò che hanno fatto e come questo cambia ciò che possono realizzare. Iscriviti per non perderlo. Grazie.