6. Agenti, skill e strumenti

6.1 Che cosa rende un sistema agentico

Un agente non e semplicemente un modello che risponde. E un sistema che riceve un obiettivo, pianifica passi, usa strumenti, osserva risultati e aggiorna il piano.

Schema minimo:

obiettivo -> piano -> azione -> osservazione -> verifica -> prossimo passo

Il ciclo aumenta la capacita, ma anche il numero di punti in cui possono comparire errori o azioni indesiderate.

6.2 Skill: conoscenza procedurale

Una skill insegna come eseguire un compito specifico. Il valore non sta in istruzioni generiche come "gestisci gli errori", ma in conoscenza concreta:

• ordine dei passaggi;
• condizioni per scegliere un percorso;
• eccezioni e gotcha;
• criteri di successo;
• criteri di stop;
• momento in cui chiedere aiuto umano;
• esempi verificati.

Le correzioni manuali ripetute sono segnali di conoscenza procedurale mancante e dovrebbero diventare parte della skill. In altre parole, una skill non e un vademecum generico: e una procedura osservabile, testabile e riusabile in contesti simili.

6.3 Progressive disclosure

Un agente con molte skill non deve caricare tutte le istruzioni nel contesto iniziale. Prima usa nome e descrizione per decidere quali skill possono servire, poi carica le istruzioni e infine eventuali riferimenti o script.

Questo riduce rumore e costo, ma rende la descrizione una parte critica del comportamento: se e vaga, la skill puo non attivarsi; se e troppo ampia, puo attivarsi nel momento sbagliato. Il principio e semplice: si deve guidare la scelta della skill con un livello di dettaglio sufficiente a distinguere il compito corretto dal compito casuale.

6.4 Strumenti e MCP

Gli strumenti danno all'agente la possibilita di agire su file, terminale, database, web e servizi esterni. MCP puo standardizzare il collegamento tra l'harness e questi sistemi.

Ogni strumento deve avere:

• scopo limitato;
• schema di input e output;
• permessi minimi;
• timeout e limiti di costo;
• gestione degli errori;
• logging;
• proprietario e ciclo di revisione.

Un catalogo grande di strumenti non e automaticamente migliore: aumenta il rischio di scelta errata e di combinazioni inattese. L'obiettivo non e aggiungere potenza, ma aumentare il controllo e la governabilita del sistema.

6.5 Memoria

La memoria di un agente deve distinguere almeno:

• contesto temporaneo della richiesta;
• memoria della sessione;
• conoscenza persistente del progetto;
• preferenze o dati personali.

Ogni memoria deve avere durata, fonte, livello di fiducia e regola di cancellazione. Conservare tutto senza controllo crea rumore, rischio privacy e informazioni obsolete. La memoria non e un accumulo neutro: e un sistema di decisione che richiede limiti espliciti.

6.6 Human in the loop

L'intervento umano non e un fallimento dell'agente. E un controllo architetturale per i casi ambigui, ad alto impatto o irreversibili.

Definire in anticipo quando l'agente deve:

• fermarsi;
• chiedere conferma;
• proporre ma non eseguire;
• escalare a un responsabile;
• annullare o ripristinare un'azione.

La soglia deve dipendere dal rischio, non dalla comodita della demo. In sistemi reali, il punto critico non e la velocita di esecuzione, ma la sicurezza della decisione.

6.7 Skill come conoscenza procedurale verificabile

Una skill non e una lista generica di istruzioni. E una procedura osservabile, pronta a essere eseguita in un contesto specifico e verificata contro un criterio di successo. In questo senso, la skill e la forma piu concreta di knowledge work trasformata in processo ripetibile.

Una skill forte ha almeno:

• obiettivo chiaro;
• trigger o condizione d'uso;
• sequenza di azioni;
• eccezioni e casi limite;
• criteri di stop;
• criteri di escalation;
• esempi di esecuzione corretta;
• una regola di controllo sul risultato.

In pratica, la differenza tra un prompt generico e una skill e la differenza tra "scrivimi qualcosa di utile" e "identifica il problema, verifica la causa, costruisci un mini-piano, testalo, documenta i rischi e chiedi conferma prima di modificare produzione".

La skill e diventata efficace quando il sistema puo agirare senza dover rinegoziare ogni decisione. E diventata pericolosa quando la skill e vaga, troppo ampia o troppo dipendente dal contesto umano.

6.8 Piani, wayfinding e decomposizione del lavoro

Molti fallimenti degli agenti non derivano da una mancanza di intelligenza, ma da una mancanza di struttura. Un compito grande e ambiguo viene trattato come un unico blocco, quindi l'agente si muove a caso, produce slop e scarta le assunzioni iniziali senza un controllo sul percorso.

La soluzione non e aggiungere altro testo al prompt. E aggiungere struttura:

• definire il problema in modo esplicito;
• separare lavoro, decisioni e verifica;
• identificare dipendenze e prerequisiti;
• individuare i punti di incertezza;
• decidere chi deve compiere quale azione;
• prevedere un checkpoint di valutazione.

Il pattern di wayfinding e utile proprio per questo: fa emergere una carta del lavoro, anziche lasciare che l'agente improvvisi un percorso mentre procede. In un sistema serio, la pianificazione non e una fase opzionale: e la condizione che rende il lavoro governabile.

6.9 Handoff e trasferimento di contesto

L'handoff non e un semplice passaggio di messaggio. E un trasferimento di responsabilita con contesto, obiettivo, vincoli, decisioni prese e incertezze residue.

Un buon handoff contiene almeno:

• lo stato attuale del lavoro;
• l'obiettivo finale;
• i vincoli tecnici e di business;
• cosa e stato gia verificato;
• cosa resta da fare;
• quali decisioni richiedono conferma;
• dove un agente successivo deve continuare senza ricominciare da zero.

Quando l'handoff e lasciato ambiguo, il sistema ricomincia da capo, ripete lavoro, usa informazioni obsolete e genera confusione. In un ambiente di agenti, il contesto e la prima forma di sicurezza.

6.10 Review come controllo del sistema

La review non e un'operazione estetica. E il meccanismo di controllo che trasforma un agente in un sistema governabile.

Una review efficace valuta:

• coerenza con il requisito;
• compatibilita con la struttura del progetto;
• rischi e impatti secondari;
• correttezza funzionale;
• sicurezza e privacy;
• conformita alle linee guida;
• presenza di test o verifica.

Negli ambienti di AI coding, il ruolo di review e particolarmente critico: e il punto in cui lo slop viene intercettato prima che si diffonda nel codicebase. Senza review, la velocita dell'agente aumenta ma la qualita del sistema tende a decadere.

6.11 Triage del backlog e prioritizzazione intelligente

Non ogni richiesta va delegata all'agente. Alcune richiedono un'analisi, altre una decisione umana, altre ancora un'operazione controllata e con limitazioni di sicurezza.

Il triage aiuta a distinguere:

• lavori routinari e standardizzati;
• lavori di analisi e ricerca;
• lavori ad alto rischio;
• lavori con dipendenze critiche;
• lavori che richiedono approvazione umana.

Questa disciplina e fondamentale per evitare che l'ambiente AI diventi un sistema di escalation incontrollata. L'idea non e fare tutto in automatico, ma fare il giusto al giusto livello di responsabilita.

6.12 Il ciclo di sviluppo guidato da AI in sette fasi

Una pratica utile e rappresentare il lavoro come una sequenza di fasi, non come una singola generazione di output. In forma sintetica:

1. definire il problema e il contesto;
2. decidere scope, confini e obiettivi;
3. pianificare la soluzione;
4. prototipare rapidamente;
5. verificare e revisione;
6. iterare con correzioni e aggiustamenti;
7. consegnare, monitorare e migliorare.

Questa struttura e spesso piu affidabile delle "demo one-shot": in un workflow agente, la validazione e l'iterazione sono parte del design, non un ripensamento post hoc.

6.13 Principio finale

La Bibbia non cerca di celebrare la velocita dei sistemi agentici. Cerca di distinguere quando la velocita e vantaggiosa e quando la disciplina e decisiva. Una skill ben progettata, un piano chiaro, un handoff pulito, una review rigorosa e una priorita corretta sono i meccanismi che trasformano un agente da strumento interessante a sistema controllabile.

Fonti di partenza

• Skills vs MCP vs RAG vs Memory What AI Agents Need to Know
• 5 Best Practices for Building AI Agent Skills
• What AI Agent Skills Are and How They Work
• AI Model vs Agentic Harness What Actually Drives AI
• Why Does AI Need Access to the Web
• When Should AI Systems Use Super Agents

Fonti integrate nel corpus (2026-10-05)

Queste trascrizioni sono state integrate come sorgenti candidate nel corpus del capitolo, con riferimento diretto ai file .srt originali e con focus su skill, workflow, review e process agentico:

• 5 Claude Code skills I use every single day
• Learn anything with the teach skill
• wayfinder Nothing is too big to plan anymore
• handoff is my new favourite skill
• How To De-Slop A Codebase Ruined By AI (with one skill)
• Burn through the backlog from hell with triage
• The 7 phases of AI-driven development
• Can Cursor's HARDCORE Review Skill Stop The Slop

Queste fonti hanno contribuito a consolidare i principi di skill, progressiva decomposizione del lavoro, review e disciplina di esecuzione. Sono ora parte del corpus del capitolo, ma continuano a richiedere revisione per verificare quanto siano generalizzabili e quanto vadano trasformate in principi di Bibbia piu stabili.