Cos'è un agente AI e come provarlo passo dopo passo

Cos’è un agente AI? È un programma basato su un modello linguistico che non si limita a rispondere, ma svolge il compito da solo: sceglie gli strumenti (file, terminale, browser), guarda il risultato di ogni passo e decide cosa fare dopo, finché non ha finito. Un chatbot ci dà del testo, un agente ci dà il lavoro fatto, per esempio un test sistemato o un commit nel repository.

In questa guida spiego come funziona dentro, poi passiamo alla pratica: installare un agente nel terminale, dargli un primo compito e configurare ciò che ci protegge dalle sorprese. I comandi vengono dalla documentazione ufficiale di Claude Code e di Codex CLI.

Cos’è un agente AI in pratica?

La definizione più breve la dà Anthropic nel testo Building effective agents: gli agenti sono “typically just LLMs using tools based on environmental feedback in a loop”, cioè di solito semplicemente modelli linguistici che usano strumenti in un ciclo e reagiscono a ciò che restituisce l’ambiente.

Nello stesso testo Anthropic distingue gli agenti dai cosiddetti “workflow”:

1. Un workflow è un sistema in cui modello e strumenti seguono un percorso predefinito nel codice. Lo sviluppatore stabilisce i passi, il modello riempie i vuoti.
2. Un agente è un sistema in cui il modello guida da solo il proprio processo e sceglie da solo gli strumenti. Lo sviluppatore indica l’obiettivo, il modello decide quanti passi servono e quali.

Secondo Anthropic, gli agenti danno il meglio dove è difficile prevedere in anticipo il numero di passi. Per i compiti semplici è meglio restare su una soluzione più semplice.

In cosa un agente è diverso da un chatbot?

La differenza sta negli strumenti. Nella documentazione di Claude Code si legge che senza strumenti Claude può solo rispondere con del testo, mentre con gli strumenti può agire: leggere codice, modificare file, eseguire comandi, cercare sul web e collegarsi a servizi esterni.

Un esempio dalla stessa documentazione lo mostra bene. Chiediamo all’agente di “sistemare i test che falliscono” e lui:

1. esegue i test per vedere cosa si rompe,
2. legge i messaggi di errore,
3. cerca i file sorgente giusti,
4. li legge per capire il codice,
5. modifica i file,
6. esegue di nuovo i test per verificare che la correzione funzioni.

Un chatbot si fermerebbe al suggerimento della correzione. Un agente la applica e verifica da solo il risultato.

Come funziona il ciclo dell’agente?

La documentazione di Claude Code lo descrive come il cosiddetto “agentic loop”, con tre fasi: raccolta del contesto, azione e verifica dei risultati. Le fasi si intrecciano e dopo ogni passo il modello decide di cosa ha bisogno, concatenando anche decine di azioni.

Un agente è fatto di due cose:

1. Il modello, che ragiona e pianifica (in Claude Code sono i modelli Claude, che cambiamo con il comando /model).
2. L’harness agentico, cioè lo strato attorno al modello che gli fornisce strumenti e gestisce il contesto. È il termine usato dalla documentazione stessa (“agentic harness”).

Gli strumenti integrati di Claude Code si dividono in cinque gruppi: operazioni sui file, ricerca, esecuzione di comandi, web e analisi del codice. A questi si possono aggiungere server MCP (connessioni a servizi esterni), skill e subagenti.

Curiosamente, parte di questi mattoncini sono già standard aperti. Il 22 ottobre Anthropic ha affidato lo standard Agent Skills all’Agentic AI Foundation, che fa capo alla Linux Foundation e a cui in precedenza aveva già ceduto MCP. Secondo Anthropic, lo standard è supportato da oltre 70 piattaforme per agenti, tra cui ChatGPT, Cursor e GitHub Copilot.

Perché adesso si parla così tanto di agenti AI?

Perché da curiosità sono diventati uno strumento quotidiano. Secondo il rapporto Octoverse presentato da GitHub il 28 ottobre alla conferenza Universe, a settembre oltre il 40% delle pull request partiva da una bozza scritta da un agente, contro il 17% di marzo (resoconto di The Next Web).

Gli agenti vanno anche oltre il codice. Ho già scritto di Claude Duet, che si presenta da solo con un briefing mattutino e tiene d’occhio la posta, e di quattro agenti Gemini che hanno completato Minecraft fino all’Ender Dragon.

Passo 1: come installare un agente AI nel terminale?

Il modo più semplice per vedere un agente al lavoro è un agente di programmazione nel terminale. Mostro Claude Code, che uso per questo sito, e per confronto Codex CLI di OpenAI.

Claude Code richiede un piano Claude a pagamento (Pro, Max, Team o Enterprise) oppure un account Claude Console con crediti API. Installazione su macOS, Linux e WSL:

curl -fsSL https://claude.ai/install.sh | bash

Windows PowerShell:

irm https://claude.ai/install.ps1 | iex

L’installer non mostra l’avanzamento. Alla fine apriamo una nuova finestra del terminale e controlliamo:

claude --version

Codex CLI si installa su macOS e Linux così:

curl -fsSL https://chatgpt.com/codex/install.sh | sh

Al primo avvio Codex propone l’accesso con un account ChatGPT (“Sign in with ChatGPT”). L’installazione passo dopo passo, con l’accesso e il file CLAUDE.md, l’ho descritta nella mia guida a Claude Code.

Passo 2: come dare all’agente il primo compito?

Entriamo nella cartella di un progetto qualsiasi e avviamo l’agente:

cd /percorso/del/progetto
claude

(Codex si avvia allo stesso modo, con il comando codex.) Al primo avvio Claude Code chiederà di accedere dal browser.

Cominciamo con una domanda che non cambia nulla, ma mostra subito il ciclo dell’agente:

what does this project do?

L’agente esamina i file da solo e torna con un riassunto. Non dobbiamo incollare né indicare nulla.

Poi un piccolo compito che qualcosa la cambia:

add a hello world function to the main file

Claude Code troverà il file giusto e mostrerà la modifica. Se chiede il permesso, scegliamo Yes. Le istruzioni si possono scrivere anche in italiano; gli esempi qui sopra vengono direttamente dalla documentazione.

Passo 3: come decidere cosa può fare l’agente da solo?

È la parte più importante, perché l’agente lavora sul nostro computer. In Claude Code lo decide la modalità dei permessi, che cambiamo con Shift+Tab:

1. Manual: l’agente chiede prima di ogni modifica a un file e di ogni comando nel terminale. Un buon inizio.
2. Accept edits: l’agente modifica i file ed esegue semplici operazioni sui file senza chiedere, per gli altri comandi chiede ancora.
3. Plan: l’agente si limita a esplorare il codice e a proporre un piano, non modifica nulla nei file sorgente.
4. Auto: un classificatore in background esamina le azioni e blocca quelle rischiose invece di chiederci.

La seconda rete di sicurezza sono i checkpoint. Prima di ogni modifica Claude Code salva una copia del file, e premendo due volte Esc si annullano le modifiche. C’è un limite: i checkpoint coprono solo i file, quindi non annullano le azioni su database, API o deploy (per questo lasciamo queste operazioni nella modalità che chiede il permesso).

In qualsiasi momento possiamo anche interrompere l’agente con Esc o scrivere una correzione mentre lavora: l’agente ne terrà conto al passo successivo.

Passo 4: come scrivere i compiti per un agente?

La documentazione consiglia di trattare l’agente come un collega capace: dargli contesto e obiettivo e lasciargli i dettagli. Tre regole che funzionano:

1. Concretezza invece di genericità: “sistema il bug del login per cui, dopo una password sbagliata, l’utente vede una schermata vuota”, non “sistema il bug”.
2. Un compito grande diviso in passi: prima la tabella nel database, poi l’endpoint dell’API, infine la pagina.
3. Prima l’esplorazione, poi le modifiche: chiediamo all’agente di analizzare il codice prima di cambiare qualsiasi cosa (la modalità Plan è perfetta per questo).

Le regole fisse del progetto vanno nel file CLAUDE.md. Il comando /init ne genera la prima versione.

A cosa fare attenzione?

Primo, ai costi. Anthropic scrive chiaramente che l’autonomia degli agenti significa costi più alti e il rischio che gli errori si accumulino. Un agente che fa decine di passi consuma molti più token di una singola risposta in chat.

Secondo, alla sicurezza. Un agente con accesso al terminale vede quello che vediamo noi, comprese le chiavi API nei file .env. Anthropic consiglia di fare test in un ambiente isolato con le opportune protezioni; la sandbox, le regole dei permessi e i limiti di spesa li ho descritti nella guida sulla sicurezza degli agenti AI. Che non sia teoria lo dimostra la storia degli agenti che sono scappati dalla sandbox durante l’addestramento in OpenAI.

Terzo, alla verifica. L’agente controlla da solo il proprio lavoro, ma la review prima del merge resta compito nostro ;)

FAQ

Cos’è un agente AI, in parole semplici?

È un modello di AI che riceve un obiettivo ed esegue da solo i passi per raggiungerlo: usa strumenti, controlla i risultati e si corregge finché non ha finito. Un chatbot risponde soltanto alla domanda.

Un agente AI è gratis?

Claude Code richiede un piano Claude a pagamento o crediti API. In Codex CLI si accede con un account ChatGPT e la disponibilità dipende dal piano. Gratis possiamo anche far girare un modello in locale, come spiego nella guida sull’AI in locale.

Un agente AI può rompere qualcosa sul mio computer?

Sì, perché esegue comandi veri. Per questo conviene partire in modalità Manual o Plan e annullare le modifiche ai file con i checkpoint o con git.

In cosa un agente AI è diverso da un workflow?

In un workflow i passi li stabilisce lo sviluppatore e il modello si limita a riempirli. Un agente decide da solo quali passi compiere e in che ordine.