Blog Guide Portfolio Biografia antoniotrento.net
Italiano English

Stack AI sovrano

Agenti che eseguono (MCP, tool, guardrail)

MCP, tool calling, kill switch, human-in-the-loop ed eval: agenti che non chiacchierano ma eseguono, con confini chiari e niente disastri.

Agenti che eseguono (MCP, tool, guardrail)

Un chatbot che risponde male fa perdere tempo. Un agente che esegue male fa perdere soldi: aggiorna il record sbagliato sul CRM, paga una fattura due volte, clicca “Elimina” su un portale, gira in loop per tre ore consumando token. La differenza tra i due non sta nel modello. Sta in quello che gli lasci toccare, in come lo fermi e in come dimostri cosa ha fatto.

Questa guida raccoglie gli articoli su come si costruiscono agenti che agiscono su sistemi reali senza diventare un rischio: protocolli e tool, confini e permessi, code di approvazione, interruttori d’emergenza e un modo serio di misurare se funzionano.

Il principio: il modello propone, il sistema dispone

Il filo che lega questi articoli è una separazione netta. Il modello legge, interpreta, propone un’azione con i suoi parametri. Il sistema intorno al modello decide se quell’azione si può fare: valida i parametri con regole deterministiche, controlla i permessi, chiede l’approvazione di una persona quando l’effetto è irreversibile, registra tutto, e può fermare l’agente in qualsiasi momento. Un agente sicuro non è un modello più intelligente. È un modello dentro una scatola progettata bene.

Il secondo filo è l’anti-hype. Non tutto ha bisogno di un agente. Un processo con regole chiare si automatizza meglio con un flusso deterministico; il modello serve dove c’è testo disordinato da interpretare. Più agenti non vuol dire più intelligenza; spesso vuol dire più contraddizioni. Diversi articoli di questa guida servono proprio a togliere il modello da dove non serve.

I temi (e l’articolo che li affronta)

Protocolli, tool e orchestrazione

Confini, input ostili e dati inventati

Fermarlo, approvarlo, misurarlo

Il pezzo che decide tutto: la mappa dei tool

In tutti questi articoli la prima decisione è la stessa, e viene prima del modello: quali tool dai all’agente, e di che tipo. Conviene dividerli in tre gruppi:

Quando la mappa è chiara, metà dei rischi spariscono prima di scrivere il prompt. Quando non c’è, nessun prompt la sostituisce.

Dove girano gli agenti

Un agente che esegue comandi o tocca sistemi è, dal punto di vista della sicurezza, codice che esegue istruzioni lette da testi che non controlli. Per questo i container senza root, le reti interne e i segreti fuori dal contesto del modello non sono dettagli: sono la metà della sicurezza. Il riferimento è la guida allo stack sovrano. Per collegare gli agenti a PEC, CRM e gestionali senza consegnare le password a un servizio esterno, c’è la guida su integrazioni e dati legacy.

Come usare questa guida

Parti dall’incidente che temi di più, o da quello che ti è già capitato. Ogni articolo ha un’architettura di riferimento con quello che l’agente non tocca, un percorso a step, i fallimenti tipici con le righe di log che li rivelano, i costi in ordine di grandezza e una sezione su quando non mettere un agente affatto.

Se stai per dare a un agente la possibilità di agire sui tuoi sistemi e vuoi decidere prima i confini, trovi il mio percorso nella biografia e puoi scrivermi da contatti.

Qui sotto trovi tutti gli articoli di questa guida.

Articoli di questa guida

13 November 2026

Salesforce Flow vs agente MCP: quando il clic automatico di Flow è più sicuro (e quando l'LLM serve davvero a leggere il disordine)

Dove finisce l'automazione deterministica e dove serve un modello linguistico in Salesforce: Flow per le regole se-al...

26 October 2026

Multi-agente che si contraddice: orchestratore, blackboard e perché “più agenti” non è più intelligenza

Sistemi multi-agente in produzione: perché si contraddicono, due writer sullo stesso record, blackboard versionata, o...

24 October 2026

Come valuti un agente (non un chatbot): task success, side-effect score e perché BLEU è inutile

Valutazione degli agenti LLM in produzione: perché le metriche dei chatbot non bastano, punteggio per step, side-effe...

23 October 2026

Agente browser con Playwright: come non fargli cliccare "Elimina account" (allowlist di URL, snapshot e budget di azioni)

Browser agent in produzione con Playwright: snapshot del DOM invece degli screenshot, allowlist di host e percorsi, d...

21 October 2026

Human-in-the-loop che funziona: una coda di approvazione (non "scrivi OK in chat") prima che l'agente spedisca PEC o SEPA

Dual control per le azioni irreversibili di un agente AI in Italia: PEC con valore legale, bonifici SEPA non revocabi...

13 October 2026

Model Context Protocol spiegato senza hype: tool, resources, auth e perché non è "USB-C dell'AI" se il server è scritto male

Model Context Protocol spiegato senza hype: cosa risolve e cosa no, l'anatomia (tools, resources, prompts), stdio vs ...

7 October 2026

Smetti di seppellire i task dell'agente in ChatGPT: come far scrivere GitHub Issues (o GitLab) senza gh CLI e senza copincolla

Far scrivere Issue GitHub/GitLab a un agente AI via API, senza gh CLI e senza copincolla: issue come contratto, token...

6 October 2026

L'agente che gira in loop sulle tool call: come riconoscerlo dai log e come spezzarlo (senza spegnere tutto)

Il runaway agent che gira in loop sulle tool call è un incident da produzione: fattura API a tre zeri, CPU al 100%. C...

5 October 2026

JSON Schema e tool calling: come impedire all'LLM di inventare un IBAN "perché sembrava plausibile"

Data contract tra LLM e tool: perché lo structured output vincola la forma ma non la correttezza, come validare IBAN,...

29 September 2026

Kill switch per agenti che scrivono su Salesforce: dry-run, coda di approvazione e perché "conferma in chat" non è un controllo

Come progettare un kill switch per agenti che scrivono su Salesforce: dry-run del payload, coda di approvazione con l...

26 September 2026

Prompt injection in produzione: come un fornitore ti fa pagare due volte infilando istruzioni in una fattura PDF

Prompt injection nei documenti aziendali: come un PDF può dirottare un agente AI verso un cambio IBAN o un pagamento ...

25 September 2026

LangGraph o n8n o uno script Python: quale orchestratore per un agente che deve davvero eseguire (non chiacchierare)

Non è una guerra di tool: è un framework di decisione. n8n, LangGraph e Python puro sullo stesso caso reale (prenotaz...

20 September 2026

MCP su Salesforce: perché un chatbot sul CRM non basta e come far eseguire l'agente senza bruciare i governor limits

Un chatbot che 'legge gli opportunity' non conclude niente. Per far eseguire azioni sul CRM serve uno strato di tool ...

Antonio Trento — System Architect & AI Integrator

Questo è il tuo problema?

Progetto e costruisco dati, backend, interfaccia e agenti AI end-to-end. Niente slide: sistemi che girano e restano tuoi.