Impara a Creare un Agente AI da Zero
Padroneggia lo sviluppo di agenti AI con 12 sessioni progressive. Costruisci il loop dell'agente, sistemi di strumenti, pianificazione, memoria e coordinamento tra agenti, un concetto alla volta.
Il Pattern Core
Ogni agente AI per la programmazione condivide lo stesso loop: chiama il modello, esegue gli strumenti, ritorna i risultati. I sistemi di produzione aggiungono livelli di policy, permessi e ciclo di vita.
while True:
response = client.messages.create(messages=messages, tools=tools)
if response.stop_reason != "tool_use":
break
for tool_call in response.content:
result = execute_tool(tool_call.name, tool_call.input)
messages.append(result)Crescita dei Messaggi
Guarda l'array dei messaggi crescere mentre il loop dell'agente esegue
Percorso di Apprendimento
12 sessioni progressive, da un semplice loop a esecuzione autonoma isolata
The Agent Loop
The minimal agent kernel is a while loop + one tool
Tools
The loop stays the same; new tools register into the dispatch map
TodoWrite
An agent without a plan drifts; list the steps first, then execute
Subagents
Subagents use independent messages[], keeping the main conversation clean
Skills
Inject knowledge via tool_result when needed, not upfront in the system prompt
Compact
Context will fill up; three-layer compression strategy enables infinite sessions
Tasks
A file-based task graph with ordering, parallelism, and dependencies -- the coordination backbone for multi-agent work
Background Tasks
Run slow operations in the background; the agent keeps thinking ahead
Agent Teams
When one agent can't finish, delegate to persistent teammates via async mailboxes
Team Protocols
One request-response pattern drives all team negotiation
Autonomous Agents
Teammates scan the board and claim tasks themselves; no need for the lead to assign each one
Worktree + Task Isolation
Each works in its own directory; tasks manage goals, worktrees manage directories, bound by ID
Livelli Architetturali
Cinque aspetti ortogonali che compongono un agente completo
Tools & Execution
2 versioniPlanning & Coordination
4 versioniMemory Management
1 versioniConcurrency
1 versioniCollaboration
4 versioniDomande Frequenti
Tutto ciò che devi sapere per creare agenti AI
Questo sito è una guida completa e passo-passo su come creare un agente AI da zero. Ti guidiamo attraverso un percorso di 12 sessioni, partendo da un semplice loop dell'agente e aggiungendo progressivamente capacità come uso degli strumenti, pianificazione, gestione della memoria, concorrenza e collaborazione multi-agente. Ogni sessione include codice funzionante, simulazioni interattive e documentazione dettagliata.
Non devi essere un esperto di AI, ma è richiesta una conoscenza base della programmazione. Se ti trovi a tuo agio con Python e capisci i concetti base della programmazione (loop, funzioni, classi), potrai seguire il corso. Spieghiamo i concetti specifici dell'AI man mano, rendendolo accessibile a ingegneri software, studenti e appassionati di tecnologia che vogliono capire come funzionano gli agenti AI.
Le 12 sessioni progressive coprono:
1. Il Loop dell'Agente - Pattern while-loop core (risposta → esecuzione strumento)
2. Strumenti - Dare capacità all'agente (lettura, scrittura, esecuzione)
3. TodoWrite - Gestione task e sistema di promemoria
4. Sotto-agenti - Isolamento contesto per task paralleli
5. Skills - Caricamento on demand di capacità specializzate
6. Compact - Gestione memoria e compressione contesto
7. Task - Bacheche task consapevoli delle dipendenze
8. Task in Background - Esecuzione non bloccante con notifiche
9. Team di Agenti - Coordinamento multi-agente via mailbox
10. Protocolli di Team - Pattern collaborazione team basati su FSM
11. Agenti Autonomi - Esecuzione agenti autodiretta
12. Worktree + Isolamento Task - Isolamento task pronto per produzione
Sì! Ogni sessione include codice Python completo e eseguibile. Puoi:
- Visualizzare il codice sorgente direttamente nel browser
- Scaricare l'implementazione completa
- Vedere le differenze tra le versioni per capire esattamente cosa è cambiato
- Eseguire il codice localmente con le tue API key
Il codice è progettato per essere educativo ma anche pronto per la produzione, seguendo le best practice di sistemi agent reali come Claude Code.
Assolutamente sì. Ogni sessione presenta un simulatore interattivo dove puoi:
- Guardare il loop dell'agente eseguire passo-passo
- Vedere come i messaggi fluiscono tra utente, agente e strumenti
- Visualizzare la crescita e compressione della memoria
- Osservare la comunicazione multi-agente
- Controllare la velocità di esecuzione e mettere in pausa in qualsiasi momento
Questo ti aiuta a capire i concetti prima di immergerti nel codice.
La maggior parte dei tutorial rimane troppo semplice (chiamate API base) o salta direttamente a framework complessi. Noi seguiamo un approccio a rivelazione progressiva:
- Costruisci da zero - Nessuna astrazione nascosta, vedi ogni riga
- Complessità incrementale - Ogni sessione aggiunge un concetto
- Pattern del mondo reale - Basati su come funzionano gli agenti di produzione come Claude Code
- Apprendimento interattivo - Simulazioni, visualizzazioni e programmazione pratica
- Codebase completo - Non frammenti, ma implementazioni complete e funzionanti
Capisci il perché di ogni decisione architetturale.
Alla fine, avrai costruito un agente AI per la programmazione pronto per la produzione, capace di:
- Pianificazione ed esecuzione autonoma dei task
- Uso degli strumenti (operazioni file, esecuzione codice, ricerca web)
- Gestione task a lunga esecuzione con memoria
- Collaborazione multi-agente per progetti complessi
- Esecuzione task in background
- Ambienti task isolati
Capirai l'architettura abbastanza bene da personalizzarla per i tuoi casi d'uso, che sia un assistente di programmazione, un agente di ricerca o un sistema di workflow automatizzato.
Sì! Mentre l'focus è sull'architettura core dell'agente, copriamo importanti argomenti di produzione:
- Sicurezza - Esecuzione sandboxed, sistemi di permessi
- Scalabilità - Pattern di concorrenza e gestione risorse
- Gestione errori - Recupero da fallimenti strumenti ed errori API
- Monitoraggio - Logging, tracing e hook di osservabilità
- Ottimizzazione costi - Compressione contesto e uso efficiente dei token
- Isolamento - Separazione task basata su worktree per sicurezza
Le sessioni finali affrontano specificamente come rendere il tuo agente robusto e deployabile.
Lo stack core è intenzionalmente minimo:
- Python - Linguaggio principale
- Anthropic API - Claude per capacità di language model
- Libreria standard - Nessun framework pesante, dipendenze chiare
La semplicità assicura che ti concentri sui concetti dell'agente, non sulle specificità del framework.
Sì, completamente gratis e open source. Il contenuto educativo e il codice sono forniti sotto licenza MIT. Puoi:
- Usare il codice in progetti personali
- Costruire prodotti commerciali basati sull'architettura dell'agente
- Modificare e distribuire le tue versioni
- Contribuire miglioramenti alla community
Crediamo nell'educazione aperta e vogliamo vedere cosa costruirai!
Il tempo varia in base al tuo ritmo e a quanto approfondisci:
- Panoramica veloce - 2-3 ore (lettura + watch simulazioni)
- Programmazione pratica - 1-2 giorni (implementa con ogni sessione)
- Padronanza profonda - 1-2 settimane (esperimenta, modifica, costruisci estensioni)
Ogni sessione è progettata per essere completata in 30-60 minuti di apprendimento focalizzato. La struttura progressiva significa che puoi fermarti in qualsiasi momento con un agente funzionante, non ti servono tutte e 12 per costruire qualcosa di utile.