Quando costruiamo un AI agent, il modello è solo una parte dello stack.

Il comportamento reale del sistema emerge dal codice che gli sta intorno: il loop di esecuzione, la gestione del contesto, i tool, la memoria, lo stato, i retry, i permessi, la sandbox, le skill e i criteri che decidono quando continuare, fermarsi o cambiare strategia. È questo insieme di componenti che chiamiamo agent harness.

In questo talk analizzeremo come sono costruiti alcuni agenti moderni, partendo dal codice e dalle architetture che li rendono operativi.

Vedremo come si passa da un semplice loop a sistemi capaci di eseguire comandi, usare API, mantenere memoria, gestire sessioni persistenti, acquisire skill e operare in ambienti isolati. Vedremo come MCP, A2A e Google ADK si inseriscono nello stack e quali problemi risolvono realmente.

Niente “hello world” con un chatbot e niente tour delle API di un framework: l’obiettivo è costruire un modello mentale utile per leggere il codice di un agente, progettarne uno da zero e capire quali trade-off emergono quando lo si porta dalla demo alla produzione.

Alla fine del talk avremo una risposta concreta a una domanda: cosa deve esserci davvero nel codice perché un LLM diventi un agente?