Scopri cosa rende efficace un agente di AI in produzione (e perché molti falliscono lungo la strada!). Esplora i principi chiave di progettazione agentica per preparare i tuoi agenti alla scalabilità: infrastruttura e strumenti robusti, architettura modulare e cicli continui di valutazione e feedback.

Agenti AI nel mondo reale

Agente o non agente

Applicazioni agentiche

Principi di progettazione per agenti scalabili

Strategie per un design scalabile

Applicare i pilastri di un design scalabile

Come gli agenti AI scalano (e falliscono)

Non fallire quando scali!

Contabilità agentica

Senza guardrail si rischia il fallimento

Progettare agenti scalabili

Scopri le strategie fondamentali per assicurarti che il tuo agente venga sviluppato con la scalabilità in mente. Comprendi come il Model Context Protocol (MCP) e l’Agent-to-Agent protocol (A2A) abilitano la scalabilità attraverso la standardizzazione.

Pattern di progettazione multi‑agente

Passare da un singolo agente a più agenti

Pattern di progettazione multi‑agent

Il Model Context Protocol (MCP)

Conosciamo MCP

MCP è l’MVP

Client, server e tutto il resto

Il protocollo Agent-to-Agent (A2A)

Schede degli agenti - Gotta Catch 'Em All

MCP e A2A: amici o nemici?

Sviluppare agenti per la scalabilità

È il momento della produzione, ma con cautela! Crea un solido framework di test per avere la certezza che l’agente di AI continui a performare in produzione. Scegli la migliore strategia di distribuzione per il tuo caso d’uso e impara a integrare sorgenti di dati in tempo reale con il tuo sistema agentico.

Dal Proof-of-Concept alla produzione

FoodGPT

Testare un agente in modo robusto

Opzioni

Attività da completare

Non richieste

Cosa resta da controllare?

Ingestione dati rapida ed efficiente

Il valore dei dati in tempo reale

Fallire con grazia: mitigare i rischi

Ritentativi con backoff esponenziale

Mettere le regole in chiaro!

Congratulazioni!

Distribuire agenti in produzione su larga scala

Cheat Sheet

Course Glossary

Perché così tanti sistemi agentici non riescono a superare il divario tra sviluppo e produzione? In questo corso lo scoprirai! Impara a progettare e sviluppare agenti di AI pensando alla scalabilità, seguendo i tre pilastri della scalabilità agentica: infrastruttura e strumenti robusti, architettura modulare e cicli continui di valutazione e feedback. Scoprirai come framework agentici come il Model Context Protocol (MCP) e l’Agent-to-Agent protocol (A2A) consentono integrazioni più pulite e veloci tra fonti di dati e agenti. Infine, imparerai test e strategie di distribuzione per mettere il tuo agente nelle condizioni di generare valore.

I video includono trascrizioni in tempo reale che puoi visualizzare facendo clic su "Show transcript" in basso a sinistra nei video.

Il glossario del corso è disponibile a destra nella sezione delle risorse.

Per ottenere i crediti CPE devi completare il corso e raggiungere un punteggio del 70% nella valutazione qualificata. Puoi accedere alla valutazione facendo clic sul riquadro dei crediti CPE sulla destra.

<h2>Progettare e sviluppare agenti per il ridimensionamento</h2>
Impara a progettare e sviluppare agenti AI pensando alla scalabilità, seguendo i tre punti chiave della scalabilità degli agenti: modularità, robustezza e adattabilità. Scopri cosa rende un agente di successo nella produzione e perché tanti fanno fatica a diventarlo.<br><br><h2>Scopri la potenza di MCP e A2A</h2>
Il Model Context Protocol (MCP) creato da Anthropic ha cambiato il modo in cui gli agenti interagiscono, mettendo a punto un modo unico per collegare gli agenti alle fonti di dati. Il protocollo Agent-to-Agent (A2A) creato da Google va di pari passo con MCP. Scopri come questi due framework possono essere combinati per garantire che le integrazioni del tuo agente siano scalabili.<br><br><h2>Metti in pratica le migliori pratiche per testare e distribuire gli agenti</h2>Prima di premere il grande pulsante rosso e far partire il tuo agente in produzione, devi ridurre i rischi che vengono con il ridimensionamento. Scopri come creare un solido framework di test per individuare eventuali problemi relativi a componenti, integrazioni, prestazioni e sicurezza. Decidi quale tipo di distribuzione è più adatto al tuo agente valutando le esigenze del caso d'uso.

Introduction to AI Agents

Scopri come scalare agenti AI con l'aiuto di framework come MCP e A2A.

Creare sistemi agentici scalabili

Scopri cosa serve per far crescere gli agenti di intelligenza artificiale, con un po' di aiuto da framework come MCP e A2A.

Nozioni di base sugli agenti AI

Mettere le regole in chiaro!

Creare sistemi agentici scalabili

esercizio interattivo pratico