Un agente che gestisce un rimborso deve verificare l’ordine, chiedere conferma a una persona, attendere la risposta (che può arrivare dopo un’ora o il giorno dopo), eseguire il rimborso e avvisare il cliente. Se nel frattempo il server si riavvia per un deploy, cosa succede? Nella maggior parte delle implementazioni, l’agente perde tutto: la conversazione, lo stato, il punto in cui era arrivato. Nel caso peggiore, al riavvio esegue il rimborso due volte.
È il problema che gli agenti AI durevoli vogliono risolvere. Il 1° ottobre Earendil, il team dietro l’agente di coding Pi, ha rilasciato Pi Durable, un framework sperimentale per agenti che sopravvivono ai crash, girano per tempi lunghissimi e possono essere guidati da più persone. IndyDevDan ci ha costruito sopra due agenti in due settimane, uno di reperibilità e uno che seleziona notizie, e ha riassunto la direzione in una frase: gli agenti proattivi non aspettano che tu lavori, lavorano per te e poi aspettano.
In questa guida vediamo cosa rende un agente durevole, quali concetti servono per progettarlo, quali strumenti esistono e come passare da agenti che rispondono a richieste ad agenti che partono da soli quando serve.
Per un’azienda è qui che gli agenti iniziano a toccare i processi veri: resi, rimborsi, solleciti, approvazioni, inserimento di nuovi clienti. Processi che durano giorni, coinvolgono persone diverse e non possono permettersi né di perdere un passaggio né di ripeterlo due volte.
In breve
- Un agente durevole salva lo stato dopo ogni passo e, se il processo si interrompe, riprende dall’ultimo punto salvato invece di ricominciare.
- I concetti chiave sono: checkpoint, idempotenza degli strumenti, attese durevoli (persone, timer, eventi) e gestione delle storie lunghe.
- Un agente proattivo parte da un evento o da un orario, non da un messaggio: monitora, filtra e interviene solo quando serve.
- Gli strumenti vanno da framework specifici per agenti (Pi Durable) a motori di esecuzione durevole generici (Temporal, Inngest, Cloudflare Workflows, Vercel Workflow).
- Il rischio principale è eseguire due volte un’azione con effetti reali: pagamenti, email, ordini. Va progettato fin dall’inizio.
- Più autonomia significa più bisogno di limiti, registri e approvazioni umane sulle azioni irreversibili.
- Per chi decide: gli agenti durevoli permettono di affidare all’AI processi aziendali lunghi, come resi, solleciti e approvazioni, mantenendo controllo, tracciabilità e nessuna azione duplicata.
Che cos’è un agente durevole
Un agente durevole è un agente il cui stato sopravvive alla fine del processo che lo esegue. Ogni passo (una chiamata al modello, l’uso di uno strumento, una decisione) viene registrato in uno storage persistente. Se il processo si interrompe per un crash, un deploy o un riavvio, un nuovo processo legge lo storage e riprende i passi non completati.
L’idea viene dalla durable execution, un modello consolidato nei sistemi distribuiti e reso popolare da strumenti come Temporal: si scrive il flusso come codice normale e il motore garantisce che venga completato anche in presenza di guasti, salvando i risultati di ogni passo.
Gli agenti rendono questo modello quasi indispensabile per tre motivi.
- Durata: un agente può lavorare per ore su un compito, e più è lungo il compito più è probabile un’interruzione.
- Attese: un agente spesso deve aspettare qualcosa che non controlla: una persona che approva, un servizio esterno, un orario.
- Costo: ricominciare da zero significa ripagare tutte le chiamate al modello già fatte, e a volte ripetere azioni già eseguite.
Processi aziendali adatti agli agenti durevoli
Non tutti i processi meritano un agente. Quelli che ne traggono più vantaggio hanno alcune caratteristiche comuni: volume costante, regole in buona parte chiare, passaggi che richiedono attese, un costo dell’errore misurabile.
Esempi concreti
- Resi e rimborsi nell’e-commerce, con verifica della richiesta, approvazione nei casi dubbi, etichetta di spedizione e rimborso.
- Solleciti di pagamento con escalation graduale: promemoria cortese, secondo sollecito, segnalazione all’amministrazione.
- Inserimento di nuovi clienti: raccolta dei documenti, verifica di completezza, attivazione dei servizi, benvenuto.
- Approvazione degli acquisti: raccolta dei preventivi, confronto, invio al responsabile, emissione dell’ordine.
- Scadenze: contratti, certificazioni, rinnovi di garanzia, con preparazione anticipata dei documenti.
- Assistenza post-vendita con richiami programmati e verifica della soddisfazione.
Cosa si misura
Tempo medio di chiusura di una pratica, quota di pratiche chiuse senza intervento umano, pratiche bloccate o dimenticate, errori. Sono indicatori che le aziende spesso non hanno nemmeno oggi, perché i processi vivono tra email, fogli di calcolo e memoria delle persone: un agente durevole li rende visibili per costruzione.
L’agente non sostituisce il gestionale
Un errore di prospettiva frequente è pensare che l’agente prenda il posto dell’ERP o del CRM. In realtà lavora attorno a questi sistemi: legge i dati, prepara le azioni, le esegue tramite le loro interfacce e lascia traccia. I sistemi esistenti restano la fonte di verità.
Governance
Ogni processo affidato a un agente ha bisogno di un responsabile di business che definisce le regole, decide le soglie oltre cui serve un’approvazione e rivede periodicamente i risultati. La tecnologia garantisce che il processo non si perda; le decisioni restano dell’azienda.
Pi Durable: un esempio di framework per agenti durevoli
Il post di presentazione di Pi Durable è un’ottima introduzione ai concetti, anche per chi non userà quel framework. Il punto di partenza è dichiarato: l’agente di coding Pi gira su una sola macchina, guidato da una persona, e se il processo muore bisogna dirgli di continuare. Pi Durable vuole agenti che girano ovunque, gestiscono i guasti, supportano conversazioni molto lunghe e possono essere condivisi da più persone.
I concetti principali:
- Harness con storage: lo stato di tutte le conversazioni vive in uno storage (memoria, SQLite, file JSONL), con un’interfaccia piccola che permette di aggiungerne altri. Lo stesso codice può girare anche su Cloudflare Durable Objects.
- Checkpoint per ogni passo: ogni passo è un task che salva un checkpoint. Al riavvio, i task incompleti riprendono.
- Strumenti ripetibili e non: gli strumenti dichiarati sicuri da rieseguire vengono rieseguiti; gli altri vengono segnalati al modello come interrotti, così l’agente può decidere cosa fare invece di ripeterli alla cieca.
- Esattamente una volta: un identificativo di richiesta garantisce che lo stesso messaggio non venga elaborato due volte.
- Albero dei task: i task hanno un proprietario; annullarne uno annulla anche quelli che ha generato. I task in background continuano dopo la fine del turno.
- Storie lunghe: la compattazione avviene in background quando il contesto si riempie; i messaggi vecchi restano nello storage e si possono cercare.
- Multiplayer: più persone possono osservare una conversazione, unirsi in ritardo e guidarla.
Il progetto è dichiaratamente sperimentale e le API possono cambiare. Ma è già supportato come harness sia da Vercel sia dalla piattaforma Agents di Cloudflare, segno che la direzione è condivisa.
I concetti da progettare, qualunque strumento usi
Checkpoint
Dopo ogni passo significativo, lo stato viene salvato: messaggi, risultati degli strumenti, documenti di lavoro (per esempio una lista di cose da fare). La granularità conta: checkpoint troppo rari fanno perdere lavoro, troppo frequenti rallentano e appesantiscono lo storage. Di solito un checkpoint per ogni chiamata al modello e per ogni uso di strumento è la scelta giusta.
Idempotenza
È il concetto più importante. Un’operazione è idempotente se eseguirla due volte produce lo stesso risultato di eseguirla una volta. Leggere un file, cercare in un database, calcolare un totale: idempotenti. Inviare un’email, addebitare una carta, creare un ordine: no.
Per le operazioni non idempotenti servono due difese. La prima è una chiave di idempotenza: un identificativo univoco che il servizio esterno usa per riconoscere una richiesta già ricevuta. Molti servizi di pagamento la supportano nativamente. La seconda è registrare l’intenzione prima dell’azione e il risultato subito dopo: al riavvio, se c’è un’intenzione senza risultato, l’agente verifica lo stato reale prima di riprovare.
// Schema generico di un passo con effetti reali, eseguito in modo durevole.
async function eseguiRimborso(ctx: ContestoDurevole, ordineId: string, importo: number) {
const chiave = `rimborso-${ordineId}`; // stessa chiave a ogni tentativo
const giaFatto = await ctx.risultato(chiave); // passo già completato?
if (giaFatto) return giaFatto;
await ctx.registraIntenzione(chiave, { ordineId, importo });
const esito = await pagamenti.rimborsa({ ordineId, importo, idempotencyKey: chiave });
await ctx.salvaRisultato(chiave, esito); // checkpoint
return esito;
}
Attese durevoli
Un agente che aspetta l’approvazione di una persona non deve tenere occupato un processo per ore. Deve salvare lo stato, sospendersi e riprendere quando arriva l’evento (un clic su “approva”, una risposta via email, un webhook). Lo stesso vale per i timer: “ricontrolla tra 24 ore” deve sopravvivere a un riavvio. I motori di esecuzione durevole offrono primitive dedicate per attendere eventi e orari.
Storie lunghe
Un agente che lavora per giorni accumula una cronologia enorme. Non può stare tutta nel contesto: serve compattazione, con la possibilità di recuperare i dettagli dallo storage quando servono. Valgono tutte le tecniche descritte nella guida al context engineering, con un’aggiunta: la cronologia completa va conservata per audit e debug, anche se il modello ne vede solo un riassunto.
Versionamento
Se modifichi il codice dell’agente mentre ci sono esecuzioni in corso, cosa succede a quelle esecuzioni? Gli strumenti maturi gestiscono versioni diverse dei flussi; con quelli più semplici conviene evitare modifiche incompatibili finché ci sono esecuzioni attive.
Da reattivi a proattivi
La durabilità apre una possibilità nuova: agenti che non aspettano un messaggio per partire. IndyDevDan, nel video Pi Durable PROACTIVE Agents, descrive tre livelli di relazione tra persona e agente:
- Nel ciclo: la persona guida l’agente passo per passo in una sessione interattiva. È il modo in cui la maggior parte di noi usa gli agenti oggi.
- Vicino al ciclo: la persona assegna un compito e controlla periodicamente, intervenendo quando serve.
- Fuori dal ciclo: l’agente parte da solo in risposta a eventi o orari, fa il lavoro e coinvolge la persona solo quando c’è una decisione da prendere.
I suoi due esempi sono istruttivi. Il primo è un agente di reperibilità che si attiva quando arriva un allarme, raccoglie log e metriche, formula ipotesi e prepara un rapporto per la persona di turno (codice in durable-pi). Il secondo, mostrato nel video My Jev Pi Durable Agent CURATES News, legge notizie da molte fonti e le classifica in “hype”, “fatto” o “segnale” (codice in pi-durable-news-agent).
In entrambi c’è un pattern ricorrente: un filtro veloce ed economico decide se un evento merita l’attenzione dell’agente, e solo allora parte il lavoro costoso con l’LLM. IndyDevDan usa per questo un modello decisionale come Jev; si può fare anche con regole o con un modello piccolo.
Trigger tipici per agenti proattivi
| Trigger | Esempio | Cosa fa l’agente |
|---|---|---|
| Orario | Ogni mattina alle 7 | Riepiloga ticket aperti, errori della notte, metriche anomale |
| Allarme di monitoraggio | Tasso di errori sopra soglia | Raccoglie log, ipotizza la causa, prepara un rapporto |
| Nuovo elemento in una coda | Ticket, email, ordine | Classifica, arricchisce, propone una risposta o un’azione |
| Modifica nel repository | Pull request aperta | Revisione preliminare, controllo di convenzioni e rischi |
| Scadenza | Contratto in scadenza tra 30 giorni | Prepara documenti e promemoria |
Gli strumenti: framework per agenti o motori generici
| Strumento | Tipo | Punti di forza | Da valutare |
|---|---|---|---|
| Pi Durable | Framework per agenti | Concetti pensati per conversazioni, strumenti e compattazione | Sperimentale, API in evoluzione |
| Temporal | Motore di durable execution | Maturo, usato in produzione da anni, molti linguaggi | Infrastruttura da gestire o servizio a pagamento |
| Inngest | Funzioni durevoli guidate da eventi | Semplice da integrare in applicazioni web esistenti | Modello basato su eventi da adottare |
| Cloudflare Workflows e Durable Objects | Piattaforma serverless | Stato persistente vicino al calcolo, scalabilità | Legato all’ecosistema Cloudflare |
| Vercel Workflow | Flussi durevoli in TypeScript | Integrato con progetti Next.js e Vercel | Legato all’ecosistema Vercel |
Come scegliere? Se l’agente è il cuore del prodotto e le conversazioni sono lunghe e complesse, un framework specifico per agenti risparmia molto lavoro. Se l’agente è un passo dentro un processo aziendale più ampio (ordini, fatturazione, onboarding), un motore di esecuzione durevole generico è spesso la scelta più solida, e l’agente diventa uno dei passi del flusso.
Un esempio completo: l’agente per i resi
Mettiamo insieme i concetti con un caso illustrativo tipico di un e-commerce o di un gestionale: un agente che gestisce le richieste di reso.
Trigger: arriva una nuova richiesta di reso dal modulo del sito. Un filtro veloce scarta le richieste incomplete e chiede al cliente i dati mancanti con un messaggio standard, senza coinvolgere l’LLM.
Analisi: per le richieste complete l’agente legge l’ordine, la politica di reso e lo storico del cliente. Checkpoint: l’analisi è salvata, non verrà ripetuta in caso di riavvio.
Proposta: l’agente propone una decisione (reso accettato, rimborso parziale, richiesta di foto) con una motivazione. Se la proposta rientra nei casi semplici previsti dalla politica e l’importo è sotto una soglia, procede. Altrimenti si apre un’attesa durevole: una persona del servizio clienti riceve una notifica e approva o modifica. L’attesa può durare minuti o un giorno; nel frattempo nessun processo resta occupato.
Azione: approvata la decisione, l’agente emette l’etichetta di spedizione e, a merce ricevuta, il rimborso. Entrambe le azioni usano chiavi di idempotenza basate sul numero del reso: anche se il server si riavvia nel momento peggiore, il cliente riceve un solo rimborso.
Timer: se dopo 14 giorni la merce non è arrivata, un timer durevole riattiva l’agente, che invia un promemoria al cliente e aggiorna lo stato.
Visibilità: in ogni momento il servizio clienti vede in un pannello tutti i resi in corso, lo stato di ciascuno e cosa l’agente sta aspettando.
Nessuno di questi passi è difficile da solo. La difficoltà sta nel garantire che tutto il flusso sopravviva a guasti, attese e riavvii senza perdere né duplicare nulla. È esattamente il lavoro che un motore durevole fa al posto tuo.
Errori comuni
Rieseguire tutto al riavvio
Senza checkpoint e idempotenza, un riavvio può ripetere email, addebiti o ordini. È l’errore con le conseguenze più concrete.
Processi che aspettano ore in memoria
Un agente che tiene aperta una connessione o un processo in attesa di una risposta umana è fragile e costoso. Le attese vanno rese durevoli: stato salvato, processo libero, ripresa sull’evento.
Agenti proattivi senza filtro
Un agente che si attiva con l’LLM a ogni evento consuma moltissimi token per decidere che la maggior parte degli eventi non conta. Un filtro economico a monte riduce i costi di ordini di grandezza.
Nessun limite di autonomia
Un agente fuori dal ciclo che può eseguire azioni irreversibili senza approvazione è un rischio, non un vantaggio. Le regole della guida alla sicurezza degli agenti AI valgono ancora di più.
Storie che crescono senza controllo
Conversazioni di settimane senza compattazione degradano la qualità e fanno esplodere i costi. Servono compattazione automatica e recupero mirato dei dettagli.
Nessuna visibilità
Un agente che lavora in background deve lasciare tracce leggibili: cosa ha fatto, perché, cosa sta aspettando. Senza, nessuno si fida e nessuno sa dove intervenire.
Portarlo in produzione
- Classifica gli strumenti in ripetibili e non ripetibili, e proteggi questi ultimi con chiavi di idempotenza e verifiche di stato.
- Definisci i punti di approvazione umana e rendili attese durevoli, con promemoria e scadenze.
- Limita l’autonomia: budget di token per esecuzione, numero massimo di passi, elenco di azioni consentite senza conferma.
- Osservabilità: un pannello con le esecuzioni attive, il loro stato, cosa stanno aspettando e quanto hanno consumato.
- Test di guasto: interrompi deliberatamente il processo a metà di un flusso e verifica che riprenda correttamente senza duplicare azioni.
- Conservazione dei dati: decidi per quanto tempo conservare le cronologie complete, in linea con il GDPR e con le esigenze di audit.
Stai progettando un agente che deve lavorare per ore, aspettare persone o reagire a eventi? Nella consulenza AI definiamo architettura, punti di controllo e strumenti; nei progetti di software e CRM su misura integriamo gli agenti nei processi esistenti in modo affidabile.
Da dove partire questa settimana
- Scegli un processo con attese o passi lunghi in cui oggi un agente, o una persona, rischia di perdere il filo.
- Disegna il flusso: passi, strumenti usati, attese, punti di approvazione.
- Classifica ogni strumento come ripetibile o no, e prevedi chiavi di idempotenza per i secondi.
- Implementa un prototipo con un motore durevole o un framework per agenti e interrompilo volutamente a metà.
- Aggiungi un trigger (un orario o un evento) e un filtro economico, e osserva per una settimana quante volte l’agente parte e quanto consuma.
Checklist di un agente durevole
- Ogni passo salva un checkpoint in uno storage persistente.
- Al riavvio l’agente riprende dai passi incompleti.
- Gli strumenti con effetti reali usano chiavi di idempotenza.
- Prima di ripetere un’azione interrotta, l’agente verifica lo stato reale.
- Le attese di persone, timer ed eventi non occupano processi.
- La cronologia viene compattata ma conservata integralmente nello storage.
- Gli agenti proattivi hanno un filtro economico prima dell’LLM.
- Le azioni irreversibili richiedono approvazione umana.
- Esistono limiti di budget e di passi per esecuzione.
- Un pannello mostra esecuzioni attive, stato e consumi.
Domande frequenti
Che differenza c’è tra un agente normale e un agente durevole?
Un agente normale vive nel processo che lo esegue: se il processo si interrompe, perde stato e conversazione. Un agente durevole salva ogni passo in uno storage persistente e, dopo un’interruzione, riprende da dove si era fermato senza ripetere ciò che aveva già completato.
Cos’è un agente proattivo?
È un agente che parte da un evento o da un orario invece che da un messaggio di una persona. Monitora fonti come code di ticket, allarmi o notizie, filtra ciò che conta e coinvolge le persone solo quando c’è una decisione da prendere.
Pi Durable è pronto per la produzione?
Il team che lo sviluppa lo definisce sperimentale e avverte che le API possono cambiare. È ottimo per capire i concetti e per prototipi. Per processi critici in produzione oggi conviene valutare anche motori di esecuzione durevole più maturi, come Temporal o Inngest.
Come evito che l’agente esegua due volte un pagamento o un’email?
Usando chiavi di idempotenza supportate dal servizio esterno, registrando l’intenzione prima dell’azione e il risultato subito dopo, e verificando lo stato reale prima di riprovare un’azione interrotta. Le azioni più delicate dovrebbero comunque passare da un’approvazione umana.
Servono agenti durevoli anche per progetti piccoli?
Se l’agente risponde in pochi secondi a una richiesta e non esegue azioni con effetti reali, no. Diventano necessari quando i compiti durano minuti o ore, quando ci sono attese di persone o eventi, o quando un’interruzione può causare azioni duplicate.
Gli agenti proattivi costano molto?
Possono, se usano un LLM per valutare ogni evento. Con un filtro economico a monte, basato su regole, su un modello piccolo o su un modello decisionale, l’LLM interviene solo sugli eventi rilevanti e i costi restano sotto controllo.
Un agente durevole sostituisce il gestionale o il CRM?
No. Lavora attorno ai sistemi esistenti: legge i dati, prepara e coordina le azioni, attende le approvazioni e registra ogni passaggio. Gestionale e CRM restano la fonte di verità; l’agente si occupa di far avanzare le pratiche senza che nessun passaggio vada perso.
Fonti e approfondimenti
- Earendil: Pi Durable
- Pi: sito ufficiale dell’agente
- Cloudflare Agents: harness Pi
- Temporal: durable execution
- Cloudflare Workflows
- IndyDevDan: durable-pi (codice di esempio)
Vuoi agenti che lavorano per te anche quando non li guardi, in modo affidabile? Raccontaci il processo che vuoi automatizzare.
Consulenza AI
L’AI che ti fa risparmiare tempo.
Troviamo i lavori ripetitivi che può fare al posto tuo e li proviamo in piccolo prima di investire.