Agent loop
La struttura fondamentale di un agente AI: il modello riceve il contesto e restituisce una decisione in forma strutturata, in un ciclo ripetuto fino al completamento.
L’agent loop è la struttura fondamentale di un agente AI, descritta da ByteByteGo: l’agente è un ciclo. Il modello riceve un contesto, la registrazione corrente di ciò che è successo finora, e restituisce una decisione sul passo successivo in forma di output strutturato, dati leggibili dalla macchina come JSON e non prosa libera. Il codice circostante esegue lo step richiesto, aggiunge il risultato al contesto e rimanda tutto al modello per la decisione successiva. Il ciclo continua finché il modello segnala che il lavoro è finito.1
Il modello come funzione senza stato
Il modo utile di vedere il ruolo del modello è quello di una funzione che riparte da zero a ogni chiamata: a ogni giro vede solo il contesto fornito, prende una decisione e scarta tutto nel momento in cui risponde. La finestra di contesto, il fascio di testo che il modello legge in una chiamata, funge da intera memoria del sistema. Se il modello è per definizione senza memoria, lo stato deve vivere altrove, in software controllato dall’applicazione.1
Questa proprietà è la base della versione stateless del Model Context Protocol: il protocollo assume un modello che non ricorda le sessioni, e l’applicazione conserva lo stato che serve, per esempio in un database.
Perché è attraente
Il design richiede poca logica di ramificazione: lo sviluppatore descrive un obiettivo e fornisce un insieme di strumenti, e il modello stabilisce da solo l’ordine delle operazioni. È la versione dell’agente che funziona bene in una demo. Quando arriva il traffico reale, però, emergono i modi di fallimento del ciclo: senza punti di controllo il loop è fragile.1
Voci correlate
- Model Context Protocol — il protocollo che standardizza l’accesso ai tool del ciclo
- Client MCP — il componente che instrada le chiamate ai tool del ciclo
- Server MCP — chi espone i tool che il ciclo chiama
- Host MCP — l’applicazione che orchestra il ciclo
- Task MCP — l’estensione per i cicli lunghi
- A2A — l’estensione del ciclo oltre i confini del singolo agente
- Portale: MCP
Bibliografia e sitografia
- ByteByteGo, Best Practices for Building AI Agents That Work in Production, 22 luglio 2026.