Le traduzioni sono generate tramite traduzione automatica. In caso di conflitto tra il contenuto di una traduzione e la versione originale in Inglese, quest'ultima prevarrà.

# Agenti basati su strumenti per server
<a name="tool-based-agents-for-servers"></a>

Gli agenti per server basati su strumenti migliorano gli agenti che richiamano le funzioni delegando l'esecuzione degli strumenti a un server esterno dotato di un ambiente di runtime dedicato per strumenti, script e agenti compositi. A differenza delle chiamate di funzioni in linea che l'agent loop seleziona e richiama, gli agenti basati su server esternalizzano la logica e la pipeline di esecuzione ad altri agenti o sistemi. Ciò fornisce funzionalità avanzate come il concatenamento di più strumenti, l'esecuzione isolata e il ragionamento specializzato. I tool server sono ideali per azioni complesse, basate sullo stato o che richiedono molte risorse, in cui gli strumenti stessi possono comportare modelli di intelligenza artificiale, regole aziendali o ambienti separati.

## Architecture
<a name="architecture-servers"></a>

Di seguito è riportato uno schema per agenti basati su strumenti per server:

![\[Agenti basati su strumenti per server.\]](http://docs.aws.amazon.com/it_it/prescriptive-guidance/latest/agentic-ai-patterns/images/tool-based-agents-for-servers.png)


## Description
<a name="description-servers"></a>

1. Riceve una richiesta
   + Un utente o un sistema invia una richiesta alla shell dell'agente.
   + L'agente interpreta la query e si prepara a inviarla a un server di strumenti.

1. Esegue i processi del tool server
   + L'agente invia l'operazione, insieme ai parametri strutturati, a un server di strumenti.
   + Il tool server può quindi:
     + Esegui script o logica in sistemi di elaborazione dedicati (ad esempio AWS Lambda, container o Amazon) SageMaker
     + Utilizza il proprio subagente con il ragionamento LLM per selezionare ed eseguire gli strumenti
     + Gestisci dipendenze, nuovi tentativi o flussi di esecuzione in più fasi
     + Invia i risultati all'agente principale quando l'attività è completa

1. Utilizza il ragionamento LLM con l'output dello strumento
   + L'agente richiama un LLM, passando la query originale e il risultato del toolserver come parte del prompt.
   + L'LLM sintetizza una risposta che incorpora le informazioni appena acquisite.

1. Restituisce una risposta
   + L'agente restituisce una risposta in linguaggio naturale o strutturata all'utente o al sistema chiamante.
   + (Facoltativo) I risultati possono essere archiviati in memoria o nei registri di controllo.

## Funzionalità
<a name="capabilities-servers"></a>
+ Gli strumenti vengono richiamati al di fuori del ciclo di esecuzione dell'agente principale
+ L'esecuzione degli strumenti può coinvolgere chiamate LLM, catene logiche o subagenti
+ L'agente funge da controller o dispatcher, non solo da strumento wrapper
+ Consente la componibilità, la scalabilità e l'isolamento della logica

## Casi di utilizzo comune
<a name="common-use-cases-servers"></a>
+ Orchestrazione di catene di modelli (ad esempio, combinando LLM, visione e codice)
+ Pipeline di automazione basate sull'intelligenza artificiale
+ DevOps agenti assistenti con script runner
+ Agenti complessi di calcolo, simulazione o ottimizzazione finanziaria
+ Strumenti multimodali (ad esempio, combinando audio, documentazione e azione)

## Guida all’implementazione
<a name="implementation-guidance-servers"></a>

È possibile creare questo modello utilizzando quanto segue: Servizi AWS
+ Amazon Bedrock (host dell'agente e inferenza LLM)
+ AWS Lambda, Amazon ECS o Amazon SageMaker endpoint come runtime del server degli strumenti AWS Fargate
+ Amazon API Gateway o AWS App Runner per esporre il server degli strumenti APIs
+ Amazon EventBridge per la messaggistica disaccoppiata agent-to-tool
+ AWS Step Functions o AWS AppFabric per comporre una logica multiagente sul server degli strumenti

## Riepilogo
<a name="summary-servers"></a>

Gli agenti basati su strumenti che utilizzano server sono altamente modulari e scalabili. Dissociano la logica decisionale dall'esecuzione, il che consente all'agente principale di rimanere leggero mentre trasferisce le azioni complesse o sensibili su altri sistemi. Questo è importante per l'intelligenza artificiale agentica di livello aziendale, specialmente in ambienti che richiedono governance, osservabilità, isolamento, composizione dinamica o qualsiasi combinazione di questi elementi.