{
    "componentChunkName": "component---src-templates-course-jsx",
    "path": "/acadevmy/corso/building-production-ai-agents",
    "result": {"pageContext":{"course":{"node":{"strapiId":"6a55e691c759190015957e0e","slug":"building-production-ai-agents","content":"Scrivere codice con l’aiuto dell’AI è ormai pratica quotidiana. Il passo successivo, e molto più impegnativo, è costruire prodotti che siano essi stessi agentici: sistemi che ragionano, usano strumenti, mantengono memoria, orchestrano altri agenti e operano in autonomia controllata dentro un ambiente di produzione.\n\nQuesto corso intensivo porta sviluppatori esperti dal prototipo al prodotto. Costruiremo insieme agenti reali, partendo dall’anatomia del loop agentico fino all’orchestrazione multi-agente, passando per MCP server custom, RAG robusto, guardrail e gestione dei costi.\n\nIl mondo si è mosso: l’orchestrazione multi-agente non è più un esperimento ma la direzione mainstream, e protocolli come MCP sono diventati lo standard de facto per connettere agenti, strumenti e dati. \n","courses_category":{"name":"Corso","slug":"corso"},"brochure":{"publicURL":"/static/71dc8d139b81233d27986b83c0a19e0b/47d1c07624cd563454fe14c67d528fa8.pdf"},"duration":"24 ore","extra_modules":null,"image":{"publicURL":"/static/1712ff8c4a0f513332752fd130cee208/3fdf508c36b3f4c700bd371519400961.png"},"preview_image":null,"language":"Italiano","level":"advanced","location":"#### **Full-Remote** \n\nÈ possibile svolgere il corso in modalità full-remote con gli strumenti messi a disposizione da Devmy, ed in modo assolutamente analogo alla modalità onSite ma suddividendo, se lo si desidera, il tutto in sessioni da 4h.\n\n&nbsp\n\n\n## Takeaway\n- Progettare l’architettura di un agente AI a partire dai requisiti\n- Implementare il loop agentico (plan → act → observe) con tool use affidabile\n- Costruire MCP server custom per esporre dati e strumenti agli agenti\n- Realizzare pipeline RAG robuste ed evitarne gli anti-pattern\n- Orchestrare sistemi multi-agente (planner, worker, reviewer)\n- Mettere in produzione con guardrail, human-in-the-loop e cost control\n","material_included":"- Corso pratico con live coding\n- Supporto setup environment pre-corso\n- Slide in formato PDF\n- Attestato di Partecipazione\n- Repository del Progetto\n- Follow Up di fine corso\n- Canale Slack dedicato ai partecipanti\n","material_needed":"- Il proprio computer portatile\n- Tanta buona volontà e voglia di imparare\n- Connessione ad Internet\n- Account gratuiti su piattaforme di terze parti (verranno indicati prima del corso)\n- Una API key per un provider LLM (indicazioni fornite prima del corso)\n","participants_min":5,"participants_max":20,"pay_method":null,"pricing":null,"required_skills":"- Esperienza consolidata con almeno un linguaggio (JavaScript/TypeScript o Python consigliati)\n- Familiarità con API REST, Git e workflow di versionamento\n- Esperienza, anche minima, con LLM API o tool di AI-assisted coding\n- Attitudine alla progettazione software e al pensiero architetturale\n\n&nbsp\n\n## A chi si rivolge\nSviluppatori backend e full-stack con esperienza consolidata e team tecnici che vogliono passare dai prototipi ai prodotti AI in produzione.\n","topics":"**Modulo 1 — Anatomia di un agente AI**\n- Assistant vs agente: cosa cambia davvero\n- Il loop agentico: plan → act → observe → iterate\n- Tool use e function calling: progettazione e affidabilità\n- Scegliere il modello giusto per il compito (e perché conta)\n\n**Modulo 2 — Strumenti, contesto e memoria**\n- Model Context Protocol (MCP): perché è lo standard de facto\n- Costruire MCP server custom: database, API, filesystem\n- Context engineering: fornire all’agente il contesto giusto al momento giusto\n- Memoria a breve e lungo termine: pattern e trade-off\n\n**Modulo 3 — RAG fatto bene**\n- Quando serve RAG e quando no\n- Ingestion, chunking e strategie di indicizzazione\n- Retrieval ibrido (semantico + keyword) e re-ranking\n- Valutare la qualità del retrieval e anti-pattern comuni\n\n**Modulo 4 — Orchestrazione multi-agente**\n- Da singolo agente a team di agenti coordinati\n- Pattern di orchestrazione: planner, worker, reviewer, supervisor\n- Protocolli tra agenti: A2A e Agent Client Protocol (ACP)\n- Parallelizzazione, delega dei task e capability discovery\n\n**Modulo 5 — Affidabilità, sicurezza e guardrail**\n- Human-in-the-loop e livelli di autonomia\n- Validazione e structured output: far rispettare i contratti all’agente\n- Gestione di errori, retry e fallback\n- Guardrail di sicurezza: prompt injection e accesso ai dati (cenni)\n- Controllo e ottimizzazione dei costi\n\n**Modulo 6 — Dal design al deploy (caso reale end-to-end)**\n- Progettare una codebase agent-friendly\n- Observability: tracing, logging e debugging di un agente\n- Deploy e monitoring in produzione\n- Iterazione e miglioramento continuo basato sui dati\n","title":"Building Production AI Agents","whatdo":"Costruiremo agenti reali con un approccio hands-on: sessioni teoriche, live coding e pair-programming. Ogni partecipante realizzerà progressivamente un agente in produzione, dal design dell’architettura fino al deploy con guardrail, osservabilità e controllo dei costi.\n\nLavoreremo con SDK e framework di orchestrazione di riferimento (es. LangGraph, gli agent SDK dei principali provider e simili), confermati a ridosso di ogni edizione.\n"}}}},
    "staticQueryHashes": ["63159454"]}