Agent Loop AI: cosa sono e quando usarli

Che cos'è un Agent Loop

Un Agent Loop è un ciclo operativo: l'agente riceve un obiettivo, osserva lo stato, sceglie uno strumento, legge il risultato e decide se continuare. La differenza rispetto a un prompt normale è che non aspetta sempre una nuova istruzione umana. La differenza rispetto a un'automazione tradizionale è che alcune decisioni restano affidate al modello.

• Obiettivo: cosa deve ottenere l'agente.
• Stato: ticket, issue, test, log, file, calendario o altro input aggiornato.
• Azione: tool, shell, browser, API, MCP, connector o subagent.
• Valutazione: controllo del risultato contro criteri concreti.
• Stop: completato, budget finito, rischio alto o richiesta di intervento umano.

Perché se ne parla ora

Il termine loop engineering è diventato popolare perché gli agenti di coding sono passati da chat assistita a lavoro più autonomo: Claude Code, Codex, Cursor e strumenti simili possono leggere repository, modificare file, lanciare test e mantenere contesto operativo. Ma il pattern non nasce dal nome nuovo. Anthropic descrive da tempo gli agenti come LLM che usano strumenti e feedback ambientale in un ciclo, con costi e rischi maggiori rispetto a workflow più semplici.

• La novità pratica è la combinazione tra agenti più capaci, automazioni, worktree, skill, connector e subagent.
• Il vantaggio è delegare controlli ripetitivi senza riscrivere ogni volta il prompt.
• Il rischio è trasformare un task vago in una macchina che consuma token, modifica file e produce lavoro da ripulire.

Quando basta un prompt singolo

Il prompt singolo resta la scelta migliore quando il lavoro è circoscritto. Se devi capire un errore, migliorare una funzione piccola, generare una bozza o confrontare due opzioni, un loop aggiunge complessità inutile. La regola semplice è questa: se puoi giudicare il risultato in un solo passaggio, non serve un ciclo autonomo.

• Usa un prompt singolo per analisi breve, spiegazioni, riscritture, patch piccole e domande puntuali.
• Aggiungi contesto mirato invece di far cercare tutto all'agente.
• Chiedi una verifica finale, ma non impostare un loop se non c'è niente da ripetere.

Quando usare /goal

/goal è il passaggio intermedio tra prompt e loop. Serve quando il lavoro è lungo, ma resta dentro una singola sessione: vuoi una definizione di done, non un controllo ricorrente nel tempo. Se invece l'agente deve svegliarsi di nuovo, leggere nuovi input e decidere il prossimo passo, stai già entrando nel territorio degli Agent Loop.

• Usa /goal per task multi-step ma chiusi: fix, refactor, migrazioni, aggiornamenti documentali.
• Usa un Agent Loop quando arrivano nuovi input nel tempo: issue, ticket, log, PR o dati da monitorare.
• Se non sai ancora descrivere la condizione finale, non usare né /goal né loop: prima serve un piano.

Quando conviene un vero Agent Loop

Un vero loop conviene quando il lavoro ritorna nel tempo o arriva come flusso: nuove issue, nuovi ticket, nuovi log, nuove PR, nuovi dati. In questi casi non vuoi scrivere ogni volta lo stesso prompt. Vuoi un sistema che si svegli, guardi cosa è cambiato, faccia solo il pezzo adatto e produca un risultato verificabile.

• Triage issue: classificare nuove segnalazioni, trovare duplicati e proporre priorità.
• Manutenzione repo: cercare test rotti, dependency update o piccoli bug ripetitivi.
• Supporto clienti: preparare bozze, taggare ticket e segnalare casi da escalare.
• Review: far controllare a un agente diverso sicurezza, regressioni o coerenza della patch.
• Ricerca ricorrente: monitorare fonti definite e restituire solo cambiamenti rilevanti.

I cinque pezzi che servono

Un loop affidabile non è solo un comando schedulato. Serve una piccola architettura operativa: automazione, ambiente isolato, istruzioni riusabili, strumenti collegati e controlli indipendenti. Senza questi pezzi, l'agente può anche continuare a lavorare, ma non sai se sta andando nella direzione giusta.

• Automazione: quando parte il loop e con quale frequenza.
• Ambiente isolato: worktree, sandbox o thread separato per evitare modifiche confuse.
• Istruzioni riusabili: AGENTS.md, skill, spec o checklist che non devi riscrivere.
• Strumenti: shell, browser, MCP, connector o API con permessi limitati.
• Controllo: test, budget, review, logging, stop condition e richiesta di conferma quando il rischio sale.

Quando preferire un workflow a grafo

Se il processo deve essere auditabile, ripetibile e governato, un loop libero può essere troppo opaco. In quel caso conviene un workflow più esplicito: passaggi definiti, routing, parallelizzazione, revisione, human input ed escalation. La documentazione di Anthropic distingue proprio tra workflow, dove il percorso è orchestrato da codice, e agenti, dove il modello decide dinamicamente come procedere.

• Scegli workflow espliciti per processi aziendali, compliance, ticket sensibili e operazioni con permessi importanti.
• Scegli agenti più liberi quando il task è aperto e non sai prima quanti passaggi serviranno.
• Per molti team la soluzione migliore è ibrida: grafo per i confini, agente per i passaggi dove serve giudizio.

Quanto costa davvero

Il costo di un Agent Loop non dipende solo dal modello. Dipende da quante volte parte, quanto contesto legge, quanti strumenti usa, quanti subagent apre e quanti retry produce. Un loop ogni 5 minuti può essere ragionevole se controlla pochi input nuovi. Può diventare assurdo se rilegge repository, ticket e documentazione a ogni giro.

• Imposta frequenza minima utile: spesso ogni ora o ogni giorno basta.
• Fai leggere solo input nuovi o cambiati, non tutto lo storico.
• Usa subagent solo quando una seconda opinione vale il costo.
• Metti budget, numero massimo di turni e stop espliciti.
• Fai produrre report sintetici invece di transcript lunghi.

Guardrail prima di lasciarlo lavorare

Un loop senza guardrail non è autonomia: è un processo che può sbagliare molte volte più velocemente. Prima di lasciarlo agire, decidi quali azioni può fare da solo, quali richiedono approvazione e quali sono vietate. Per codice, dati sensibili, pagamenti e comunicazioni esterne, la review umana non è un dettaglio.

• Permessi: limita file, repository, API e ambienti accessibili.
• Conferme: chiedi approvazione per deploy, pagamenti, email reali e modifiche distruttive.
• Log: salva cosa ha visto, cosa ha fatto e perché si è fermato.
• Test: fai dipendere la conclusione da segnali esterni al modello.
• Fallback: se il loop non converge, deve fermarsi e spiegare il blocco.

La regola pratica

Non partire dal loop. Parti dal lavoro da ripetere. Se è breve, usa un prompt. Se è lungo ma chiuso, usa /goal. Se ritorna nel tempo, valuta un Agent Loop. Se deve essere governato e auditabile, usa un workflow esplicito. L'autonomia è utile solo quando riduce lavoro umano senza togliere controllo sui risultati.

• Prompt: una richiesta, un risultato.
• /goal: un obiettivo, una sessione, una definizione di done.
• Agent Loop: input ricorrenti, controlli ripetuti, stop condition.
• Workflow: processo stabile, passaggi espliciti, governance.
• Subagent: lavoro isolato che torna come sintesi, non come rumore.

Domande frequenti