Prossimamente
Cos'è un agent harness e perché l'assistenza su WhatsApp ne ha bisogno
Gran parte dell'IA nella messaggistica con i clienti è una domanda, una risposta. Un agent harness trasforma un modello linguistico in qualcosa che sa seguire una pratica: pianificare, usare strumenti, controllare il proprio lavoro e ricordare. Ecco cosa significa, quali harness esistono oggi e come arriveranno su MonoChat.
Oppure inizi con 150 $ di credito, sufficienti per un primo mese di Growth
Pubblicato:
Nell'ultimo anno il dibattito sull'IA si è spostato silenziosamente dai modelli a ciò che li circonda. Lo stesso modello può essere un chatbot che risponde a un messaggio, oppure un agente che risolve un problema di consegna su tre sistemi e due giorni. La differenza non è il modello. È l'harness.
Questo articolo spiega l'idea in termini semplici, confronta gli harness utilizzabili oggi e mostra cosa stiamo integrando in MonoChat perché le aziende possano eseguirne uno su WhatsApp, Instagram, chat web e ogni altro canale della loro inbox.
Cos'è un agent harness?
Un agent harness è il livello software che avvolge un modello linguistico di grandi dimensioni e gli permette di agire, non solo di rispondere. Il modello ragiona e decide cosa fare dopo. L'harness esegue quella decisione, restituisce il risultato al modello e ripete finché il lavoro non è finito. In breve: agente = modello + harness.
Il termine si è diffuso quando i team hanno notato che agenti di programmazione come Claude Code e Codex devono gran parte della loro affidabilità a questo livello circostante e non al solo modello. Anthropic, OpenAI, Google e Microsoft ora distribuiscono i propri harness come prodotti su cui gli sviluppatori possono costruire.
Di cosa è fatto un harness
- Il ciclo: Ragiona, agisci, osserva, ripeti. L'harness va avanti finché l'attività non è finita o serve una persona.
- Strumenti: Funzioni che il modello può richiamare: verificare un ordine, cercare una prenotazione, emettere un rimborso, cercare in una base di conoscenza. Spesso collegati tramite MCP.
- Memoria e stato: Cosa è successo prima in questa pratica, cosa preferisce il cliente e cosa è già stato provato, conservato tra messaggi e sessioni.
- Gestione del contesto: Decidere cosa vede il modello a ogni passaggio e riassumere (compattare) le cronologie lunghe in modo che le parti importanti restino in vista.
- Protezioni e approvazioni: Autorizzazioni, policy e punti di controllo umani per le azioni che costano denaro o non sono reversibili.
- Sandbox e file: Uno spazio di lavoro isolato in cui l'agente può eseguire codice, preparare un documento o calcolare un preventivo senza toccare i sistemi in produzione.
- Tracciamento e valutazione: Un log di ogni passaggio e chiamata a uno strumento, così i team possono vedere perché l'agente ha fatto ciò che ha fatto e misurarlo su molte esecuzioni.
Inferenza vs harness: qual è la differenza?
L'inferenza è una singola chiamata a un modello: si invia un prompt, il modello restituisce testo e lo scambio finisce. È veloce, economica e prevedibile ed è perfetta per molti compiti, come classificare un messaggio, redigere una risposta o riassumere una conversazione.
Un harness esegue molte chiamate di inferenza in un ciclo e aggiunge tutto ciò che le circonda: strumenti, memoria, verifiche e limiti. È più lento e usa più token per attività, ma può portare a termine lavori che richiedono più passaggi, dati esterni o una decisione lungo il percorso.
| Inferenza IA | Agent harness | |
|---|---|---|
| Cos'è | Una richiesta a un modello, una risposta | Un ciclo attorno al modello che pianifica, agisce e verifica |
| Passaggi per attività | Uno | Quanti ne servono all'attività, entro i limiti che imposta |
| Strumenti e sistemi | Facoltativi, di solito una singola chiamata di funzione | Molti strumenti, richiamati e concatenati secondo le esigenze della pratica |
| Memoria | Solo ciò che è nel prompt | Cronologia della pratica e stato conservati tra passaggi e sessioni |
| Quando qualcosa fallisce | Restituisce ciò che ha prodotto | Rileva l'errore, riprova o chiede a una persona |
| Ideale per | Classificare, redigere, riassumere, risposte singole | Risolvere pratiche, richieste in più passaggi, follow-up nell'arco di giorni |
| Costo e velocità | Costo minimo, quasi istantaneo | Maggiore uso di token, da secondi a minuti per attività |
In pratica i buoni team usano entrambi: l'inferenza per passaggi rapidi e ben definiti e un harness dove il lavoro richiede davvero più passaggi.
Cosa cambia un harness nell'assistenza clienti su WhatsApp
La messaggistica con i clienti è il punto in cui la differenza tra rispondere e risolvere si vede di più. Un cliente scrive "il mio ordine non è arrivato" e si aspetta che il problema sia risolto, non spiegato.
Le pratiche vengono risolte, non solo risposte
L'agente può cercare l'ordine, controllare il corriere, vedere che il pacco è bloccato, aprire una segnalazione e offrire una sostituzione nella stessa conversazione.
Verifica prima di promettere
Scorte, prezzi, fasce orarie degli appuntamenti e policy vengono verificati nei Suoi sistemi al momento della risposta invece di essere indovinati dai dati di addestramento.
Ricorda la pratica
Se il cliente torna domani, l'agente sa cosa è già stato provato e cosa è stato promesso, anche dopo la chiusura della finestra WhatsApp di 24 ore.
Dà seguito nel tempo
Le attività di lunga durata, come attendere l'accredito di un rimborso o l'arrivo di un ricambio, possono proseguire e avvisare il cliente quando qualcosa cambia, usando modelli approvati dove WhatsApp li richiede.
Le persone restano al comando
Rimborsi sopra un limite, cancellazioni o qualsiasi cosa delicata attendono l'approvazione di un membro del team, e il passaggio a una persona conserva l'intera cronologia.
Ogni passaggio è visibile
Chiamate agli strumenti e decisioni vengono registrate, così i supervisori possono verificare perché l'agente ha agito e migliorare le istruzioni.
Un esempio: un reso su WhatsApp
- Il cliente invia la foto di un articolo danneggiato e chiede un reso.
- L'agente trova l'ordine, verifica che sia entro il periodo di reso e legge la foto.
- Crea il reso nel Suo sistema e-commerce e prenota il ritiro del corriere per il giorno successivo.
- Il rimborso supera il limite automatico, quindi chiede a un membro del team di approvarlo nell'inbox.
- Dopo l'approvazione conferma al cliente e, due giorni dopo, quando il corriere scansiona il pacco, invia la conferma del rimborso.
Con la sola inferenza è un chatbot che spiega la politica di reso. Con un harness è il reso.
Gli agent harness utilizzabili oggi
Diverse aziende e progetti open source offrono ora un harness su cui costruire. Si differenziano per chi li ospita, quali modelli eseguono e quanto includono già di serie.
| Harness | Di | Hosting e licenza | Modelli | Punti di forza |
|---|---|---|---|---|
| Claude Agent SDK | Anthropic | Libreria (Python, TypeScript) | Claude | L'harness alla base di Claude Code: strumenti, MCP, sub-agenti, skill, compattazione del contesto, autorizzazioni |
| Claude Managed Agents | Anthropic | API ospitata (beta pubblica da aprile 2026) | Claude | Anthropic esegue il ciclo: esecuzione in sandbox, sessioni di lunga durata, lavoro multi-agente, tracciamento |
| OpenAI Agents SDK | OpenAI | Open source, MIT (prima Python) | Modelli OpenAI, altri tramite adattatori | Sandbox di diversi fornitori, memoria, MCP, skill, AGENTS.md, esecuzioni riprendibili |
| Codex | OpenAI | CLI open source (Apache 2.0) più cloud | Modelli OpenAI | Harness per agenti di programmazione con un SDK per eseguirlo dai propri servizi |
| Agent Development Kit (ADK) | Open source, Apache 2.0 (Python, Java, Go, TypeScript) | Gemini per impostazione predefinita, indipendente dal modello | Alberi multi-agente, MCP, protocollo Agent2Agent (A2A), valutazione integrata | |
| Agent Framework | Microsoft | Open source, MIT (Python, .NET) | Azure OpenAI, OpenAI, Anthropic e altri | Harness stabile da luglio 2026: ciclo degli strumenti, cronologia, compattazione, skill, approvazioni, OpenTelemetry |
| Deep Agents | LangChain | Open source, MIT | Indipendente dal modello | Pianificazione, sub-agenti, file system e context engineering su LangGraph |
| Pi | Earendil Works | Open source, MIT | Qualsiasi fornitore, porti la Sua chiave | Nucleo volutamente minimale (lettura, scrittura, modifica, shell) esteso con skill condivisibili |
| Mastra | Mastra | Open source (TypeScript) | Indipendente dal modello | Agenti con thread persistenti, approvazioni degli strumenti e uno studio locale |
| OpenCode | OpenCode | Open source, MIT | Indipendente dal modello | Pianifica e crea agenti, SDK, terminale e desktop |
I dettagli cambiano rapidamente; consulti la documentazione di ciascun progetto per lo stato attuale. I nomi e i loghi dei prodotti appartengono ai rispettivi proprietari.
Harness confrontati in questo articolo
E il Business Agent di Meta?
Nel 2026 Meta ha lanciato Meta Business Agent, il proprio agente IA per WhatsApp, Instagram e Messenger. È, in sostanza, un harness che Meta costruisce e gestisce: risponde dai Suoi contenuti, richiama i sistemi collegati e passa la mano al Suo team.
È una buona opzione per molte piccole imprese. È anche un sistema chiuso: non si può scegliere il modello, i dati delle conversazioni restano all'interno di Meta, alcuni settori come finanza e sanità sono esclusi e da agosto 2026 viene fatturato a token, circa 4-5 centesimi di dollaro USA per messaggio secondo la stima di Meta stessa.
Confronto tra gli approcci
| Agente IA integrato di una piattaforma di messaggistica | Meta Business Agent | Harness in MonoChat (in arrivo) | |
|---|---|---|---|
| Scelta del modello | Di solito fisso o una breve lista | No | Sì, qualsiasi modello che collega |
| Porti il Suo harness | No | No | Sì: Claude Agent SDK, OpenAI Agents SDK, ADK, Pi e altri |
| Opzione ospitata, senza codice | Sì | Sì | Sì |
| I Suoi strumenti e le Sue API | Integrazioni limitate | Connettori | Funzioni personalizzate, MCP, webhook e le Sue API |
| Dentro i Suoi flussi e le Sue app | Builder di bot separato | Separato dai Suoi flussi | Un nodo e metodi nei flussi e nelle app, accanto all'inferenza IA |
| Passaggio al Suo team | Sì | Sì, con controllo del thread | Inbox condivisa con cronologia completa e approvazioni |
| Dove risiedono i dati | Piattaforma del fornitore | Meta | MonoChat più i fornitori che sceglie |
Basato sulle informazioni pubbliche sui prodotti a ottobre 2026. La maggior parte delle piattaforme di messaggistica che abbiamo esaminato offre un agente IA integrato; non ne abbiamo trovata nessuna che consenta a un'azienda di eseguire un harness ospitato o di collegare il proprio harness all'interno della stessa inbox e degli stessi flussi.
Cosa stiamo costruendo in MonoChat
MonoChat Le permette già di scegliere il Suo modello linguistico e il Suo database vettoriale: utilizzi quelli che forniamo o colleghi i Suoi. Gli harness funzioneranno allo stesso modo.
Accanto al nodo e ai metodi di inferenza IA che usa oggi, MonoChat avrà un nodo harness e metodi harness. Inserisca il nodo in un flusso o richiami i metodi da un'app, e la conversazione passa a un agente che sa pianificare, usare i Suoi strumenti e riferire.
- Utilizzi un harness che ospitiamo noi, senza codice, e scelga il modello e gli strumenti che può usare
- Oppure colleghi il Suo harness, costruito su Claude Agent SDK, OpenAI Agents SDK, Google ADK, Microsoft Agent Framework, Deep Agents, Pi o su un Suo codice
- Gli dia i Suoi strumenti: funzioni personalizzate, server MCP, webhook e i dati in MonoChat
- Lo esegua nei flussi e nelle app, su WhatsApp, Instagram, Messenger, Telegram, TikTok, chat web e SMS
- Imposti regole di approvazione e passaggio a un operatore, con ogni passaggio registrato nella conversazione
- Lo combini con l'inferenza: passaggi rapidi con una singola chiamata, casi complessi con l'harness
Quando usare l'inferenza e quando un harness
- Usi l'inferenza per compiti a un solo passaggio: etichettare, instradare, tradurre, redigere una risposta, riassumere una chat.
- Usi un harness quando la richiesta del cliente richiede più passaggi, dati dai Suoi sistemi o una decisione lungo il percorso.
- Inizi in piccolo: dia all'harness due o tre strumenti e una regola di approvazione, misuri, poi ampli ciò che può fare.
In arrivo su MonoChat
I nodi e i metodi harness sono in sviluppo e verranno resi disponibili prima agli account MonoChat. Crei oggi un account gratuito per collegare i Suoi canali, configurare i flussi di inferenza IA ed essere pronto ad attivare un harness il giorno in cui arriva.
Si prepari agli agent harness su WhatsApp
Fonti e approfondimenti
- Databricks: What is an AI agent harness?
- Anthropic: Claude Agent SDK overview
- Anthropic: Claude Managed Agents overview
- OpenAI: The next evolution of the Agents SDK
- Google: Agent Development Kit
- Microsoft: Agent Framework documentation
- LangChain: Deep Agents
- WhatsApp Business: Introducing Meta Business Agent
- Meta: WhatsApp Business Platform pricing