Libreria Python personale · 2026
Agentkit
La base comune di tutti i miei assistenti AI: un motore piccolo e tipizzato, riutilizzato in ogni progetto.
prova dal vivo Playground degli eventi
Il codice della libreria è privato; il playground riproduce il flusso degli eventi con esempi.
from pydantic import BaseModel, Field
from agentkit import AgentLoop, tool
class OrderQuery(BaseModel):
order_id: int = Field(gt=0)
include_tracking: bool = False
@tool
async def lookup_order(q: OrderQuery) -> dict:
"""Stato di un ordine del negozio."""
return await shop.orders.get(q.order_id, q.include_tracking)
loop = AgentLoop(provider=main, tools=[lookup_order])
async for event in loop.run("Dov'è il mio ordine 42?"):
ui.render(event) # eventi tipizzati, uno streamfrom decimal import Decimal
from agentkit import AgentLoop, tool
@tool(requires_approval=True)
async def refund_order(order_id: int, amount_eur: Decimal) -> str:
return await payments.refund(order_id, amount_eur)
async def gate(call): # prima di eseguire
return await operator.ask(call) # approva o rifiuta
loop = AgentLoop(provider=main, tools=[refund_order],
approval=gate)from agentkit import AgentLoop, FallbackProvider
provider = FallbackProvider(
[primary, secondary],
retry_on=(RateLimited, Timeout),
)
loop = AgentLoop(provider=provider, tools=[search_catalog],
memory=SqliteMemory("shop.db"),
tracing=True) # OpenTelemetryArgomenti validati con Pydantic prima di eseguire: se il modello sbaglia, riceve l’errore e si corregge.
- Premi Esegui: ogni passo dell’agente arriva come evento tipizzato, nell’ordine in cui accade.
- Provider
- 4 · fallback automatico
- Canali
- Telegram · WhatsApp · web · voce
- Memoria
- file e vettoriale, ricerca ibrida
- Tracing
- OpenTelemetry
- Dimensione
- ~30k righe · ~33k di test
A — Il problema
Ogni progetto con un assistente AI ripete gli stessi pezzi: il ciclo che parla con il modello, gli strumenti, lo streaming, la memoria, i canali come Telegram. Riscriverli ogni volta vuol dire bug diversi in ogni progetto e nessun miglioramento condiviso.
B — Cosa ho costruito
Ho raccolto quei pezzi in Agentkit, la libreria che oggi alimenta l’e-commerce, AURIGA, RECALL, Splitro e gli altri assistenti. Un unico ciclo di esecuzione con strumenti scritti in Python e validati con Pydantic, eventi tipizzati per lo streaming, approvazione umana sulle azioni sensibili, passaggio automatico a un altro provider se il primo fallisce, memoria, adattatori per Telegram e WhatsApp, voce in tempo reale e tracciamento.
C — Come funziona
- 01
Strumenti tipizzati
Una funzione Python con argomenti annotati diventa uno strumento con schema rigoroso.
- 02
Un ciclo, tanti canali
Lo stesso agente risponde da web, terminale, Telegram, WhatsApp o voce.
- 03
Controllo umano
Ogni chiamata può essere approvata, rifiutata o corretta prima di partire.
- 04
Affidabilità
Se un provider cade, il ciclo passa al successivo senza perdere la conversazione.
D — Il sistema
Una mappa semplificata dei componenti: non è la documentazione tecnica, ma rende l’idea di come le parti si parlano.
E — Perché funziona
Usata ovunque
Ogni miglioramento arriva a tutti i progetti con un aggiornamento di versione.
Più test che codice
Circa 33 mila righe di test per circa 30 mila di libreria.
Indipendente dal provider
Cambiare modello è una riga di configurazione, non una riscrittura.
Eventi, non stringhe
Interfacce e log ricevono eventi tipizzati: facili da mostrare e da verificare.