Ogni tanto capita un progetto che ti cambia la prospettiva.

Per me, questo è stato uno di quelli.

Durante il corso Build AI Agents with AWS di Zero To Mastery, ho avuto la sensazione di aver sbloccato un nuovo livello:

un po’ come Goku quando si allena nella stanza dello spirito e del tempo — solo che invece di allenarmi con Vegeta, stavo orchestrando agenti intelligenti, scrivendo funzioni Lambda e dialogando con Claude 3.5 Sonnet.

Mi ha fatto scoprire un mondo completamente nuovo: quello dell’orchestrazione multi-agente in cloud, dove ogni dettaglio — dalla progettazione delle istruzioni alla gestione dei log — può fare la differenza tra un’idea e un sistema che funziona davvero.

🌍 Il progetto: un agente AI che pianifica viaggi

L’obiettivo? Costruire un sistema in cui agenti AI specializzati collaborano tra loro, orchestrati da un supervisore, per aiutare l’utente a:

• trovare un hotel o un Airbnb
• scegliere un ristorante
• costruire un mini itinerario su misura

In pratica, un piccolo team di assistenti digitali che si parlano, si attivano a vicenda, e risolvono i problemi dell’utente come un gruppo affiatato.

☁️ I superpoteri di AWS al servizio degli agenti

Per realizzarlo, ho usato alcuni dei servizi AWS che ormai considero la mia cassetta degli attrezzi AI:

• Lambda: il cuore operativo, dove la logica degli agenti prende vita
• IAM: per gestire i permessi e i ruoli degli agenti
• S3: per archiviare i file CSV con le informazioni su hotel, ristoranti, airbnb
• Bedrock: per costruire e gestire gli agenti AI con Claude 3.5 Sonnet
• API Gateway: per esporre il sistema tramite API

🧠Agenti specializzati + un Supervisore che orchestra tutto

Ogni agente ha un compito preciso:

• L’Agente Supervisore riceve la richiesta iniziale e decide chi deve agire
• L’Agente Alloggi si occupa della selezione di hotel o Airbnb
• L’Agente Ristoranti suggerisce dove mangiare

Il bello? Vederli collaborare in modo fluido. Come una scena dietro le quinte in cui ogni attore sa quando entrare e cosa dire.

Il supervisore si basa su un set di istruzioni di collaborazione che scriviamo noi — un po’ come un direttore d’orchestra che ha lo spartito e sa quando far intervenire i fiati o gli archi.

🎯 L’Agente Alloggi lavora in modo condizionale

Prima di tutto, raccoglie le preferenze dell’utente: tipo di struttura, città, presenza di piscina, sauna, animali…

Poi, le converte in parametri e invoca dinamicamente la funzione corretta.

Un assaggio del comportamento condizionale, in puro stile AWS Lambda:

if function == 'listHotels':
            location = param_dict.get('location', None)
            print(location)
            s3_key = HOTEL_CSV_KEY
            filter_column = 'Location'
            filters = {filter_column: location}

elif function == 'listAirbnbs':
            location = param_dict.get('location', None)
            pets = param_dict.get('pets', None)
            pool = param_dict.get('pool', None)
            sauna = param_dict.get('sauna', None)
            print(location, pets, pool, sauna)

            s3_key = AIRBNB_CSV_KEY
        
            filters = {'Location':location, 'Pets':pets, 'Pool':pool, 'Sauna':sauna}
Code language: JavaScript (javascript)

Il sistema decide quale funzione attivare, quali dati filtrare e come rispondere, in base ai parametri raccolti nella conversazione.

🔄 Un processo conversazionale, ma rigoroso

Ecco un estratto delle istruzioni che l’Agente Alloggi segue:

🧪 Debugging e tracciamento: vedere l’AI pensare

Qui viene il nerd-core. Ho scoperto quanto possa essere chiaro e visuale il debugging in questo sistema:

• Con AWS CloudWatch Logs ho potuto debuggare ogni Lambda, ispezionando richieste e risposte passo passo
• Con la funzione “Mostra traccia”, ho visualizzato tutto il ragionamento dell’agente supervisore nel tab Orchestrazione e Knowledge base

• E soprattutto: la Multi-agent collaboration trace timeline offre una vista visiva e cronologica di come e quando ogni agente si attiva. In pratica, una timeline interattiva del pensiero distribuito.

Vedere l’interazione tra agenti così chiaramente mi ha aiutata a migliorare, ottimizzare e… divertirmi.

🧪 Test con Postman

Una volta finito tutto, ho testato le API con Postman. E con grande soddisfazione… funzionava! 🎉

Passando alla chiamato un body, con un session id costante, potevo continuare a parlare con il mio sistema di agenti!

✨ Modulare, riutilizzabile, scalabile

Le funzioni Lambda sono assegnate agli agenti, non “incollate” a essi. Questo le rende versionabili, modulari e riutilizzabili: possono essere usate in altri progetti, aggiornate in sicurezza e scalate in automatico.

La vera potenza è la separazione tra logica e orchestrazione.

È come costruire con i LEGO… ma per sistemi intelligenti.

🎯 Cosa mi porto a casa

• ✅ Ho imparato a orchestrare agenti intelligenti in un sistema fluido e collaborativo
• ✅ Ho scoperto come collegare il potere dei LLM con dati strutturati reali
• ✅ Ho acquisito confidenza con Bedrock, Lambda, IAM, API Gateway e S3
• ✅ Ho visto quanto sia potente rendere visibile il ragionamento dell’AI

E soprattutto: mi sono sentita una costruttrice di mondi digitali.

💡 Se stai pensando di esplorare il mondo degli agenti AI e ti interessa andare oltre il prompt engineering, consiglio di partire proprio da qui:

Bedrock + Lambda + un pizzico di architettura.

Potresti finire per costruire… molto più di quanto immagini.