Vai al contenuto principale
Italiano— Scegli una lingua
Menu

Agenti contro Chatbot: quando hai bisogno di un agente?

Lezione 2 di 18 Aggiornata il 2 novembre 2026 Sviluppatore
In questa pagina
  1. Un chatbot non è sempre sufficiente
  2. Chat Completions — Il modello classico
  3. API Agents — Il modello autonomo
  4. Quando passare agli agenti?
  5. Lo spettro della complessità
  6. Esempio comparativo
  7. Costo e latenza
  8. Punti chiave

Un chatbot non è sempre sufficiente

Hai probabilmente già utilizzato le API Mistral Chat Completions per costruire assistenti conversazionali. Per molti casi d’uso, questo è più che sufficiente. La tentazione di passare tutto agli agenti solo perché la tecnologia è più recente può costare cara in termini di latenza e token. Tuttavia, alcuni compiti richiedono più di una semplice risposta testuale. Questa lezione ti fornisce i criteri decisionali: come riconoscere le situazioni in cui una chiamata a chat.complete() basta e quelle che giustificano davvero il passaggio alle API Agents.

Chat Completions — Il modello classico

Con chat.complete(), invii un elenco di messaggi e ricevi una risposta. Il meccanismo è stateless: il modello non ha memoria tra le chiamate e devi ricostruire la cronologia per ogni richiesta.

from mistralai.client import Mistral

client = Mistral(api_key="your-key")

response = client.chat.complete(
    model="mistral-large-latest",
    messages=[
        {"role": "user", "content": "What is the capital of France?"}
    ]
)
print(response.choices[0].message.content)

Questo schema rimane la scelta giusta per domande e risposte semplici, generazione di testo generico (riassunti, traduzioni, scrittura), classificazione, estrazione di informazioni e chiamate di funzioni una tantum. Questi compiti condividono una caratteristica comune: sono trasformazioni da testo a testo risolte in un singolo passaggio di ragionamento, senza che il modello debba recuperare nulla dall’esterno.

API Agents — Il modello autonomo

Con le API Agents, crei un agente persistente dotato di istruzioni, strumenti e comportamenti definiti una volta per tutte. L’agente mantiene il proprio stato attraverso le conversazioni e può agire in modo autonomo.

agent = client.beta.agents.create(
    model="mistral-large-latest",
    name="Research Assistant",
    instructions="You are a research assistant. Use web search to answer with sources.",
    tools=[{"type": "web_search"}]
)

Quando passare agli agenti?

Uno qualsiasi dei seguenti segnali giustifica il passaggio. Il più frequente è la necessità di strumenti: non appena il tuo assistente deve cercare sul web, eseguire codice o interrogare un corpus di documenti, Chat Completions ti costringe a cablare l’esecuzione manualmente. Viene poi la persistenza dello stato: se vuoi che il modello ricordi gli scambi precedenti senza che tu debba reinviare l’intero thread con ogni richiesta, l’agente gestisce questo nativamente. Anche il numero di passaggi conta: una risposta che richiede una catena di ragionamento con azioni intermedie implica un ciclo, e le API Agents implementano proprio quel ciclo. Più specialità spingono nella stessa direzione: un agente finanziario che delega a un agente di ricerca web, poi a un agente di calcolo, rientra nell’orchestrazione multi-agente. Infine, considera l’ambiente di esecuzione: con gli agenti, gli strumenti vengono eseguiti nel cloud Mistral, non sulla tua infrastruttura.

Al contrario, attieniti a un chatbot classico se il compito è una semplice trasformazione da testo a testo, se gestisci già la cronologia lato client come preferisci, se non sono richiesti strumenti integrati e se un singolo passaggio di ragionamento basta per produrre la risposta attesa.

Lo spettro della complessità

È utile vedere queste scelte come un continuum piuttosto che un’alternativa binaria. Al primo livello, chat semplice: una domanda, una risposta, tramite Chat Completions. Al secondo, chat dotata di strumenti: la domanda attiva una chiamata di funzione prima della risposta, utilizzando ancora Chat Completions e le chiamate di funzione. Al terzo, l’agente singolo: la richiesta porta alla pianificazione, poi a più azioni, poi a una risposta: questo è il dominio delle API Agents. Al quarto, multi-agenti: un agente router distribuisce la richiesta ad agenti specializzati i cui output vengono poi sintetizzati, il che richiede le API Agents e i passaggi di consegne (handoffs).

La regola derivata da questo spettro è semplice: usa il livello più semplice che soddisfi il tuo bisogno. Non distribuire un sistema multi-agente per rispondere alle FAQ.

Esempio comparativo

La differenza è più chiara con un esempio concreto. Con Chat Completions, gestisci tutto manualmente e il modello rimane confinato alla sua conoscenza di addestramento.

# You manage everything manually
messages = [{"role": "user", "content": "What is the weather in Paris?"}]
response = client.chat.complete(model="mistral-large-latest", messages=messages)
# The model CANNOT search the web—it hallucinates or says it doesn't know

Con un agente dotato di ricerca web, la stessa domanda attiva una ricerca reale e una risposta con fonti, senza che tu scriva una sola riga di codice di orchestrazione.

# The agent has access to web search
agent = client.beta.agents.create(
    model="mistral-large-latest",
    name="Weather Agent",
    instructions="Answer weather questions using web search.",
    tools=[{"type": "web_search"}]
)

response = client.beta.conversations.start(
    agent_id=agent.id,
    inputs="What is the weather in Paris?"
)
# The agent automatically searches the web and cites its sources

Costo e latenza

Questa potenza ha un prezzo, che devi anticipare prima della produzione. La latenza aumenta perché l’agente può eseguire più turni interni (ricerca, poi ragionamento, poi stesura), mentre Chat Completions ne esegue solo uno. Anche il consumo di token aumenta, poiché le istruzioni di sistema e il contesto della conversazione vengono inviati al modello a ogni turno. Infine, le conversazioni persistono sul lato Mistral, un comportamento che puoi disabilitare con store=False se i tuoi vincoli di privacy lo richiedono.

Questo sovraccarico è perfettamente giustificato quando il compito lo richiede. Per un semplice chatbot FAQ, non lo è: attieniti a Chat Completions.

Punti chiave

  • Chat Completions è stateless e sufficiente per compiti semplici
  • Le API Agents aggiungono persistenza, strumenti integrati e orchestrazione multi-agente
  • Usa sempre il livello di complessità più basso che soddisfi il tuo bisogno
  • Il passaggio agli agenti è giustificato quando hai bisogno di strumenti, persistenza o multi-agenti