Un guasto non significa sempre che l’azione non sia avvenuta
Un agente IA può interrompersi dopo aver inviato una richiesta a uno strumento e prima di salvare la risposta. Nel frattempo, il sistema esterno potrebbe aver già creato un ticket, inviato un messaggio o modificato un record. La perdita della risposta non dimostra che l’operazione sia fallita. Se l’agente riavviato ripete l’azione senza verificarlo, può duplicare la modifica.
Per questo è utile distinguere lo stato del processo da quello dell’operazione esterna. Un errore dell’infrastruttura può interrompere la comunicazione; un errore logico può causare una decisione inadeguata; uno strumento può rifiutare un input o rispondere in ritardo. Sono cause diverse e non giustificano automaticamente lo stesso tipo di recupero.
La cronologia della conversazione e i log di esecuzione aiutano a ricostruire gli eventi, ma non provano necessariamente che il sistema di destinazione abbia applicato una modifica, né che non l’abbia applicata. L’identificativo dell’operazione restituito dal sistema, una verifica affidabile dello stato o una ricevuta persistente offrono basi migliori per decidere se proseguire.
Un’esecuzione durevole conserva fuori dal processo l’intenzione, i passaggi confermati e i risultati necessari per riprendere il flusso. Se il processo termina, il nuovo worker può partire dall’ultimo checkpoint confermato anziché chiedere al modello di scegliere di nuovo il piano. Riprendere significa continuare da uno stato noto; riprovare significa tentare di nuovo un’operazione specifica.
Quale stato conservare e come classificarlo
Conserva ciò che serve per recuperare l’esecuzione senza dipendere dalla memoria temporanea del worker. Come minimo, registra l’identificativo dell’esecuzione, la versione del flusso, la decisione che ha originato la chiamata, gli argomenti normalizzati, l’identità stabile dell’operazione e il risultato o la ricevuta del provider. Se il sistema esterno restituisce un identificativo, conserva anche quello.
La decisione del modello va salvata prima di eseguire lo strumento. Poi, salva ogni risultato prima di iniziare il passaggio successivo. In questo modo, dopo un riavvio non è necessario generare di nuovo il piano e si può distinguere una chiamata in sospeso da un’operazione confermata. Un checkpoint registra uno stato persistente, ma non garantisce che un’API esterna abbia applicato le modifiche in modo atomico.
Lo stato `unknown` è utile quando la risposta è andata persa o il processo è terminato tra l’effetto esterno e la registrazione locale. Non equivale a `failed`: indica che occorre ancora chiarire che cosa sia successo. Una verifica presso il provider può confermare l’esito o accertare il fallimento; se non esiste una verifica affidabile e ripetere comporta un rischio, l’operazione deve restare in attesa di riconciliazione.
Conta anche la compatibilità. Un checkpoint precedente potrebbe non essere più interpretabile dopo una modifica alla definizione degli strumenti o alle regole del flusso. Associa ogni esecuzione a una versione compatibile e rifiuta le scritture tardive tramite controlli di concorrenza. Se più worker possono lavorare contemporaneamente, un lease e un meccanismo di fencing possono aiutare a impedire che due processi facciano avanzare lo stesso stato, ma richiedono il corretto supporto del sistema di archiviazione.
Stati utili per il recupero
| Stato osservato | Che cosa si può concludere | Passaggio successivo |
|---|---|---|
| Lo strumento non è ancora stato invocato | Non ci sono indicazioni che l’operazione sia stata richiesta | Inviare l’operazione usando l’identità già persistita |
| La richiesta è stata inviata, ma non è arrivata una risposta | L’effetto potrebbe essersi verificato | Consultare il sistema di destinazione o cercare la ricevuta |
| L’effetto esterno è avvenuto, ma manca il checkpoint locale | Il journal non è aggiornato | Riconciliare con la stessa chiave e salvare il risultato recuperato |
| La ricevuta è persistita | Il passaggio è confermato nel journal | Riutilizzare il risultato e proseguire |
| Non esiste una verifica affidabile e ripetere potrebbe causare danni | L’esito resta irrisolto | Contrassegnare lo stato come sconosciuto e sospendere l’esecuzione per una revisione |
Tentativi con limiti e condizioni chiare
Riprovare è ragionevole quando il guasto sembra temporaneo e ripetere l’operazione è sicuro. Un servizio sovraccarico o un’interruzione prima dell’invio della richiesta possono giustificare un altro tentativo; un’autorizzazione negata, argomenti non validi o una chiave in conflitto richiedono in genere di correggere la causa, non di insistere. Classifica l’errore prima di applicare una politica di nuovi tentativi.
Il backoff esponenziale aumenta l’attesa tra tentativi successivi e può includere jitter per evitare che molti worker richiamino il servizio contemporaneamente. Questa tecnica regola il momento del nuovo tentativo; non garantisce che il servizio sia disponibile né che l’azione sia corretta. Definisci un numero massimo di tentativi e un limite di tempo complessivo, e registra la causa di ogni attesa.
Una chiave di idempotenza stabile collega i tentativi della stessa intenzione quando il provider riconosce quella chiave e rispetta il relativo contratto. La chiave deve rimanere invariata tra i tentativi della stessa operazione. Generare una nuova chiave dopo un timeout può trasformare il nuovo tentativo in una seconda operazione. Se gli argomenti cambiano, non riutilizzare senza verifica una chiave associata a contenuti diversi.
Se il provider non supporta l’idempotenza, cerca una verifica dello stato o un riferimento di business che consenta di riconciliare l’esito. Se nessuna opzione è affidabile, fermarsi può essere più sicuro che riprovare. Ripetere una chiamata di lettura e ripetere una chiamata che trasferisce denaro, invia un’email o modifica i permessi comporta rischi diversi.
Decisione prima di riprovare
| Situazione | Decisione prudente | Condizione |
|---|---|---|
| Errore temporaneo prima dell’invio | Riprovare dopo un’attesa limitata | L’operazione non è ancora stata richiesta |
| Timeout dopo l’invio di una scrittura | Riconciliare prima di riprovare | Verificare la chiave o lo stato nel sistema di destinazione |
| Input non valido o autorizzazione negata | Fermarsi e correggere la causa | Non cercare di risolvere aumentando i tentativi |
| Stessa intenzione e provider idempotente | Riprovare con la stessa chiave | Verificare l’ambito temporale e la semantica del provider |
| Esito sconosciuto e operazione ad alto rischio | Sospendere e coinvolgere una persona | Non esiste una verifica affidabile |
Effetti esterni: idempotenza e rollback non sono la stessa cosa
Idempotenza e rollback risolvono problemi diversi. L’idempotenza mira a evitare che più tentativi della stessa operazione producano effetti di business duplicati, se l’esecutore e il provider rispettano il contratto. Il rollback mira invece a invertire un effetto già applicato. Ripetere un’operazione idempotente non annulla una modifica.
Non tutte le azioni sono reversibili. Una prenotazione può essere annullata; per un pagamento potrebbe servire un rimborso separato; un’email già inviata non può essere ritirata dalla casella del destinatario. In molti casi, l’alternativa è un’azione compensativa esplicita, che costituisce una nuova operazione e può fallire o richiedere un’approvazione.
Prima di automatizzare una scrittura, individua il suo effetto, il metodo per verificarlo e l’eventuale compensazione. Se non è possibile annullare un’azione in modo affidabile, limita l’ambito, richiedi un’approvazione quando serve oppure sospendi il flusso in caso di ambiguità. Non presentare il ripristino di un’intera copia come un rollback selettivo: il ripristino potrebbe coinvolgere modifiche valide effettuate in seguito.
Un test locale può simulare l’interruzione tra l’esecuzione di un effetto e il salvataggio della ricevuta. La simulazione serve a verificare che il runtime riprenda il piano e consulti il registro esterno prima di duplicare l’operazione. Da sola non dimostra che un provider reale supporti l’idempotenza, che esista atomicità distribuita o che due worker concorrenti siano coordinati.
Coinvolgere una persona con il contesto necessario
Il passaggio a una persona non dovrebbe limitarsi a inoltrare un’eccezione senza spiegazioni. Chi riceve il caso deve sapere che cosa è stato tentato, quale risultato è stato confermato, che cosa resta ignoto e quale rischio comporta proseguire. Includi lo stato recuperabile e la decisione ancora da prendere, non soltanto il testo dell’utente.
Un pacchetto di passaggio utile può contenere l’identificativo dell’esecuzione, il passaggio interrotto, lo strumento e la relativa versione, i tentativi effettuati, l’errore classificato, la chiave dell’operazione, le ricevute disponibili e le verifiche di riconciliazione già eseguite. Aggiungi le approvazioni ancora valide e le eventuali condizioni di sicurezza o di budget che impediscono di proseguire.
Oscura gli argomenti sensibili e limita l’accesso ai log secondo le regole applicabili. L’agente deve descrivere l’incertezza in modo concreto, per esempio: «La richiesta è stata inviata, ma l’esito non è confermato». Non deve affermare che la modifica è avvenuta o che non è avvenuta se lo stato resta irrisolto.
La persona incaricata della revisione deve avere un’azione chiara: consultare il sistema di destinazione, autorizzare una compensazione, correggere l’input o chiudere il caso. Se decide di riprovare, registra chi ha preso la decisione, su quali elementi e quale chiave è stata utilizzata. In questo modo si mantiene la tracciabilità senza affidare al modello l’autorità di risolvere da solo un’operazione rischiosa.
Passaggio di un’esecuzione incerta
Fornisci lo stesso contesto al team, così che possa indagare e decidere senza ricostruire la cronologia da zero.
- 01Identifica l’esecuzione, il passaggio e la versione del flusso.
- 02Riassumi che cosa è stato inviato, quanti tentativi sono stati effettuati e che cosa ha risposto lo strumento.
- 03Separa i risultati confermati dagli stati sconosciuti.
- 04Indica quale verifica o approvazione manca e quali effetti potrebbe causare un nuovo tentativo.
- 05Registra la decisione della persona e restituisci il controllo al flusso solo dopo aver risolto lo stato.
Osservabilità e test di recupero
L’osservabilità deve permettere di ricostruire un’esecuzione e distinguere i guasti del modello da quelli dello strumento e dell’infrastruttura. Registra le transizioni di stato, l’inizio e l’esito di ogni chiamata, la latenza, gli errori classificati, i nuovi tentativi, i checkpoint e i passaggi a una persona. Collega questi eventi a un identificativo dell’esecuzione e alla versione del flusso, senza conservare indiscriminatamente dati sensibili.
Non esiste una metrica universale che riassuma da sola la resilienza di tutti gli agenti. Un team può monitorare quante esecuzioni vengono recuperate, quanto tempo serve per risolvere gli stati sconosciuti, quanti casi richiedono un intervento e quanti effetti duplicati vengono rilevati. Definisci ogni indicatore con il suo denominatore e la finestra temporale: senza queste definizioni, un tasso di recupero può essere difficile da interpretare.
Testa i percorsi di errore, non solo l’output finale del modello. Simula un’interruzione prima dell’invio, una risposta persa dopo l’accettazione, un errore temporaneo, il riutilizzo di una chiave con argomenti diversi e due worker in competizione per la stessa esecuzione. Verifica che un passaggio confermato non venga ripetuto e che uno stato sconosciuto non venga presentato come un successo o un fallimento certo.
I test basati su file locali o provider fittizi verificano le decisioni del codice nelle condizioni simulate. Non convalidano automaticamente la semantica di un provider in produzione, la durabilità del database o l’efficacia del coordinamento distribuito. Confronta le garanzie rilevanti con la documentazione del servizio e testa la configurazione concreta che userà l’agente.
Che cosa osservare in ogni esecuzione
| Segnale | Domanda a cui aiuta a rispondere |
|---|---|
| Transizioni di stato | In quale passaggio si è interrotta l’esecuzione e qual è l’ultimo checkpoint confermato? |
| Errore e strumento | Si è trattato di un rifiuto, un’indisponibilità, un timeout o un errore logico? |
| Tentativi e attese | Quante volte è stata ripetuta l’operazione e quali limiti sono stati applicati? |
| Ricevuta o identificativo esterno | È possibile verificare l’effetto nel sistema di destinazione? |
| Stato sconosciuto e passaggio a una persona | Quanto è durata la riconciliazione e chi ha risolto il caso? |
| Versione del flusso | Il checkpoint è compatibile con il codice che lo recupera? |
Un protocollo di recupero applicabile
Un protocollo chiaro mette in ordine il recupero: carica l’ultimo checkpoint confermato, verifica la compatibilità della versione, identifica l’operazione interrotta e classifica l’esito. Se l’operazione non è ancora stata inviata, può essere eseguita usando l’identità persistita. Se è stata inviata ma non è arrivata una risposta, consulta il sistema di destinazione o la ricevuta prima di decidere. Se l’operazione è confermata, salva il risultato e prosegui dal passaggio successivo.
La politica deve stabilire quando sono consentiti nuovi tentativi, quali limiti si applicano e quali errori impongono di fermarsi. Deve inoltre definire chi può risolvere uno stato sconosciuto e quando serve un’approvazione aggiuntiva. Una condizione esplicita di arresto protegge dai cicli e impedisce al modello di interpretare una risposta mancante come un’autorizzazione a riprovare.
Testa il protocollo con una fixture controllata prima di collegarlo ad azioni reali. Poi verifica separatamente il comportamento del provider, le condizioni di concorrenza, la conservazione dei checkpoint e le procedure di escalation. Un’architettura durevole può gestire parte del journal e del replay, ma non rende automaticamente atomica un’API esterna né garantisce l’esecuzione una sola volta.
Un recupero affidabile non significa che ogni guasto possa essere risolto automaticamente. Significa che il sistema conserva ciò che è confermato, rappresenta con chiarezza ciò che è sconosciuto e limita il passaggio successivo a ciò che può giustificare. Quando non esiste un modo affidabile per conoscere l’esito e ripetere potrebbe causare danni, sospendere l’operazione e riconciliarla fa parte del corretto funzionamento.
Continua a esplorare
Fonti consultate
Correzioni e trasparenza
Se trovi un dato errato o non aggiornato, inviaci la pagina e la fonte da verificare.
Proponi una correzione