22 Strumenti AI

• 22.1 LLM
• 22.2 Server MCP
• 22.3 Client MCP
• 22.4 Agenti
• 22.5 Assistente Kitt
• 22.5.1 Configurazione passo-passo KITT
• 22.6 Esempi di utilizzo

22.1 LLM

La sezione LLM delle impostazioni permette di registrare i modelli linguistici (LLM) che vtenext può usare per gli agenti e altre funzioni AI collegate. Qui si definiscono i dati di connessione del modello, il nome con cui identificarlo e alcuni parametri che influenzano il comportamento delle risposte.

vtenext non include un modello AI già pronto all'interno del CRM. Per configurare un LLM è necessario disporre di un modello remoto accessibile tramite API compatibili con OpenAI, oppure di un modello locale già installato e raggiungibile. In altre parole, questa configurazione serve a collegare vtenext a un servizio AI esterno o locale: il modello non è "a bordo" del CRM.

La schermata elenco

Nella lista sono visibili le configurazioni già salvate. Per ogni voce puoi vedere:

• Stato attivo o non attivo
• Nome della configurazione
• URL del servizio
• Modello utilizzato

Dalla lista puoi creare una nuova configurazione, modificare una voce esistente, eliminarla oppure attivarla e disattivarla rapidamente.

Creare un nuovo LLM

1. Apri la sezione LLM.
2. Fai clic su Aggiungi.
3. Compila i campi richiesti.
4. Se necessario, esegui un test della configurazione.
5. Salva.

Attivo	rende il modello disponibile per l'utilizzo
Nome	nome descrittivo del modello visualizzato in vtenext. Campo obbligatorio.
URL	endpoint API a cui vtenext invia le richieste al modello (ad esempio https://api.openai.com/v1/chat/completions). Campo obbligatorio
Modello	identificativo del modello da utilizzare (ad esempio gpt-5.2). Campo obbligatorio.
Base URL	è l'indirizzo di base del servizio che ospita il modello. In pratica dice agli agenti AI e all'orchestratore Python dove si trova il servizio del modello. Diventa particolarmente importante quando si utilizza un modello locale o un servizio interno all'infrastruttura, per esempio un endpoint come http://127.0.0.1:11434.
Provider	indica a vtenext e all'orchestratore Python che tipo di servizio c'è dietro al modello, ad esempio OpenAI oppure Ollama
API Key	chiave di autenticazione fornita dal provider, necessaria per autorizzare le richieste API
Temperatura	controlla il livello di casualità delle risposte generate. Valori bassi (ad esempio 0,2) producono risposte più coerenti, prevedibili e ripetibili; valori più alti (ad esempio 0,8 o superiori) favoriscono risposte più varie e creative
Token massimi	definisce il numero massimo complessivo di token che il modello può utilizzare per elaborare la richiesta, includendo sia i messaggi inviati sia la risposta generata (se supportato dal provider)
Token di completamento massimi	limita il numero massimo di token che il modello può utilizzare esclusivamente per la risposta generata
Developer Message	istruzioni rivolte al modello con ruolo developer, utilizzate per definire regole di comportamento o vincoli applicativi
System Message	istruzioni generali che definiscono il comportamento del modello durante la conversazione
User Message	messaggio di prova inviato al modello per verificarne il funzionamento. Campo obbligatorio

Come funziona il test

Il pulsante di PROVA invia una richiesta reale al modello con i parametri configurati e mostra:

• esito dell'operazione
• codice di risposta
• header restituiti
• corpo completo della risposta

Risultato della chiamata: tab RISULTATO

Risultato della chiamata: tab HEADERS

Risultato della chiamata: tab RISPOSTA

Il test serve a verificare la configurazione, ma non sostituisce il salvataggio.

Il test invia una richiesta reale al modello remoto o locale. Se il modello non è raggiungibile via API, il test non può funzionare.

Esempi pratici

Esempio 1: modello compatibile OpenAI

Usa questa configurazione quando il modello è disponibile come servizio remoto tramite API esterna. Imposta nome, URL, modello e API Key, poi invia un semplice messaggio di test.

Esempio 2: modello locale

Se il modello gira in locale o su infrastruttura interna, compila anche Base URL e Provider. Anche in questo caso il modello deve essere già installato, attivo e raggiungibile via rete.

22.2 Server MCP

La sezione Server MCP permette di pubblicare, tramite vtenext, un endpoint MCP che rende disponibili tool e operazioni del CRM a client esterni compatibili. In pratica, in questa sezione si decide quale server esporre e quali strumenti pubblicare attraverso di esso.

In sintesi: un server MCP non è un modello AI e non sostituisce un agente. È un punto di accesso che espone funzioni del CRM in modo controllato, così che un client MCP possa richiamarle dall'esterno.

Quando usarla

• Per esporre tool del CRM verso client esterni compatibili con MCP.
• Per selezionare in modo preciso quali operazioni rendere disponibili.
• Per creare un endpoint interno stabile da usare nelle integrazioni AI.
• Per generare, se serve, anche un MCP client collegato allo stesso server.

La schermata elenco

Nella lista sono visibili i server MCP già configurati.

Attivo	indica se il server è disponibile e pubblico
Endpoint	identificatore del server pubblicato
Descrizione	testo descrittivo del server
Tool pubblicati	numero di strumenti resi disponibili tramite quel server
MCP	eventuale client MCP collegato, con stato di sincronizzazione

Dalla lista puoi creare un nuovo server, modificarlo, eliminarlo oppure copiare il suo URL completo.

Creare un nuovo Server MCP

1. Apri la sezione Server MCP.
2. Fai clic su Aggiungi.
3. Controlla il Base URL mostrato dal sistema e verifica che sia raggiungibile dall'esterno.
4. Inserisci il nome dell'Endpoint.
5. Aggiungi una descrizione, se utile.
6. Decidi se creare anche il client MCP collegato.
7. Seleziona i tool da pubblicare.
8. Salva la configurazione.

Parametri da impostare

Attivo	rende il server disponibile all'uso
Base URL	parte iniziale dell'indirizzo del server ($site_URL), mostrato in sola lettura. Viene predisposta automaticamente dal sistema
Endpoint	identificatore finale del server. È la parte che completa l'URL pubblico del server MCP. Deve essere univoco e può contenere lettere, numeri, underscore e trattino
Descrizione	serve a spiegare lo scopo del server agli amministratori o a chi lo mantiene
Crea MCP client	crea automaticamente un client MCP che punta a questo server. Il collegamento viene mantenuto sincronizzato e, se il server viene eliminato, anche il client collegato viene rimosso

Selezione dei tool pubblicati

Dopo i campi principali, la schermata mostra l'area dedicata ai tool pubblicati.

I tool disponibili possono provenire da più aree del sistema, ad esempio:

• Tool Base
• Tool SDK (vedi MCP Server per ulteriori dettagli)
• Processi

Puoi selezionarli per gruppo oppure cercarli rapidamente tramite il campo di ricerca. Alcuni tool di base vengono mantenuti automaticamente dal sistema, anche se non li selezioni manualmente, per garantire il corretto funzionamento dell'integrazione.

Esempi pratici

Esempio 1: server MCP per tool interni del CRM

Puoi creare un server dedicato a un insieme ristretto di tool, per esempio solo quelli necessari a un assistente interno o a un'integrazione controllata.

Esempio 2: server MCP con client collegato

Se vuoi che il server sia subito utilizzabile anche dal lato client, puoi attivare l'opzione Crea MCP client. In questo modo vtenext prepara automaticamente anche il client che punta a quel server.

Esempio 3: pubblicazione selettiva dei tool

Se non vuoi esporre tutte le funzioni disponibili, puoi pubblicare solo i tool realmente necessari. Questo approccio aiuta a mantenere l'integrazione più ordinata e controllata.

22.3 Client MCP

La sezione Client MCP serve a collegare vtenext ad un server MCP esterno o interno, così da scaricare e usare i tool disponibili nei processi e negli agenti. In pratica, qui configuri come raggiungere il server MCP, come autenticarti e come mantenere aggiornato l'elenco dei tool.

In sintesi: il client MCP non pubblica funzioni verso l'esterno. Fa l'operazione opposta: si collega ad un server MCP, ne legge i tool e li rende disponibili dentro vtenext.

Quando usarla

• Per collegare vtenext a un server MCP già disponibile.
• Per usarla in processi e agenti i tool esposti da un server MCP (vedi Azioni AI).
• Per mantenere sincronizzato nel tempo l'elenco dei tool disponibili.
• Per collegare rapidamente un server MCP creato nella sezione Server MCP.

La schermata elenco

Nella lista sono visibili i client MCP già configurati.

Attivo	indica se il client è abilitato
Nome	nome interno con cui riconosci la connessione
URL	indirizzo del server MCP a cui il client si collega
Ultima sincronizzazione	mostra quando i tool sono stati sincronizzati l'ultima volta, oppure segnala che il client non è mai stato sincronizzato

Dalla lista puoi creare un nuovo client, modificarlo o eliminarlo. Se il client è collegato a un Server MCP interno, dalla lista puoi anche aprire direttamente quel server.

Creare un nuovo Client MCP

1. Apri la sezione Client MCP.
2. Fai clic su Aggiungi.
3. Inserisci un Nome facile da riconoscere.
4. Indica l'URL del server MCP.
5. Scegli il tipo di Autenticazione.
6. Compila le credenziali richieste, se previste.
7. Decidi se attivare la Sincronizzazione periodica.
8. Attiva la Notifica se vuoi essere avvisato quando i tool cambiano.
9. Salva la configurazione.

Importante: al salvataggio vtenext prova a collegarsi davvero al server MCP. Se la connessione non riesce, la configurazione non viene accettata.

Parametri da impostare

Attivo	abilita o disabilita il client
Nome	nome descrittivo della connessione
URL	indirizzo completo del server MCP da contattare
Autenticazione	definisce come il client si autentica al server MCP
Username e Password	compaiono se scegli l'autenticazione Basic
API Key	compare se scegli autenticazione Bearer oppure X-API-Key
Sincronizza	permette ad un cron di controllare periodicamente i tool disponibili e aggiornarli in caso di novità
Notifica	invia una notifica quando la sincronizzazione rileva modifiche nei tool del server

Come funziona l'autenticazione

La scelta dell'autenticazione cambia i campi mostrati nella scheda.

Nessuna autenticazione	non vengono richieste credenziali aggiuntive
Basic	devi inserire username e password
Bearer	devi inserire un token o API key
X-API-Key	devi inserire la chiave API nel campo dedicato
VTE (Access Key)	vtenext usa automaticamente l'access key MCP dedicata dell'utente che effettua la chiamata. Non devi inserire manualmente credenziali

Quando usare VTE (Access Key): questa opzione è particolarmente utile quando il client punta a un Server MCP esposto da vtenext, perché permette al sistema di gestire l'autenticazione in modo automatico.

Verifica della connessione e mappatura dei tool

La schermata del client mette a disposizione anche una funzione di verifica.

Risultato della chiamata: RISULTATO

Risultato della chiamata: HEADERS

Risultato della chiamata: RISPOSTA

• Il pulsante di test controlla se il server MCP risponde correttamente.
• In caso di esito positivo, vtenext può leggere la lista dei tool disponibili.
• Dalla finestra di verifica puoi aggiornare la sezione dei tool disponibili con il comando Mappa tool disponibili.

Questa verifica è utile soprattutto quando stai configurando un nuovo server o quando vuoi controllare se l'autenticazione è corretta prima del salvataggio definitivo.

Tool disponibili

Dopo il salvataggio, oppure dopo la mappatura dalla verifica, vtenext mostra la lista dei tool letti dal server MCP.

Per ogni tool puoi vedere:

• nome del tool
• descrizione
• parametri di input
• campi obbligatori e facoltativi
• struttura dell'output restituito

Queste informazioni vengono salvate localmente, così i tool possono poi essere richiamati dentro gli agenti e i processi senza dover reinterpretare ogni volta la struttura del server remoto.

Sincronizzazione periodica

Se attivi Sincronizza, un processo schedulato può controllare periodicamente se sul server MCP sono disponibili tool nuovi o modificati.

• Se trova cambiamenti, aggiorna la configurazione locale dei tool.
• Se non trova differenze, aggiorna comunque la data dell'ultima sincronizzazione.
• Se hai attivato anche Notifica, ricevi un avviso quando il set dei tool cambia.

Attenzione: quando i tool cambiano sul server MCP, può essere necessario verificare eventuali processi o agenti che li usano, soprattutto se sono cambiati parametri o output.

Esempi pratici

Esempio 1: collegamento a un server MCP esterno

Puoi configurare un client MCP che punta a un server esterno pubblicato da un altro sistema. In questo caso inserisci URL, autenticazione richiesta e poi verifichi i tool disponibili.

Esempio 2: collegamento a un Server MCP di vtenext

Se hai già creato un Server MCP nella relativa sezione, puoi collegare il client allo stesso endpoint e usare l'autenticazione VTE (Access Key) per semplificare la configurazione.

Esempio 3: aggiornamento controllato dei tool

Se i tool del server remoto possono cambiare nel tempo, conviene attivare la sincronizzazione periodica e, se necessario, anche le notifiche, così mantieni allineati processi e agenti.

Web Search MCP - Exa

vtenext mette a disposizione anche un client MCP preconfigurato chiamato Web Search MCP - Exa. Questa voce viene creata automaticamente ma resta disattivata finché non decidi di usarla.

Exa è un servizio di ricerca web pensato per agenti AI. Permette di fare ricerche sul web in tempo reale, recuperare contenuti di pagine specifiche e fornire ai modelli informazioni più aggiornate rispetto alla sola conoscenza già incorporata nel modello.

Come attivarlo

1. Apri la scheda Web Search MCP - Exa nella lista dei Client MCP.
2. Lascia invariato l'URL precompilato, che punta al server MCP pubblico di Exa.
3. Imposta o completa l'autenticazione X-API-Key con la chiave API del tuo account Exa.
4. Attiva il client.
5. Salva e verifica i tool disponibili.

In questo caso l'autenticazione prevista da vtenext è X-API-Key, già selezionata nella configurazione iniziale del client.

Tool disponibili con Exa

Il server MCP espone questi tool:

• web_search_exa: esegue ricerche sul web e restituisce contenuti già pronti da usare da parte dell'agente.
• web_fetch_exa: recupera il contenuto completo di una pagina web a partire da un URL noto.

Quando può essere utile: Exa è particolarmente adatto quando vuoi dare agli agenti e ai processi accesso a ricerca web aggiornata, analisi di pagine online o raccolta rapida di informazioni esterne.

Per ulteriori dettagli sul servizio e sulle funzionalità del server MCP di Exa, consulta il sito ufficiale: https://exa.ai/mcp.

22.4 Agenti

La sezione Agenti permette di configurare agenti AI che combinano un modello LLM, uno o più tool MCP e, se necessario, documenti del CRM da usare come base di conoscenza. In pratica, qui definisci come l'agente ragiona, quali strumenti può usare e quali contenuti può consultare per svolgere un task.

In sintesi: un agente non è solo un modello AI. È una configurazione completa che unisce LLM, tool operativi e fonti documentali, così da eseguire attività in modo più controllato e utile nel contesto di vtenext.

Prerequisito: orchestratore agenti

Per usare gli agenti è necessario che il servizio orchestratore agenti sia installato e raggiungibile. Nella schermata elenco degli Agenti è disponibile una scheda dedicata in cui puoi indicare l'Endpoint orchestratore, cioè l'URL base del servizio.

Importante: se l'endpoint dell'orchestratore non è configurato correttamente, gli agenti non possono essere eseguiti.

Quando usarla

• Per configurare agenti AI da usare nell'assistente o nei processi.
• Per associare ad un agente un LLM specifico.
• Per dare all'agente accesso a tool MCP selezionati.
• Per abilitare la capacità RAG scegliendo documenti del CRM come fonti di conoscenza.
• Per applicare regole di controllo prima e dopo la generazione della risposta (guardrail).

La schermata elenco

Nella lista sono visibili gli agenti già configurati.

• Attivo: indica se l'agente è abilitato.
• Nome: nome dell'agente.
• Descrizione: testo che spiega lo scopo dell'agente.
• LLM: mostra il modello associato.
• Documenti: indica se l'agente ha accesso a documenti RAG.

Dalla lista puoi creare un nuovo agente, modificarlo o eliminarlo.

Creare un nuovo agente

1. Apri la sezione Agenti.
2. Fai clic su Aggiungi.
3. Attiva o disattiva l'agente secondo le tue esigenze.
4. Inserisci Nome e Descrizione.
5. Seleziona l'LLM da usare.
6. Valuta se mantenere il system prompt dell'LLM oppure sovrascriverlo per questo agente.
7. Seleziona i tool che l'agente potrà usare.
8. Se necessario, abilita la capacità RAG e scegli i documenti.
9. Configura eventuali guardrail.
10. Salva la configurazione.

Campi principali

• Attivo: abilita o disabilita l'agente.
• Nome: nome interno con cui riconosci l'agente.
• Descrizione: breve descrizione interna che riassume il compito dell'agente.
• LLM: modello linguistico usato dall'agente.
• System prompt dell'LLM: mostra il system prompt attualmente configurato sul modello selezionato.
• Sovrascrivi system prompt: se attivato, l'agente usa un system prompt specifico invece di quello standard dell'LLM.
• System prompt: istruzioni specifiche dell'agente, visibili solo se scegli di sovrascrivere il prompt del modello.

Quando usare la sovrascrittura del system prompt: è utile quando vuoi mantenere lo stesso LLM ma cambiare in modo netto comportamento, tono o responsabilità di un singolo agente.

Tool disponibili per l'agente

Sotto ai campi principali trovi l'area Tool, dove scegli quali strumenti l'agente può usare.

I tool sono mostrati per gruppi, in base ai client MCP attivi e ai tool interni disponibili.

• Kitt tools: include tool interni di base come calculator e user_manual.
• Client MCP: per ogni client MCP attivo puoi selezionare i tool sincronizzati e disponibili.

Per ogni gruppo puoi selezionare tutti i tool oppure deselezionarli rapidamente. È disponibile anche una ricerca per filtrare i tool per nome o descrizione.

Attenzione: l'agente può usare solo i tool che selezioni in questa sezione. Se un client MCP non è configurato o non ha tool sincronizzati, non comparirà come sorgente utilizzabile.

Capacità RAG e documenti

Se vuoi che l'agente lavori anche su contenuti del CRM, puoi attivare la capacità RAG.

• Capacità RAG: abilita l'uso di documenti come fonti di conoscenza.
• Seleziona: apre il selettore documenti per aggiungere file del CRM.
• Tabella documenti: mostra titolo, file, assegnatario e cartella dei documenti già associati.

Una volta aggiunti, i documenti restano collegati all'agente e possono essere rimossi in qualsiasi momento dalla tabella.

Quando conviene usare RAG: è utile quando l'agente deve rispondere o lavorare partendo da documentazione, file o contenuti aziendali presenti nel CRM, non solo da istruzioni generiche.

Guardrail

La sezione Agenti permette anche di definire controlli prima e dopo la generazione della risposta.

• Pre-guardrail statico: blocca input che contengono parole o espressioni non consentite.
• LLM pre-guardrail: usa un LLM per valutare l'input prima dell'elaborazione.
• Prompt pre-guardrail: definisce le istruzioni con cui il controllo valuta l'input.
• Post-guardrail statico: blocca output che contengono contenuti non consentiti.
• LLM post-guardrail: usa un LLM per valutare la risposta prima di restituirla.
• Prompt post-guardrail: definisce le istruzioni del controllo finale.

Le regole statiche possono includere testo semplice oppure espressioni regolari, una per riga.

Attenzione: i guardrail basati su LLM possono aumentare consumo di token e tempi di risposta, perché aggiungono passaggi di verifica.

Esempi pratici

Esempio 1: agente con tool operativi

Puoi creare un agente che usa un LLM e alcuni tool MCP per interrogare dati, eseguire azioni consentite o consultare servizi esterni come la ricerca web.

Esempio 2: agente documentale

Puoi creare un agente focalizzato su documenti interni, abilitando RAG e selezionando solo i file rilevanti per uno specifico reparto o processo.

Esempio 3: agente con controlli rafforzati

Se l'agente opera su contenuti sensibili, puoi applicare pre-guardrail e post-guardrail per limitare richieste o risposte non appropriate.

22.5 Assistente Kitt

La sezione Assistente permette di definire come deve rispondere l'assistente Kitt di vtenext. In pratica, qui scegli quale motore usare per le risposte: un LLM diretto, un agente già configurato oppure un Webservice REST personalizzato.

In sintesi: l'assistente è il punto di accesso con cui l'utente interagisce. A seconda della configurazione, può rispondere direttamente con un modello, usare strumenti avanzati tramite un agente oppure delegare la risposta a un servizio esterno.

Prerequisiti

• Per usare un LLM, devi prima configurare almeno un modello nella sezione LLM.
• Per usare un Agente, devi prima configurare almeno un agente nella sezione Agenti.
• Per usare un Webservice REST, devi prima configurare il servizio nella relativa sezione.
• Per il funzionamento dell'assistente è necessario attivare il worker per le attività in background.

Creare o modificare l'assistente

1. Apri la sezione Assistente.
   
2. Attiva o disattiva la configurazione.
3. Seleziona il Tipo di assistente.
4. Compila il campo mostrato in base al tipo scelto.
5. Salva la configurazione.

Tipo: Agente

Se scegli Agente, l'assistente userà uno degli agenti già configurati in vtenext.

• Selezioni un agente dall'elenco disponibile.
• L'assistente eredita le capacità dell'agente scelto.
• Questo include, se configurati nell'agente, tool MCP, documenti RAG, prompt specifici e guardrail.

Quando conviene usare un agente: è la scelta giusta quando vuoi che l'assistente faccia più di una semplice risposta testuale, per esempio usare tool, consultare documenti o seguire controlli più avanzati.

Tipo: LLM

Se scegli LLM, l'assistente userà direttamente un modello linguistico configurato nella sezione LLM.

• Selezioni il modello LLM da usare.
• Puoi visualizzare il system prompt dell'LLM attualmente configurato.
• Puoi attivare l'opzione Sovrascrivi system prompt per usare un prompt specifico solo per l'assistente.

Questa modalità è più semplice rispetto all'uso di un agente, perché non coinvolge tool MCP o documenti RAG.

Sovrascrivere il system prompt

Quando l'assistente è configurato in modalità LLM, puoi decidere se mantenere il system prompt del modello oppure sostituirlo.

• System prompt dell'LLM: mostra il prompt standard già presente sul modello selezionato.
• Sovrascrivi system prompt: se attivato, l'assistente usa il testo specificato nella configurazione dell'assistente.
• System prompt: campo in cui definisci istruzioni dedicate all'assistente.

Quando è utile: la sovrascrittura del system prompt serve quando vuoi mantenere lo stesso modello ma cambiare tono, obiettivo o comportamento dell'assistente rispetto ad altre configurazioni che usano lo stesso LLM.

Tipo: Webservice REST

Se scegli Webservice REST, l'assistente delega la risposta a un servizio REST esterno già configurato.

• Selezioni un webservice REST custom dall'elenco.
• Il messaggio dell'utente deve essere passato nel corpo grezzo usando il tag $content.
• La risposta attesa deve essere mappata nel campo restituito message.

Limite da considerare: in questa modalità non sono supportate la modalità stream e la memoria conversazionale.

Questa opzione è utile quando vuoi collegare l'assistente a un sistema esterno già esistente o a un servizio AI personalizzato non gestito direttamente come LLM o agente in vtenext.

22.5.1 Configurazione passo-passo KITT

In questa sessione, vedremo come configurare il nostro personale Assistente AI, basandoci sulla piattaforma Ollama. Per fare un po' di chiarezza, Ollama è un programma gratuito ed open source che permette di gestire ed eseguire modelli linguistici di intelligenza artificiale (LLM), mettendo a disposizione appunto dei modelli preconfigurati e potendo poi personalizzarli secondo necessità. In vte, utilizzeremo i modelli di Ollama, in modo da poter esplorare la potenza dello strumento, senza dover per forza partire da zero.

L'esempio che faremo, è quello di creare una persona virtuale. La situazione è che nell'azienda del nostro cliente, un dipendente storico che ha prestato servizio in quella specifica azienda per più di 40 anni, sta per andare in pensione. Molte informazioni sono nella memoria storica di questa persona. Perchè questo tesoro non vada perduto, configureremo lo strumento per trasferire la memoria del futuro pensionato, all'interno di un Assistente Virtuale.

Come prima cosa, andiamo su Ollama che ci richiede la creazione di un account (scegliamo di crearne uno gratuito), inserendo i dati richiesti nell'apposita finestra di registrazione:

Schermata di registrazione ad Ollama

Una volta registrati, sarà possibile, cliccando sul proprio avatar in alto a destra, e poi cliccando su Settings, creare un'API Key, fondamentale per iniziare la configurazione su vtenext:

Schermata di generazione/configurazione dell'API Key di Ollama

Come ultimo step da fare sul sito Ollama, è quello di cercare un modello adatto alle nostre esigenze. Si noti che i modelli free ed a pagamento sono inseriti tutti nella stessa lista, quindi è facile scegliere il modello non desiderato. Per continuare il percorso gratuito che vi può aiutare a fare i dovuti test, vi suggeriamo di cercare questi modelli:

• gemma4
  
• nemotron-3-super
  
• minimax-m3
  
• gpt-oss

---

E' giunta l'ora di spostarci su vtenext e preparare la configurazione per l'LLM, ovvero l'interprete del linguaggio naturale. Andando in IMPOSTAZIONI > STRUMENTI AI > LLM, vedremo la lista di quelli già configurati e possiamo crearne di nuovi, cliccando sul pulsante AGGIUNGI presente in alto a destra:

Supponendo di aver scelto come modello "gemma4", configureremo tutti i campi necessari per agganciare tale modello. Ogni campo avrà una sua precisa configurazione e nello specifico, sarà la seguente (tutti i campi lasciati in bianco, sono opzionali):

Attivo	Spunta attiva per dire che questo interprete può essere utilizzato
Nome	Franco: stiamo cercando di creare una persona virtuale
URL	https://ollama.com/v1/chat/completions
Modello	gemma4:latest
Base URL	https://ollama.com
Provider	ollama
API Key	l'API Key generata su Ollama, copiata ed incollata direttamente in questo campo
Temperatura	0.1 per avere risposte più deterministiche e senza deduzioni o libere interpretazioni
User Message	Io sono Franco, come ti posso aiutare?

Schermata con le configurazioni fatte per l'LLM di Franco

Una volta inseriti i parametri, cliccare sul pulsante PROVA in alto a destra, per poter verificare che il collegamento funzioni correttamente. Se tutto è andato a buon fine, la schermata con le varie tab, avrà questo aspetto:

TAB RISULTATO

TAB HEADERS

TAB RISPOSTA

Cliccando infine sul pulsante SALVA, potremo vedere la lista di tutti gli LLM configurati, tra cui il nostro Franco appena creato.

---

Andando ora in IMPOSTAZIONI > STRUMENTI AI > MCP SERVER, sarà possibile vedere la lista degli MPC già configurati ed aggiungerne di nuovi, cliccando sul pulsante AGGIUNGI in alto a destra.

Vista per lista degli MCP Server

Vista in dettaglio della creazione dell'MCP Server per il nostro Franco

Le opzioni scelte nei TOOL PUBBLICATI, ci permetteranno di fare delle ricerche interne, di avere delle risposte relative solo a quello che vogliamo che il nostro Assistente sia veramente esperto. Inizialmente ne scegliamo pochi, in modo da sperimentare e vedere poi le reazioni che l'Assistente avrà alle nostre domande. Si fa veramente presto a tornare in questa schermata e cambiare le opzioni impostate.

Cliccando infine sul pulsante SALVA in alto a destra, potremmo tornare nella vista per lista di tutti i nostri MCP Server, e troveremo in lista anche quello creato per il nostro Assistente Franco.

Vista per lista degli MCP Server

---

Ora serve configurare l'MCP Client, cliccando su IMPOSTAZIONI > STRUMENTI AI > MCP CLIENT, noteremo che esiste già la configurazione fatta per il nostro Assistente Franco. Cliccando sulla matita presente sulla destra, avremmo modo di verificare se è tutto in ordine e possiamo infine testarne il funzionamento cliccando sul pulsante PROVA sulla destra.

Vista per lista degli MCP Client

Vista in dettaglio dell'MCP Client per l'Assistente Franco

---

Andando ora in IMPOSTAZIONI > STRUMENTI AI > AGENTI, sarà possibile creare l'agente collegato all'LLM creato inizialmente e decidere quali strumenti utilizzerà per fornirci le sue risposte. Da notare che nella configurazione, abbiamo scelto di selezionare tutte le tools inerenti a Franco che avevamo preimpostato, non abbiamo scelto che Franco possa attingere dal web perchè vogliamo che sia più preciso possibile, facendo in modo che cerchi solamente nelle FAQ e che infine avremmo anche la possibilità di scegliere altre tools provenienti da altri LLM configurati, come Megatron che si vede nell'esempio.

Vista della configurazione dell'Agente per l'assistente Franco

Cliccando infine sul pulsante salva presente in alto a destra, torneremo nella vista per lista, ove troveremo il nostro Agente Franco appena creato e configurato.

Vista per lista degli Agenti

---

Cliccando infine su IMPOSTAZIONI > STRUMENTI AI > ASSISTENTE, avremo la possibilità di configurare la fonte da dove il nostro Assistente vero e proprio, attingerà tutte le informazioni e risposte che si appresterà a fornirci. In questo esempio, abbiamo scelto LLM in modo da utilizzare il modello che avevamo pensato sin dall'inizio.

Vista in dettaglio della configurazione dell'Assistente

---

Andando ora nel modulo FAQ del crm ed iniziando a scrivere tutte le possibili "domande e risposte" riguardo tutti gli argomenti che ipoteticamente il collega Franco conosce, possiamo creare una sorta di database della sua conoscenza.

22.6 Esempi di utilizzo

Di seguito alcune richieste di esempio per mostrare le capacità dell'assistente.

---

Creazione azienda

Posso creare qualsiasi record gestito dal CRM come in questo caso un'azienda. Vengono mostrati eventuali tool utilizzati dall'assistente e nel caso di operazioni di scrittura viene richiesta l'approvazione a procedere.

 

 

L'azienda viene creata innescando eventuali processi: in questo caso è attivo il processo descritto in questo esempio che esegue dello scraping web per arricchire le informazioni dell'anagrafica.

---

Rielaborazione risposta a ticket

In questo esempio ho necessità di rispondere ad un ticket in cui il cliente riscontrava problemi al login. Posso creare una bozza di risposta digitandola direttamente nel campo Aggiungi commento.
In questo modo avendo cliccato quel campo esso sarà aggiunto al contesto di Kitt e verrà resa disponibile l'azione rapita Elabora testo.

   

Nella risposta sarà disponibile il tasto Applica per sostituire il testo elaborato a quello presente nel campo indicato come contesto e si può procedere ad inviare il messaggio.

---

Da ticket a FAQ

Prendendo in esempio il ticket del punto precedente chiedo all'assistente di scrivere una soluzione basandosi sui commenti e poi di realizzare una FAQ.

   

---

Invio email

Se l'assistente utilizza un agente tutti i tool attivi possono essere utilizzati direttamente in chat. Per esempio posso configurare un processo tool per l'invio di mail e chiedere quindi all'assistente di inviare una mail.

Il processo sarà così configurato e una volta attivato assicurarsi che il tool sia attivato nell'agente.

Chiedendo all'assistente di inviare una mail ad un contatto verranno quindi utilizzati i tool di VTE