← Agent Engineering Studio
Edizione 2026

AI che Ragiona
Da sviluppatore a Solution Architect

Knowledge Graph, Graph-RAG e Agenti Multi-Modello in Produzione con Python, Neo4j, MCP e Microsoft Agent Framework.

di Giuseppe Zileni — AI Senior Software Architect @ Hevolus Innovation

Amazon's trademark is used under license from Amazon.com, Inc. or its affiliates.

Copertina: AI che Ragiona
500+ pagine full color
Codice Python eseguibile
Architetture enterprise reali
7 agenti orchestrati con MAF
MCP + Knowledge Graph
Caso reale end-to-end di 18 mesi

Di cosa parla il libro

Le chatbot rispondono. I sistemi che ragionano decidono.

La maggior parte dei libri sull'AI si ferma al notebook Jupyter. Questo no. Ogni riga di codice è stata scritta, eseguita e messa in produzione — puoi farlo anche tu, sulla tua macchina, stasera. Fai git clone del repository e nel giro di un caffè avrai il tuo primo Knowledge Graph in esecuzione.

AI che Ragiona colma il divario fra teoria accademica e sistema enterprise che paga le bollette. Oltre 500 pagine di codice Python eseguibile, architetture di produzione e uno studio di caso end-to-end da 18 mesi.

Dai Knowledge Graph — la stessa tecnologia dietro al grafo Google da 1,6 trilioni di triple — alle due evoluzioni che nel 2025-2026 ridefiniscono come l'AI viene progettata e venduta: il Model Context Protocol di Anthropic e l'orchestrazione multi-agente con Microsoft Agent Framework. Tutto eseguibile con un singolo docker compose up.

Pensato per developer Python, AI/ML engineer e architect che cercano codice completo e pattern di produzione, ma anche per chi affianca team e progetti AI e cerca casi d'uso concreti per settore.

Struttura del libro

Parte I Cap. 1-4

Fondamenti dei Knowledge Graph

Teoria KG, modelli dati (RDF, Property Graph), query Cypher/SPARQL, ontologie OWL e ragionamento

Parte II Cap. 5-12

Costruire con Python

Quick Start in 30 min, architettura, pipeline ingestion, Docker Compose, Pydantic, Vector Store

Parte III-V Cap. 13-20

RAG, KGC e Pipeline

Graph-RAG vs RAG classico, ricerca ibrida, KG Completion, pipeline da testo, metriche qualità

Parte VI Cap. 21-24

Model Context Protocol

Architettura MCP, server per KG, tool custom, sicurezza enterprise, debug

Parte VII+ Cap. 25-32

Agent AI e Business

7 agenti orchestrati con MAF, confronto framework, pricing, ROI, deployment cloud enterprise

Stack Tecnologico

Python 3.11+Neo4jRedis StackOllama (qwen2.5:14b + nomic-embed-text)FastMCPMicrosoft Agent FrameworkFastAPINext.jsDocker Compose

Formati disponibili

Paperback

7" × 10" — Full color

Carta bianca premium, copertina lucida

Hardcover

7" × 10" — Full color

Copertina rigida, dorso stampato

eBook Kindle

EPUB 3.0 — Reflowable

TOC navigabile, 35 figure

Acquista su Amazon Available at Amazon

Amazon's trademark is used under license from Amazon.com, Inc. or its affiliates.