Un incontro informale dove tecnologia e convivialità si incontrano.
Scopri come estendere LLM con .NET e OpenAPI, orchestrare agenti con il .NET Agent Framework e creare workflow AI-assisted con GitHub Copilot e MCP.
Talk pratici, demo live… e una buona birra per accompagnare il networking!
- Il materiale è disponibile al seguente link: Slide
Sessioni
20:00 - 20:30
Mirko Rezzin
Mirko Rezzin
Estendere gli LLM con .NET e OpenAPI
In questa sessione esploriamo come integrare API .NET descritte in OpenAPI all’interno di un LLM per estenderne concretamente le capacità operative. Vedremo come esporre funzioni al modello, gestire autenticazione e autorizzazione e coordinare più servizi.
20:30 - 21:00
Massimo Zaccarin
Massimo Zaccarin
.NET Agent Framework: Orchestrazione Agenti e Integrazione MCP Tools
Sessione interamente hands-on dedicata all'implementazione di sistemi ad agenti tramite il .NET Agent Framework. Il talk bypassa la teoria introduttiva per concentrarsi direttamente sull'architettura software e sul codice C#. Attraverso una live demo, analizzeremo:
- Kernel Setup: Configurazione ottimizzata e integrazione con modelli LLM (Azure OpenAI).
- MCP Integration: Utilizzo del Model Context Protocol per esporre e consumare tool esterni, standardizzando l'interazione tra agenti e datasource.
- Orchestration: Coordinamento di workflow collaborativi tra agenti specializzati per eseguire processi in modalità cooperativa.
21:00 - 21:30
Massimiliano De Savi
Massimiliano De Savi
Da requisiti a codice production-ready: workflow AI-assisted con GitHub Copilot e MCP
Workflow completo di sviluppo AI-assisted, dalla raccolta requisiti all'implementazione, utilizzando GitHub Copilot, prompt engineering avanzato e server MCP (Model Context Protocol). Attraverso un caso d'uso concreto, vedremo come:
- il prompt engineering di qualità trasforma l'AI da assistente generico a consulente specializzato;
- i server MCP estendono le capacità di Copilot permettendo l'accesso a contesti reali (database, API, documentazione aziendale, ecc...);
- una strategia multi-modello ottimizza costi e performance;
- la supervisione umana critica rimane insostituibile;
L'obiettivo è mostrare come l'AI possa realmente aumentare la produttività e/o la qualità, trasformando il modo in cui affrontiamo l'intero ciclo di vita dello sviluppo software.