Architecture | The .NET Blog

SDD Conference 2026

Mon, 11 May 2026 00:00:00 +0000

SDD 2026 si svolge dall’11 al 15 maggio 2026 al Barbican Centre di Londra. La conferenza principale di 3 giorni va da martedì a giovedì, con workshop opzionali di un’intera giornata il lunedì e il venerdì.

Con 78 sessioni e 14 workshop, è una delle conferenze per sviluppatori più ricche d’Europa.

Argomenti

Pensiero Architetturale
Codice Funzionale in C# 13
Design Serverless
IA Semantica
Azure Kubernetes Services
Strategie Lean DevOps
The Model Context Protocol (MCP)
IA Agentica in .NET
Refactoring del Monolite
Programmare Più Velocemente con gli LLM
Crittografia in un Mondo Post-Quantistico
Sviluppo Local First

Speaker

Lineup di classe mondiale che include Kevlin Henney, Neal Ford, Sander Hoogendoorn, Andrew Clymer, Jacqui Read, Christian Weyer, Jeff Prosise, Jules May, Oliver Sturm e Raju Gandhi.

Biglietti e informazioni

Il 98% dei partecipanti di SDD 2025 ha valutato l’esperienza complessiva come buona, molto buona o eccellente.

Costruire un'app per conferenze con IA con lo stack componibile di .NET

Emiliano Montesdeoca — Wed, 06 May 2026 00:00:00 +0000

Questo post è stato tradotto automaticamente. Per la versione originale, clicca qui.

Costruire un’app per conferenze con IA con lo stack componibile di .NET — Microsoft ha costruito ConferencePulse, un’app Blazor Server per sessioni di conferenza live, combinando cinque librerie di estensione .NET. È stata utilizzata all’MVP Summit.

Cosa fa ConferencePulse

ConferencePulse funziona durante le sessioni live e fornisce: sondaggi generati dall’IA dal contenuto della sessione, Q&A del pubblico con una pipeline RAG che attinge da una knowledge base live, insight generati automaticamente e riepiloghi delle sessioni prodotti da più agenti IA concorrenti. Lo stack è .NET 10, Blazor Server, Aspire, suddiviso in cinque progetti: Web, Core, Ingestion, Agents, Mcp e AppHost.

Microsoft.Extensions.AI: un’astrazione per tutto

IChatClient è l’astrazione unificata — si configura una volta e la stessa interfaccia funziona per Azure OpenAI, OpenAI, Anthropic o qualsiasi altro provider. Sei righe per ottenere un client completamente configurato con invocazione di funzioni, tracciamento OpenTelemetry e middleware di logging:

services.AddChatClient(new AzureOpenAIClient(...).GetChatClient("gpt-4o"))
 .UseFunctionInvocation()
 .UseOpenTelemetry()
 .UseLogging();

Lo stesso IChatClient viene riutilizzato in seguito per il passaggio di arricchimento dell’ingestion dei dati — nessun client separato necessario per questo.

Pipeline DataIngestion

Il contenuto della sessione scorre attraverso una pipeline: MarkdownReader → HeaderChunker (500 token, 50 token di sovrapposizione) → SummaryEnricher + KeywordEnricher → VectorStoreWriter (Qdrant). Gli arricchitori usano lo stesso IChatClient per generare riepiloghi ed estrarre parole chiave prima dell’indicizzazione. Le domande del pubblico, le coppie Q&A e i risultati dei sondaggi vengono inseriti in tempo reale man mano che la sessione avanza — la knowledge base cresce durante il talk.

VectorData: ricerca indipendente dal provider

VectorStoreCollection.SearchAsync() funziona allo stesso modo sia che il backing store sia Qdrant o Azure AI Search. La ricerca ibrida (vettore + testo completo) è supportata. La pipeline RAG per il Q&A del pubblico interroga questa collezione e riceve i chunk rilevanti da passare come contesto al client di chat.

MCP: contenuto della sessione come strumenti

Il contenuto della sessione è esposto tramite MCP in modo che qualsiasi client compatibile con MCP possa accedervi. Sia il server che il client sono implementati — il server espone la conoscenza della sessione come strumenti MCP, e il client consente di chiamare questi strumenti dall’interno della pipeline dell’agente.

Agent Framework: riepilogo multi-agente in parallelo

Il riepilogo della sessione viene generato da tre agenti che eseguono in modo concorrente — PollSummaryAgent, QuestionSummaryAgent e InsightSummaryAgent — poi uniti. Questo utilizza il pattern di group chat o esecuzione parallela di Microsoft Agent Framework. Ogni agente gestisce una preoccupazione; l’orchestratore unisce gli output.

Il principio di progettazione

Il post fa un punto degno di nota: usa lo strumento più semplice che si adatta. Chiamate dirette a IChatClient per semplici attività di generazione. Chiamata di strumento/funzione per l’estrazione di dati strutturati. Agenti completi solo quando si necessita di ragionamento autonomo multi-step. La stratificazione delle librerie lo impone — è possibile usare Microsoft.Extensions.AI senza includere l’Agent Framework completo.

Consulta il post completo per la struttura completa del progetto e i link al codice sorgente.

Dove il tuo Agente Ricorda le Cose? Guida Pratica all'Archiviazione della Cronologia Chat

Emiliano Montesdeoca — Sat, 25 Apr 2026 00:00:00 +0000

Questo post è stato tradotto automaticamente. Per la versione originale, clicca qui.

Quando costruisci un agente IA, dedichi la maggior parte dell’energia al modello, agli strumenti e ai prompt. La domanda su dove vive la cronologia della conversazione sembra un dettaglio di implementazione — ma è una delle decisioni architetturali più importanti che prenderai.

Determina se gli utenti possono ramificare le conversazioni, annullare le risposte, riprendere le sessioni dopo un riavvio e se i tuoi dati escono mai dalla tua infrastruttura. Il team di Agent Framework ha pubblicato un’analisi approfondita.

Due pattern fondamentali

Gestito dal servizio: il servizio IA archivia lo stato della conversazione. La tua app mantiene un riferimento e il servizio include automaticamente la cronologia rilevante in ogni richiesta.

Gestito dal client: la tua app mantiene la cronologia completa e invia messaggi rilevanti con ogni richiesta. Il servizio è stateless. Tu controlli tutto.

Come Agent Framework astrae questo

AgentSession session = await agent.CreateSessionAsync();
var first = await agent.RunAsync("Mi chiamo Alice.", session);
var second = await agent.RunAsync("Come mi chiamo?", session);

session = agent.create_session()
first = await agent.run("Mi chiamo Alice.", session=session)
second = await agent.run("Come mi chiamo?", session=session)

Riferimento rapido ai provider

Provider	Archiviazione	Modello	Compattazione
OpenAI/Azure Chat Completions	Client	N/A	Tu
Foundry Agent Service	Servizio	Lineare	Servizio
Responses API (default)	Servizio	Ramificabile	Servizio
Anthropic Claude, Ollama	Client	N/A	Tu

Come scegliere

Hai bisogno di ramificazione o “annulla”? → Responses API gestito dal servizio
Hai bisogno di sovranità dei dati? → Gestito dal client con provider di database
È un semplice chatbot? → Gestito dal servizio lineare va benissimo

Leggi il post completo per l’albero decisionale completo.