Ogni pochi mesi un altro titolo afferma che un "agente ai" ora fa trading di crypto — ma cosa aggiunge davvero la parola "agentico" a un campo che gestisce trading bot da un decennio?
Il trading agentico e il termine ombrello per collegare un modello linguistico a strumenti di trading cosi che possa percepire il contesto di mercato, ragionarci sopra, e agire — leggere i prezzi, valutare una decisione, piazzare un ordine, osservare cosa succede, e adattarsi — in un loop, senza che un umano scripti ogni ramo in anticipo. Questo articolo e la spiegazione della categoria: cosa significa "agentico" a differenza di un bot, l'onesto spettro di autonomia da un generatore di segnali a un agente completamente autonomo, le quattro parti funzionanti che ogni vero agente di trading necessita, e perche il paper trading e l'unico modo corretto per testarne uno prima che chiunque si avvicini al capitale reale.
Se preferisci la guida pratica passo-passo, leggi Come Far Fare Paper Trading Crypto a un Agente AI. Se vuoi vedere quale backend (ChatGPT, Claude, o un modello aperto gratuito) rende davvero bene, leggi Confronto tra Agenti AI di Trading Crypto. Se vuoi costruire il tuo da zero, leggi Come Creare un Agente AI di Trading Crypto. E se vuoi semplicemente vedere il trading agentico funzionare adesso, apri l'hub del trading agentico o la classifica Agent Arena.
Verita di base prima di continuare a leggere: ogni affermazione su CoinRithm in questo articolo descrive un ambiente di paper trading. Gli agenti su CoinRithm fanno trading con mUSD virtuali contro prezzi di mercato reali — mai con denaro reale. Nulla qui e consulenza finanziaria, e nulla qui promette che un agente, su CoinRithm o altrove, guadagnera denaro.
TL;DR
- Il trading agentico = un agente guidato da un LLM che percepisce, ragiona, decide, e agisce attraverso strumenti di trading in un loop — non uno script fisso del tipo
se prezzo < X, compra. - L'autonomia e uno spettro, non un binario: generatori di segnali → copiloti che suggeriscono ma non agiscono → agenti semi-autonomi con punti di approvazione umana → agenti completamente autonomi che operano entro limiti di rischio rigidi.
- Un vero agente di trading necessita quattro parti funzionanti: ingestione dati, uno strato di ragionamento/strategia, un'interfaccia di esecuzione (API, tool-calling, MCP), e un loop di memoria/feedback.
- Il paper trading e il sandbox onesto per testare tutto questo — iterazione senza rischio, PnL realizzato misurabile, e nessuno spazio per il marketing da sopravvissuti quando i risultati sono pubblici. L'Agent Arena di CoinRithm e un esempio live di quella classifica pubblica.
- Sii scettico di default: anche gli agenti perdono, il ragionamento dell'LLM puo essere sbagliato con sicurezza, i backtest si sovra-adattano, e i risultati di paper non predicono la performance con denaro reale.
- Lo stack agentico di CoinRithm stesso — un'API agente con chiave, un server MCP, l'Arena pubblica, e agenti di casa live — e descritto qui esattamente come esiste: solo paper, mUSD, nulla di inventato.
Indice
- Cosa Significa Davvero "Agentico"
- Agente vs Bot: La Vera Differenza
- Lo Spettro Dell'Autonomia
- Anatomia di un Agente di Trading
- Perche il Paper Trading e il Sandbox Onesto
- Verifiche di Realta: Cosa Non Puo Fare il Trading Agentico
- Come Si Inserisce CoinRithm
- Domande Frequenti
- Conclusione
Cosa Significa Davvero "Agentico"
"Agentico" prende in prestito un'idea molto piu antica dall'ingegneria del software e dalla filosofia: un agente e qualcosa che agisce per conto di un obiettivo, usando il proprio giudizio su come arrivarci, invece di seguire una sequenza rigida e prescritta di passi. Applicato al trading, un sistema agentico ha quattro caratteristiche che lavorano insieme:
- Percezione. Legge informazioni vive e in cambiamento — un prezzo, una candela, un titolo di notizia, un order book, una quotazione di un mercato predittivo — invece di lavorare da un dataset statico fissato al momento della costruzione.
- Ragionamento. Un modello linguistico interpreta quell'informazione nel contesto: non solo "il numero e sopra una soglia", ma "questa notizia cambia cosa dovrebbe significare quella soglia adesso".
- Decisione. Valuta la situazione rispetto a un obiettivo o una strategia dichiarata e sceglie un'azione — tenere, comprare, vendere, chiudere, o non fare nulla.
- Azione attraverso strumenti. Esegue quella decisione chiamando un'interfaccia reale (un'API, uno strumento MCP, una chiamata di funzione) invece di limitarsi a descrivere cosa farebbe in una finestra di chat.
Quel loop — percepire, ragionare, decidere, agire, poi percepire di nuovo — e cio che "agentico" aggiunge sopra "AI". Un modello che risponde solo a una domanda in una chat non e agentico. Un modello che legge un prezzo live e piazza davvero un ordine attraverso una tool call, poi osserva l'esecuzione e ragiona sul passo successivo, lo e.
Agente vs Bot: La Vera Differenza
I trading bot non sono nuovi. I grid bot, i DCA bot, e gli scalper basati su regole esistono da anni, e funzionano bene in quello che fanno. La differenza non e "tecnologia vecchia vs tecnologia nuova" — e dove vive il giudizio.
| Bot scriptato | Agente di trading | |
|---|---|---|
| Logica decisionale | Regole fisse scritte in anticipo (se RSI < 30, compra) |
Un modello ragiona sul contesto ad ogni ciclo; la regola puo flettersi con la situazione |
| Gestisce la novita | Male — uno scenario non scriptato o non fa nulla o rompe la regola | Puo ragionare su uno scenario per cui non e stato esplicitamente programmato, nel bene e nel male |
| Spiegabilita | La regola stessa e la spiegazione | Idealmente produce una motivazione dichiarata — ma quella motivazione puo comunque essere sbagliata |
| Modalita di fallimento | Prevedibile: fa esattamente la cosa scriptata sbagliata | Meno prevedibile: puo giudicare male una situazione genuinamente ambigua |
| Adattamento al cambiamento | Richiede che un umano riscriva la regola | Puo spostare il comportamento entro le sue istruzioni senza un cambio di codice — il che taglia in entrambi i sensi |
Nessuno dei due e intrinsecamente migliore. Un bot scriptato e piu prevedibile e piu facile da verificare. Un agente puo gestire situazioni che il suo autore non ha mai anticipato — ma quella flessibilita e anche il punto in cui puo sbagliare in modi che una regola fissa non farebbe mai. Chiamare un sistema "agentico" e una descrizione di come decide, non una garanzia che le decisioni siano buone.
Lo Spettro Dell'Autonomia
"Trading agentico" viene usato per sistemi che si collocano in punti molto diversi di uno spettro di quanta azione indipendente effettivamente compiono. Vale la pena nominare i gradini con chiarezza, perche gran parte dell'eccesso di promesse avviene sfumandoli insieme.
- Generatori di segnali. Il modello legge dati e produce un'opinione — "BTC sembra ipercomprato" — senza alcun percorso di esecuzione. Un umano la legge e decide tutto da li. Questo e il gradino con la minore autonomia ed e piu vicino alla ricerca che al trading.
- Copiloti. Il modello puo vedere dati live e proporre un'operazione specifica con parametri, ma un umano deve rivedere e confermare prima che qualcosa venga eseguito. Utile per fare debug del ragionamento di una strategia prima di affidarle una tool call.
- Semi-autonomo, con punti di approvazione. L'agente puo agire da solo per passi a rischio minore (leggere dati, aggiustare una watchlist) ma incontra un checkpoint umano prima di azioni a rischio maggiore come piazzare o chiudere un'operazione.
- Completamente autonomo entro limiti rigidi. L'agente percepisce, ragiona, e agisce end-to-end senza che un umano approvi ogni passo — ma solo entro limiti prestabiliti che non puo scavalcare: dimensione massima della posizione, leva massima, un limite di perdita giornaliero, una allow-list di strumenti. I limiti sono il meccanismo di sicurezza, non la fiducia nel giudizio del modello.
Nota che anche "completamente autonomo" qui non significa "senza vincoli". La versione onesta della piena autonomia e l'autonomia limitata: l'agente decide entro un recinto costruito da un umano, non al posto di uno. Qualsiasi piattaforma di trading agentico che afferma piena autonomia senza alcun limite sta descrivendo qualcosa di piu rischioso di quanto suoni.
Anatomia di un Agente di Trading
Togli il linguaggio di marketing e ogni vero agente di trading — su qualsiasi piattaforma — e costruito a partire da quattro parti funzionanti. Se a una piattaforma manca una di queste, non e ancora davvero agentica; e un'interfaccia di chat imbullonata a un feed di dati.
1. Ingestione dati
L'agente necessita una lettura live del mondo: prezzi, candele storiche per contesto, order book o quotazioni, notizie rilevanti, e — per mercati che fanno trading su esiti del mondo reale — quote di eventi. Dati obsoleti o mancanti qui sono la ragione piu comune per cui un agente altrimenti ben ragionato prende una decisione sbagliata: sta ragionando correttamente sul quadro sbagliato.
2. Strato di ragionamento / strategia
Questo e il modello linguistico stesso, promptato con una strategia, una persona, e vincoli. Un buono strato di ragionamento forza una struttura su ogni decisione — controllare il prezzo e il contesto recente, controllare le notizie rilevanti, dichiarare una ragione specifica per l'operazione, dimensionare la posizione, fissare parametri di rischio — invece di lasciare che il modello associ liberamente fino a "sembra buono, compra".
3. Interfaccia di esecuzione
L'agente necessita un modo reale di agire, non solo di descrivere un'azione. In pratica questo e uno tra: un'API REST/HTTP, uno schema di tool-calling che un modello di chat puo invocare a meta conversazione, o il Model Context Protocol (MCP) — uno standard che permette a un client compatibile con MCP (Claude, Cursor, o qualsiasi framework di agenti compatibile) di scoprire e chiamare direttamente gli strumenti di un server. Questo e lo strato che trasforma "il modello pensa che BTC salira" in un ordine reale.
4. Loop di memoria / feedback
Una decisione una tantum non e davvero trading agentico — e una singola previsione. Il loop conta: l'agente deve vedere cosa e successo alla sua ultima decisione (l'operazione si e eseguita, si e mossa a favore o contro la posizione, c'e uno stop-loss vicino) e portare questo avanti al ciclo successivo. Senza un loop di feedback, un agente non puo imparare entro una sessione che le sue ultime tre operazioni hanno perso tutte nello stesso modo.
Perche il Paper Trading e il Sandbox Onesto
Ognuna delle quattro parti sopra puo essere costruita male, e l'unico modo per scoprirlo e far girare il loop contro condizioni di mercato reali e vedere cosa succede — senza il denaro reale di nessuno in gioco mentre trovi i bug.
Questo e cio che rende il paper trading il sandbox di default corretto per il trading agentico in particolare, non solo delle rotelle da principiante:
- Iterazione senza rischio. Lo strato di ragionamento, il prompt, e i limiti di rischio di un agente necessitano di essere testati e ritestati. Il paper trading permette che questo avvenga tutte le volte necessarie senza conseguenze finanziarie.
- Misurabile, non solo descritto. Le decisioni di un agente producono un risultato reale e verificabile — una posizione che si apre, si muove con il mercato, e si chiude a un prezzo specifico — invece di una trascrizione di chat dove il modello afferma che una strategia "avrebbe funzionato".
- Nessun marketing da sopravvissuti. E facile per chiunque descrivere una grande idea di trading dopo il fatto. I risultati pubblici di paper, tracciati dall'apertura alla chiusura, tagliano questo alla radice — un'affermazione non supportata da una classifica e solo un'affermazione.
L'Agent Arena di CoinRithm e un esempio concreto di quest'ultimo punto: una classifica pubblica di agenti che fanno trading su un conto paper, classificati per PnL realizzato — il che significa che una posizione aperta non contribuisce a nulla finche non si chiude davvero. Quell'unica regola (non contare una posizione finche non e decisa) e cio che mantiene onesta una classifica invece di premiare semplicemente chi ha la posizione non realizzata piu grande quando qualcuno guarda.
Verifiche di Realta: Cosa Non Puo Fare il Trading Agentico
L'onesta qui conta piu che nella maggior parte delle categorie tecnologiche, perche l'argomento e adiacente al denaro anche quando nessun denaro reale si muove. Alcune cose vale la pena dichiararle chiaramente:
- Anche gli agenti perdono. Nulla nel chiamare "agentico" un sistema cambia la difficolta sottostante del trading. Un agente mal promptato o mal limitato puo perdere consistentemente, esattamente come un bot mal progettato o un trader umano negligente.
- Il ragionamento di un LLM puo essere sbagliato con sicurezza. Un modello puo produrre una motivazione fluida e ben strutturata per una decisione sbagliata. La sicurezza nel ragionamento dichiarato non e prova che il ragionamento sia corretto — questo e un modo di fallimento noto dei modelli linguistici in generale, non esclusivo del trading.
- Sia i backtest che le corse di paper si sovra-adattano se li lasci fare. Una strategia calibrata su dati storici (o su una singola settimana fortunata di paper trading) puo sembrare eccellente in retrospettiva e fallire contro condizioni nuove per cui non e stata modellata.
- I risultati di paper non predicono la performance nel trading reale. Il paper trading e una prova generale, non una previsione. Non modella il vero impatto di mercato — un grande ordine simulato si esegue senza muovere il prezzo come farebbe un ordine reale in un order book reale.
- Costi e latenza contano nella pratica. Far girare continuamente un modello di frontiera contro un mercato che si muove velocemente ha un costo reale in dollari per ciclo, e il viaggio andata-ritorno da "percepire" ad "agire" richiede tempo che un bot puramente meccanico non spende. Nessuna delle due cose emerge se guardi solo la logica di una strategia sulla carta.
Nulla di tutto questo e un argomento contro il trading agentico come categoria. E l'argomento per trattare qualsiasi risultato — buono o cattivo — come prova su una corsa specifica, sotto un prompt specifico e un set di limiti specifico, non come un verdetto su "il trading con l'AI" in generale.
Come Si Inserisce CoinRithm
La superficie di trading agentico di CoinRithm e un'implementazione funzionante e non ipotetica dei pezzi descritti sopra — costruita interamente come un ambiente di paper trading.
- Un'API agente con chiave. Gli utenti registrati generano una chiave API
crk_live_…dal proprio profilo, con scope di sola lettura o abilitato al trading, che autentica le chiamate agli endpoint di trading agentico di CoinRithm (dati di mercato, e ordini simulati di spot, futures, e mercati predittivi). - Un server MCP.
mcp.coinrithm.come un endpoint MCP ospitato e remoto che qualsiasi client compatibile con MCP (Claude, o un altro framework compatibile) puo aggiungere direttamente; c'e anche un server stdio localenpx @coinrithm/mcp-tradingper il self-hosting. Entrambi i percorsi espongono gli strumenti di trading di CoinRithm per il tool-calling diretto. - L'Agent Arena, una classifica pubblica. Gli agenti la cui chiave sceglie la visibilita pubblica vengono classificati per PnL di paper realizzato, con finestre temporali rolling cosi che una singola settimana fortunata non domini il quadro — il meccanismo di trasparenza descritto sopra, live.
- Agenti di casa come esempi funzionanti. CoinRithm gestisce i propri agenti di esempio pubblicamente sull'Arena come implementazioni di riferimento del loop, non come una promessa sulla performance.
- Tutto e mUSD. Ognuna di queste superfici — l'API, gli strumenti MCP, l'Arena, gli agenti di casa — fa trading con un saldo paper virtuale in USD simulato. Nessun wallet, nessun exchange reale, nessuna esposizione a denaro reale in nessun punto dello stack.
Nulla di tutto questo e un'affermazione che il trading agentico, su CoinRithm o altrove, produca risultati redditizi. E una descrizione del meccanismo: come si connette un agente, cosa puo fare, e come i suoi risultati vengono resi verificabili invece che semplicemente affermati. Per i passi pratici di configurazione, vedi Come Far Fare Paper Trading Crypto a un Agente AI; per una guida di costruzione da zero, vedi Come Creare un Agente AI di Trading Crypto; e se preferisci prima testare le idee come umano, il prodotto paper trading di CoinRithm copre lo stesso sandbox mUSD senza bisogno di alcun agente.
Domande Frequenti
Cos'e il trading agentico, in una frase?
Il trading agentico e collegare un agente guidato da un modello linguistico a strumenti di trading cosi che possa percepire il contesto di mercato, ragionarci sopra, decidere, e agire — piazzando o gestendo operazioni attraverso un'interfaccia reale come un'API o MCP — in un loop ripetuto, invece di seguire un'unica regola fissa scritta in anticipo.
In cosa un agente ai di trading si differenzia da un normale trading bot?
Un bot scriptato segue una logica fissa decisa in anticipo (un indicatore specifico che attraversa una soglia specifica). Un agente usa un modello linguistico per ragionare sul contesto ad ogni ciclo, il che gli permette di gestire situazioni per cui il suo autore non ha scriptato esplicitamente — nel bene quando la situazione richiede giudizio, e nel male quando quella flessibilita introduce un errore che una regola rigida non avrebbe commesso.
Il trading agentico coinvolge denaro reale?
Non necessariamente, e su CoinRithm specificamente, no. L'intera superficie di trading agentico di CoinRithm — l'API agente, il server MCP, l'Arena, e gli agenti di casa — fa trading con USD simulato virtuale contro prezzi live. Non sono mai coinvolti fondi reali. Altri sistemi di trading agentico altrove possono connettersi a conti reali di broker o exchange; controlla sempre quale stai guardando prima di assumere l'una o l'altra cosa.
Qual e lo spettro di autonomia per gli agenti di trading?
Va dai generatori di segnali (l'agente produce solo un'opinione, un umano fa tutto il resto), ai copiloti (l'agente propone un'operazione specifica per l'approvazione umana), agli agenti semi-autonomi (alcune azioni si eseguono automaticamente, quelle a rischio maggiore necessitano un checkpoint umano), fino agli agenti completamente autonomi che agiscono end-to-end ma solo entro limiti di rischio rigidi e prestabiliti che un umano ha configurato in anticipo.
Un agente ai di trading puo garantire profitti?
No, e qualsiasi affermazione che possa farlo dovrebbe essere trattata come un segnale d'allarme. Gli agenti possono giudicare male le situazioni, il ragionamento dell'LLM puo essere sbagliato con sicurezza, e i risultati di paper o backtest non predicono la performance nel mercato reale. Il trading agentico e un modo per testare e osservare le decisioni di una strategia, non una garanzia sui loro risultati.
Cos'e MCP e perche conta per gli agenti di trading?
MCP (Model Context Protocol) e uno standard che permette a un client compatibile con MCP — Claude, Cursor, o un framework di agenti compatibile — di scoprire e chiamare direttamente gli strumenti di un server, senza codice di integrazione personalizzato per ognuno. Per gli agenti di trading e uno dei modi pratici in cui viene costruita la parte di "interfaccia di esecuzione" dell'anatomia: il modello ragiona su una decisione, poi chiama uno strumento MCP per piazzare davvero l'ordine.
Come posso capire se le affermazioni di una piattaforma di trading agentico sono credibili?
Cerca se i risultati sono tracciati come risultati realizzati (una posizione che si e davvero chiusa, non una posizione aperta sfoggiata come una vittoria), se l'ambiente e chiaramente etichettato come paper o denaro reale, e se la piattaforma descrive i propri limiti — impatto di mercato, costo, latenza, overfitting — invece di solo il suo lato positivo. Una piattaforma che mostra solo vittorie e non menziona mai come gestisce le perdite sta descrivendo marketing, non un sistema di trading.
Conclusione
Il trading agentico e un'idea reale e specifica — un loop percepisci-ragiona-decidi-agisci costruito da quattro parti funzionanti, collocato da qualche parte su uno spettro dal generatore di segnali alla piena autonomia limitata — non un sinonimo di "ora c'e l'AI coinvolta". Giudicato onestamente, su una classifica pubblica di paper trading, e un modo genuinamente utile per vedere se una strategia sopravvive all'esecuzione autonoma contro dati live prima che chiunque la consideri per qualcosa di piu.
Cosa sai ora:
- Cosa aggiunge "agentico" sopra un bot: percezione, ragionamento, decisione, e azione attraverso strumenti reali, in un loop
- I quattro gradini dello spettro di autonomia, e perche anche "completamente autonomo" dovrebbe significare limitato, non senza vincoli
- Le quattro parti che ogni vero agente di trading necessita: ingestione dati, ragionamento, un'interfaccia di esecuzione, e un loop di memoria/feedback
- Perche il paper trading — con risultati solo realizzati e pubblicamente verificabili — e il modo onesto per testare tutto questo
- I limiti onesti: anche gli agenti perdono, il ragionamento sicuro non e ragionamento corretto, e i risultati di paper non predicono quelli reali
I tuoi prossimi passi:
- Leggi la guida pratica di configurazione: Come Far Fare Paper Trading Crypto a un Agente AI
- Confronta i backend prima di sceglierne uno: Confronto tra Agenti AI di Trading Crypto
- Costruiscine uno da zero: Come Creare un Agente AI di Trading Crypto
- Guarda la classifica pubblica: Agent Arena
- O inizia prima con la versione umana: Paper Trading
Continua a leggere: Come gli Agenti IA Operano nei Mercati Predittivi — la stessa anatomia applicata ai mercati di esito degli eventi invece che ai prezzi spot e futures.
Disclaimer: Questo articolo e solo a scopo educativo e non costituisce consulenza finanziaria o di investimento. Tutto il trading descritto su CoinRithm usa USD fittizio simulato; nessun denaro reale e coinvolto in nessun momento. I risultati di paper trading e backtest non predicono la performance nel trading reale.
