Da un solo prompt a tre varianti di approvvigionamento, in meno di dieci minuti.
La REST API e il Python SDK di Sympheny sono documentati integralmente, così un assistente IA o un agente di coding può creare un progetto, impostare varianti di scenario e avviare un'ottimizzazione. Ciò che ne esce non cambia: il modello resta risolto dallo stesso motore MILP deterministico, che lo abbia assemblato una persona o un agente.
Un assistente imposta il modello. Sympheny lo risolve.
Un prompt, tre varianti di approvvigionamento — caldaia a gas, pompa di calore con solare PV in copertura e teleriscaldamento — impostate tramite l'API documentata. Clip senza audio; ogni passaggio è descritto a schermo.
I dettagli e la guida completa nella nostra documentazione →Cinque passaggi, da un brief scritto a tre scenari pronti da ottimizzare.
La clip ripercorre un'impostazione reale: un brief scritto in linguaggio corrente, lo script che l'assistente ne ricava, le ipotesi che segnala prima di eseguire e i tre scenari che ne risultano.
«Aggiungere un nuovo passaggio dopo il passaggio 1 che elenchi tutti i progetti…» — e il wizard ce l'ha.
L'IA La aiuta a costruire l'interfaccia. Sympheny ottimizza in modo deterministico, come sempre.
Una light app è un'interfaccia piccola e mirata, costruita sopra Sympheny — un wizard modellato sullo studio che il Suo team esegue davvero, anziché sull'intera piattaforma. La costruisce, e la modifica, nel Light App Editor.
La clip ne mostra una in fase di modifica. Un'istruzione scritta aggiunge un passaggio a un wizard di quattro passaggi già in produzione, i passaggi sottostanti si rinumerano e due secondi dopo la nuova schermata è attiva. Il passaggio aggiunto non è un mock: chiama GET /projects sul backend di Sympheny e mostra a schermo ciò che arriva — proprietario, stato, ultimo aggiornamento — per ogni progetto dell'account.
Un wizard di quattro passaggi già in produzione ne guadagna un quinto da una sola istruzione scritta, distribuito in due secondi e caricato dal vivo dal backend di Sympheny. Clip senza audio; ogni passaggio è descritto a schermo. Mostra l'estensione di un'app esistente, non un'app costruita da zero.
Ci parli di come usare l'IA per la Sua light app →Tutto ciò che serve a un agente è già documentato.
Due delle tre sono già disponibili oggi: la REST API e il Python SDK sono documentati integralmente e già pilotabili. Il server MCP, che permette a un assistente di collegarsi senza alcun lavoro di integrazione da parte Sua, arriverà nelle prossime settimane.
REST API
Ogni endpoint è documentato pubblicamente, con autenticazione JWT, schemi di richiesta e risposta e un API Explorer nel browser. Progetti, analisi, scenari, fasi, hub, tecnologie e job del solver sono tutti raggiungibili.
Riferimento REST API →Python SDK
sympheny-toolbox, il client ufficiale, richiede Python 3.11 o successivo e si installa con pip. Espone ogni endpoint documentato come metodo tipizzato con validazione Pydantic, offre client sincroni e asincroni equivalenti e gestisce per Lei login, cache e rinnovo del token. Guide pratiche coprono l'esecuzione di un job del solver e il download dei risultati.
Guida al Python SDK →Server MCP
Un server Model Context Protocol remoto, così un assistente può chiamare Sympheny su una connessione standard anziché su HTTP scritto a mano. La configurazione dei client per Claude Code, Claude Desktop, ChatGPT e Gemini CLI è documentata già prima del lancio e l'endpoint inizierà a rispondere quando il server sarà rilasciato, nelle prossime settimane. Fino ad allora la REST API e l'SDK svolgono lo stesso compito — ed è ciò che utilizza la panoramica qui sopra.
Configurazione MCP, documentata prima del lancio →La documentazione è scritta per essere letta dalle macchine come dalle persone.
docs.sympheny.com pubblica llms.txt, un indice compatto della documentazione nell'ordine di navigazione con una descrizione di una riga per pagina, e llms-full.txt, l'insieme completo concatenato nell'ordine di lettura. Entrambi seguono la convenzione llms.txt.
L'effetto pratico è che può fornire a un assistente un solo URL e questo ha la piattaforma nel proprio contesto — endpoint, schemi, struttura del modello ed esempi svolti — anziché scansionare il sito o tirare a indovinare sulla forma di un'API.
Le parti del lavoro che vale la pena automatizzare.
Lavorare con assistenti e agenti IA.
Posso usare Sympheny con un assistente o un agente IA?
Sì. Sympheny mette a disposizione già oggi una REST API e un Python SDK, entrambi documentati integralmente, così un assistente o un agente di coding può creare scenari, avviare ottimizzazioni e rileggerne i risultati. Un server MCP è in sviluppo e arriverà nelle prossime settimane. La configurazione è documentata su docs.sympheny.com. Nulla è collegato di serie: è Lei a decidere se utilizzarlo.
Posso modificare una light app con un assistente IA?
Sì. Il Light App Editor prende un'istruzione in linguaggio corrente e modifica l'app — la clip qui sopra aggiunge un passaggio al wizard che elenca tutti i progetti dell'account, sostenuto da una vera chiamata API e distribuito in due secondi. Quello che mostra è la modifica di un'app che esiste già; costruirne una da zero è un lavoro più lungo. In entrambi i casi l'ottimizzazione dietro non cambia: il modello resta risolto dallo stesso motore MILP deterministico.
Se collego un assistente, dove finiscono i miei dati?
Al fornitore che sceglie di collegare. Se punta un assistente su Sympheny, i dati di scenario che invia e riceve transitano da quel fornitore in base al contratto che Lei ha con lui, non al nostro. Sympheny non sceglie il fornitore al Suo posto e non integra alcun modello di terze parti nella propria pipeline di calcolo.
Collegare un assistente cambia i miei risultati?
No. Un assistente può costruire o modificare uno scenario, ma l'ottimizzazione viene sempre eseguita dallo stesso motore MILP deterministico. Uno scenario assemblato da un assistente e lo scenario identico assemblato a mano producono gli stessi risultati.
Nota: Un assistente può impostare il modello. Non lo risolve mai.
Devo essere uno sviluppatore per usarlo?
Per l'API e l'SDK sì — oppure Le serve in squadra qualcuno che lo sia. Far scrivere lo script all'assistente abbassa notevolmente l'asticella, ma qualcuno deve comunque eseguirlo e leggere cosa ha fatto. È il server MCP a eliminare questo passaggio, e arriverà nelle prossime settimane. Fino ad allora è un flusso di lavoro per team con una certa capacità di scripting; tutti gli altri lavorano nell'applicazione web, dove viene eseguita la stessa ottimizzazione.
Meno di dieci minuti è realistico?
Per l'impostazione mostrata sì: un progetto a tre varianti con il fabbisogno ricavato dal database, con la specifica API a disposizione dell'assistente e qualcuno che sappia cosa vuole modellare. Un primo tentativo richiede più tempo, e l'esecuzione dell'ottimizzazione si aggiunge a questo. È un'affermazione sull'impostazione degli scenari, non sulla produzione di un concetto energetico finito.
Quando viene lanciato il server MCP?
Nelle prossime settimane. La configurazione dei client per Claude Code, Claude Desktop, ChatGPT e Gemini CLI è già documentata e l'endpoint inizierà a rispondere quando il server sarà rilasciato. Tutto ciò che mostra la panoramica qui sopra funziona già oggi senza di esso, tramite la REST API e l'SDK. Se desidera essere avvisato quando MCP sarà disponibile, ce lo segnali in una call di demo oppure ci scriva.
Vuole provarlo su un progetto Suo?
Avvii una prova gratuita e lo piloti tramite l'API, oppure prenoti una demo e ripercorreremo insieme l'impostazione su un progetto simile al Suo.