# Guida Rapida - LangCode Agent

Installazione veloce su una macchina nuova.

## 1. Clona il Repository

```bash
git clone http://192.168.0.183:8085/truetype/langcode_agent.git
cd langcode_agent
```

## 2. Crea Virtual Environment (consigliato)

```bash
python3 -m venv venv
source venv/bin/activate
```

## 3. Installa Dipendenze

```bash
pip install -r requirements.txt
```

## 4. Configura Ollama (o altro provider)

### Opzione A: Variabili d'ambiente (veloce)
```bash
export MODEL_PROVIDER=ollama
export MODEL_NAME=gemma2:9b
export OLLAMA_BASE_URL=http://192.168.0.50:11434
```

### Opzione B: Configurazione persistente
```bash
# Avvia la CLI
python langcode.py

# Nella CLI interattiva:
/config add -n mio-ollama -p ollama -m gemma2:9b -u http://192.168.0.50:11434
/config use mio-ollama
/exit
```

## 5. Avvia l'Agent

```bash
# Modalità chat interattiva
python langcode.py

# Oppure direttamente
python main.py
```

## 6. Comandi Utili

```
/help           - Mostra aiuto
/status         - Stato sistema
/memory remember <testo>  - Salva un fatto
/memory recall <query>    - Cerca nella memoria
/plan create <nome> "<task1; task2>"  - Crea piano
/exit           - Esci
```

## Troubleshooting

### "Module not found"
```bash
source venv/bin/activate
pip install -r requirements.txt
```

### Ollama non risponde
```bash
# Verifica che Ollama sia attivo
curl http://192.168.0.50:11434/api/tags
```

### cambia provider
```bash
export MODEL_PROVIDER=openai
export MODEL_NAME=gpt-4o
export OPENAI_API_KEY=sk-tuakey
```

## Struttura Base

```
langcode_agent/
├── langcode.py          # CLI entry point
├── main.py              # Agent principale
├── config_manager.py    # Gestione configurazioni
├── skill_manager.py     # Gestione skills
├── mcp_client.py        # Client MCP
├── enhancements/        # Memory e Planning
└── venv/                # Virtual environment
```

---

**Tempo stimato**: ~5 minuti dall'inizio all'agent funzionante.