# Risoluzione dei problemi

> Soluzioni ai problemi comuni di PentAGI: un flow che fallisce alla prima chiamata al modello, errori del tool-call parser, avvisi dell'installer su macOS e modelli piccoli bloccati.

Inizia esaminando i log di entrambe le parti coinvolte nella connessione: `docker compose logs -f pentagi` per PentAGI e i log del backend o del proxy del tuo modello.

## [Un flow fallisce con "failed to select primary docker image via llm call"](https://pentagi.com/it/docs/deployment/troubleshooting/#a-flow-fails-with-failed-to-select-primary-docker-image-via-llm-call)

La prima operazione che un [flow](https://pentagi.com/it/docs/glossary/#flow) esegue è chiedere al modello di scegliere un'immagine Docker, tramite l'[agent type](https://pentagi.com/it/docs/glossary/#agent-type) `simple`. Questo errore indica quasi sempre un problema nel backend del modello, non in Docker:

1. Controlla i log di PentAGI e quelli del backend del tuo modello.
2. Verifica che l'URL di base, la chiave API e il nome del modello siano corretti e raggiungibili dal container.
3. Questa chiamata non invia strumenti, quindi fallisce a causa della connessione, della chiave o del modello, non per le [tool calls](https://pentagi.com/it/docs/glossary/#tool-call): verifica che il modello dell'`simple` [agent](https://pentagi.com/it/docs/glossary/#agent) risponda a una semplice richiesta di chat. Un tool-call parser mancante si manifesterà in seguito, quando gli agent inizieranno a chiamare gli strumenti.

## [Errori del tool-call parser con modelli self-hosted](https://pentagi.com/it/docs/deployment/troubleshooting/#tool-call-parser-errors-with-self-hosted-models)

PentAGI gestisce gli agents tramite tool calls, quindi un backend personalizzato deve restituire JSON di tool call validi in stile OpenAI. I sintomi di un parser mancante o non corrispondente includono `Failed to parse tool call arguments as JSON`, flows che si interrompono dopo pochi passaggi e tool calls che entrano in loop senza convergere.

* Abilita il tool-call parser e il template di chat raccomandati per il modello che stai servendo in llama.cpp, SGLang o vLLM.
* Valida il [provider](https://pentagi.com/it/docs/glossary/#provider) con l'utility `ctester` prima di eseguire un flow completo.
* Aggiorna PentAGI: le build recenti sanificano gli argomenti malformati, così una singola risposta errata non blocca più un flow.

## [macOS blocca l'installer](https://pentagi.com/it/docs/deployment/troubleshooting/#macos-flags-the-installer)

Le build per macOS sono firmate e notarizzate. Se macOS continua ad avvisarti riguardo all'installer, non ignorare l'avviso con **Apri comunque**: elimina il file e scarica di nuovo l'archivio adatto alla tua CPU dai link ufficiali — `darwin/amd64` per Intel, `darwin/arm64` per Apple silicon. Non riutilizzare mai un archivio proveniente da fonti non ufficiali.

## [I modelli più piccoli si bloccano](https://pentagi.com/it/docs/deployment/troubleshooting/#smaller-models-get-stuck)

Abilita il [monitoraggio dell'esecuzione e la pianificazione dei task](https://pentagi.com/it/docs/concepts/agents/#safeguards) e assegna all'agent `adviser` un modello più potente o un'impostazione di ragionamento più elevata.

## [Sei ancora bloccato?](https://pentagi.com/it/docs/deployment/troubleshooting/#still-stuck)

Chiedi su [Discord](https://discord.gg/2xrMh7qX6m) o [apri una issue](https://github.com/vxcontrol/pentagi/issues) includendo le righe di log rilevanti.