Tablet con rete neurale e nodi di agenti AI autonomi su scrivania minimalista, intelligenza artificiale in background

Google DeepMind potenzia gli agenti Gemini con esecuzione in background e MCP

L’annuncio di Google DeepMind del 7 luglio 2026 segna un punto di svolta per i Managed Agents dell’API Gemini: con quattro nuove funzionalità, gli agenti passano dall’essere prototipi interattivi a veri worker asincroni pronti per ambienti di produzione. L’esecuzione in background, la connessione diretta a server MCP remoti, le funzioni personalizzate e il refresh delle credenziali rispondono ai feedback degli sviluppatori e permettono di costruire applicazioni più resilienti, capaci di operare su dati aziendali reali senza bloccare il client.

Esecuzione asincrona: agenti che lavorano anche a connessione chiusa

Tenere aperta una connessione HTTP per task di lunga durata è fragile. Con il nuovo parametro background: true l’interazione viene eseguita lato server in modo asincrono. L’API restituisce immediatamente un identificativo e l’applicazione client può interrogare lo stato, ricevere aggiornamenti in streaming o riconnettersi più tardi, mentre l’agente completa il lavoro nel sandbox cloud isolato.

Questo svincola il ciclo di vita dell’agente dalla stabilità della rete: un flusso di elaborazione dati, per esempio, può essere avviato e poi monitorato a intervalli, senza tenere occupata una socket. La guida alla background execution è già disponibile nella documentazione ufficiale insieme agli esempi in JavaScript, Python e cURL.

Connessione nativa a server MCP remoti

Fino a oggi accedere a database privati o API interne richiedeva middleware proxy personalizzati. La nuova integrazione permette di collegare un agente direttamente a un server MCP (Model Context Protocol) remoto, passando uno strumento mcp_server al momento dell’interazione.

L’agente può combinare strumenti remoti e funzionalità predefinite del sandbox — come Google Search o l’esecuzione di codice — e dialogare con gli endpoint aziendali direttamente dal suo ambiente isolato. Gli sviluppatori possono seguire le best practice consigliate per estendere gli agenti con tool esterni e API, riducendo la complessità architetturale e accelerando l’integrazione con sistemi già in produzione.

Tablet con rete neurale e nodi di agenti AI autonomi su scrivania minimalista, intelligenza artificiale in background
I nuovi Managed Agents di Gemini lavorano in background come worker asincroni, sempre connessi ai dati aziendali tramite server MCP remoti.

Funzioni personalizzate e aggiornamento delle credenziali senza perdere lo stato

Oltre agli strumenti built-in, l’API ora accetta custom function calling. Il sistema usa lo step matching: gli strumenti nativi girano in automatico sul server, mentre le funzioni personalizzate fanno passare l’interazione allo stato requires_action, lasciando al client l’esecuzione della logica business locale.

La quarta novità è il credential refresh tra un’interazione e l’altra. Token di accesso e chiavi di breve durata possono essere aggiornati passando un environment_id esistente con una nuova configurazione di rete. Le nuove regole sostituiscono immediatamente le precedenti, ma il sandbox mantiene lo stato del filesystem, i pacchetti installati e i repository clonati, eliminando la necessità di re-inizializzare l’ambiente a ogni cambio di sessione.

Cosa cambia per chi sviluppa agenti in produzione

La combinazione di esecuzione in background, connessione MCP nativa e persistenza dello stato rende gli agenti paragonabili a microservizi asincroni. Un agente può essere lanciato con un prompt iniziale, connettersi a un database privato via MCP, eseguire codice nel sandbox, completare il task e aggiornare le credenziali se scadute, il tutto senza che il client resti in attesa.

Questo riduce i punti di guasto e sposta il carico computazionale lontano dal dispositivo dell’utente finale. Philipp Schmid (Developer Relations Engineer) e Mariano Cocirio (Product Manager) di Google DeepMind, firmando il post sul blog ufficiale, parlano esplicitamente di “agenti pronti per la produzione”. Per team che già gestiscono infrastrutture MCP, il salto è minimo: il protocollo è lo stesso, ma ora è l’agente a occuparsi della connessione, non un middleware ad hoc.

L’aggiornamento trasforma i Managed Agents da strumenti interattivi a componenti architetturali autonomi, ridisegnando il confine tra l’intelligenza dell’agente e l’infrastruttura che lo ospita.

Fonti

Francesco Leone
Francesco Leone

Francesco Leone è un esperto in Intelligenza Artificiale con una profonda conoscenza in Machine Learning e Deep Learning. Attraverso la sua esperienza, ha contribuito allo sviluppo di soluzioni innovative in ambito di elaborazione del linguaggio naturale e visione artificiale, mirando a trasformare il modo in cui interagiamo con la tecnologia. Attivo nel settore con pubblicazioni e progetti su https://ital-ia.it/, Francesco si dedica alla ricerca e all'applicazione di algoritmi avanzati per rendere i sistemi più intelligenti e accessibili.

Articoli: 553

Lascia una risposta

Il tuo indirizzo email non sarà pubblicato. I campi obbligatori sono contrassegnati *