Archivio retrospettivo BreakingTech — evento del 24 agosto 2026.
Quando un’azienda sperimenta con due o tre agenti AI, è facile sapere dove si trovano e che cosa fanno. Quando diventano decine o centinaia, nasce un problema nuovo: la discovery. Il 24 agosto AWS ha presentato Agentic Resource Discovery, una specifica aperta pensata per rendere più semplice trovare agenti, strumenti, skill e server MCP tra ambienti diversi.
La proposta si integra con AWS Agent Registry, che funge da catalogo governato delle risorse agentiche di un’organizzazione. L’idea è simile a ciò che i package manager e i service catalog hanno fatto in altre fasi del software: evitare che ogni team ricostruisca da zero ciò che esiste già.
Il problema non è più creare un agente
Gli strumenti per costruire agenti stanno diventando sempre più semplici. Questo abbassa la barriera all’ingresso ma aumenta la frammentazione. Un reparto crea un agente per interrogare il CRM, un altro ne costruisce uno per documenti interni, un terzo espone un server MCP: senza un registro centrale, nessuno ha una visione completa.
La conseguenza non è soltanto inefficienza. È un problema di sicurezza. Un agente dimenticato può mantenere accessi a sistemi sensibili, usare credenziali obsolete o continuare a invocare strumenti non più approvati.
Discovery e governance diventano infrastruttura
ARD prova a definire un linguaggio comune per descrivere e trovare risorse agentiche. Il valore di uno standard aperto è permettere che strumenti creati in ambienti differenti possano essere individuati senza dipendere da un solo client o da un’unica piattaforma.
Per le aziende questo significa poter costruire policy attorno agli agenti: chi può pubblicarli, chi può utilizzarli, quali strumenti possono invocare e come vengono auditati.
Gli agenti assomigliano sempre più a dipendenti software
Più autonomia viene concessa a un agente, più deve esistere un’identità, un proprietario e un perimetro di autorizzazione. È la stessa logica con cui le aziende gestiscono account umani e servizi cloud, ma applicata a software capace di prendere decisioni.
La fase successiva dell’AI enterprise potrebbe quindi essere meno spettacolare dei nuovi benchmark e molto più infrastrutturale: registri, permessi, log, versioning e strumenti di governance. È ciò che rende possibile passare dalla demo al deployment su larga scala.
