Agent Studio di Alibaba Cloud porta l’AI aziendale oltre il modello

Alibaba Cloud Agent Studio è il tentativo di Bailian di trasformare lo sviluppo degli agenti AI da una serie di progetti ingegneristici separati in un servizio aziendale gestito. Presentata durante l’evento Apsara del 14 agosto 2026, la piattaforma riunisce costruzione degli agenti, esecuzione ospitata, recupero della conoscenza, memoria, strumenti e interfacce operative. 820

Il punto strategico va oltre la semplice disponibilità di un modello più potente. Man mano che i modelli diventano più facili da integrare, la parte complessa — e potenzialmente costosa — dell’AI aziendale diventa eseguire in produzione attività affidabili, multi-step e verificabili. Agent Studio prova a gestire proprio questo livello attorno al modello.

Che cosa offre Agent Studio

La piattaforma concentra capacità che, in alternativa, un’azienda dovrebbe assemblare e mantenere autonomamente:

• costruzione di agenti e workflow;
• esecuzione ospitata per attività di lunga durata;
• integrazione di strumenti e servizi MCP;
• recupero della conoscenza aziendale e RAG agentico;
• memoria persistente e Skills riutilizzabili;
• esecuzione di codice e trattamento dei file in ambienti isolati;
• API per invocazione, recupero delle informazioni, gestione della memoria e del runtime. 117

Non si tratta quindi soltanto di un generatore visuale di prompt. Il prodotto punta ai problemi che emergono quando un agente deve pianificare, chiamare strumenti, gestire file, mantenere il contesto, riprendere un’attività interrotta e operare entro limiti di sicurezza e di costo.

Tre strategie per costruire e gestire gli agenti

Le aziende si trovano davanti a tre approcci principali.

1. Costruire tutto internamente

Uno stack sviluppato in casa offre il massimo controllo su orchestrazione, archivi dati, identità, sicurezza, osservabilità, infrastruttura e portabilità. Può essere la scelta giusta per esigenze particolari o per organizzazioni che dispongono già di una piattaforma interna matura.

Il rovescio della medaglia è che l’azienda deve farsi carico anche dell’affidabilità, delle integrazioni, della gestione degli errori e della rendicontazione dettagliata dei costi.

2. Usare framework e SDK

Framework e SDK accelerano l’orchestrazione, l’uso degli strumenti e l’integrazione con i modelli. Sono mattoni utili, ma non forniscono automaticamente hosting di produzione, isolamento in sandbox, stato persistente, autenticazione, governance, monitoraggio o gestione finanziaria del cloud (FinOps). Queste responsabilità restano al team applicativo.

3. Adottare una piattaforma enterprise per agenti

Una piattaforma gestita come Agent Studio raggruppa più funzioni in un unico livello di servizio. L’obiettivo è ridurre il tempo che separa il prototipo dalla produzione e offrire un modello operativo più standardizzato.

Il prezzo da pagare è una minore libertà a basso livello e un possibile maggiore legame con il fornitore, soprattutto quando strumenti, memoria, basi di conoscenza e API di runtime sono fortemente integrati.

Managed Agent: il runtime alla base della piattaforma

Managed Agent è il runtime ospitato di Bailian per attività multi-step e di lunga durata, come chiamate a strumenti, esecuzione di codice e trattamento dei file. Il servizio gestisce lo stato delle sessioni, gli ambienti sandbox e l’esecuzione degli strumenti. Gli agenti operano in container cloud isolati, mentre la cronologia degli eventi viene conservata lato server; il flusso documentato supporta anche l’interruzione e la ripresa delle attività. 17

La sua architettura può essere letta attraverso cinque livelli:

1. Base di runtime: calcolo gestito ed esecuzione del ciclo di vita sostituiscono una flotta di worker gestita dal cliente.
2. Gestione del contesto: sessioni lato server e cronologia persistente degli eventi riducono il codice necessario per mantenere lo stato nell’applicazione. 17
3. Estensione tramite MCP e Skills: strumenti standardizzati e capacità riutilizzabili possono essere collegati all’agente.
4. Sicurezza della sandbox: ambienti isolati consentono di eseguire comandi, leggere e scrivere file, installare dipendenze e trattare dati. 17
5. API e osservabilità: le interfacce programmatiche coprono il ciclo di vita degli agenti gestiti, l’invocazione delle applicazioni, il recupero della conoscenza e la gestione della memoria. 1

Questa impostazione è importante perché un’attività agentica non equivale a una singola chiamata a un modello. Una richiesta può attivare pianificazione, recupero di informazioni, più chiamate a strumenti, esecuzione di codice, tentativi ripetuti e azioni successive. Trattare questi passaggi come una cronologia di esecuzione gestita può semplificare il funzionamento e l’audit del workflow. Costi e affidabilità, però, dipendono ancora dal compito, dal modello, dagli strumenti e dai controlli scelti.

Il caso assicurativo va letto con cautela

Le informazioni collegate ad Alibaba descrivono un caso d’uso assicurativo in cui un’attività di valutazione del rischio, che prima richiedeva tre o quattro ore, sarebbe stata ridotta a circa 15 minuti, con un costo dichiarato di 0,12 yuan per polizza. 10

Il dato va considerato come risultato riportato in un caso di studio, non come benchmark generale o garanzia di Agent Studio. I risultati possono cambiare in base alla qualità dei documenti, alla complessità del workflow, al modello utilizzato, al numero di strumenti coinvolti, alla gestione delle eccezioni e alla quantità di revisione umana necessaria.

Il valore dell’esempio sta quindi soprattutto nell’illustrare il tipo di miglioramento operativo che la piattaforma intende perseguire.

One Key Service e il problema delle integrazioni

One Key Service affronta un ostacolo comune nella distribuzione degli agenti: ogni strumento esterno o servizio MCP può avere il proprio sistema di autenticazione e gestione delle credenziali. L’approccio riportato per Agent Studio prevede un livello di autenticazione unificato per i partner del marketplace MCP, così da ridurre la necessità di integrare separatamente il processo di autorizzazione di ciascun fornitore. 810

Non è soltanto una comodità. Un marketplace MCP è realmente utilizzabile in azienda solo se i suoi strumenti possono essere approvati, autenticati, monitorati e governati su vasta scala. Un sistema di chiavi unificato prova a trasformare il marketplace da semplice catalogo di strumenti in parte di un modello operativo. Secondo le informazioni riportate, il primo gruppo di One Key MCP coinvolge 14 partner del marketplace, mentre quasi 50 fornitori dell’ecosistema dovrebbero entrare successivamente nel sistema. 810

Le Private Skills rendono riutilizzabile il know-how interno

Il sistema Private Skills di Agent Studio è descritto su tre livelli: capacità pubbliche o riutilizzabili a livello di piattaforma, capacità private dell’organizzazione e capacità più ristrette, legate a una persona o a un progetto. 8

L’idea è racchiudere procedure proprietarie, API e regole aziendali in capacità riutilizzabili. Invece di inserire ogni volta le istruzioni interne nei prompt o ricostruire le integrazioni per ciascun agente, un team può esporle come Skills controllate e con un ambito definito.

Le domande più importanti, a quel punto, non riguardano soltanto la possibilità di creare una Skill, ma anche autorizzazioni, versionamento, responsabilità, revisione e portabilità tra piattaforme.

Knowledge Studio, Agentic Search e memoria

Il livello di conoscenza di Agent Studio ruota attorno a Knowledge Studio, un servizio RAG aziendale che supporta analisi dei documenti, suddivisione in segmenti, vettorializzazione, indicizzazione, recupero e risposte in streaming. Le opzioni di integrazione documentate includono API, MCP, CLI e Skills. 3

La distinzione più rilevante è quella tra recupero tradizionale e recupero agentico. Knowledge Studio descrive un ciclo RAG agentico composto da:

• Agentic Search: pianificazione e recupero iterativo attraverso le fonti di conoscenza aziendali;
• Agentic Generation: generazione della risposta dopo il recupero, con provenienza e citazioni. 46

L’approccio è pensato per domande a cui una singola ricerca per similarità non riesce a rispondere bene. L’agente può interpretare la richiesta, scegliere una strategia, effettuare più ricerche e verificare se il materiale trovato è sufficiente prima di formulare la risposta.

La memoria svolge una funzione diversa, ma complementare. La documentazione di Alibaba descrive Agentic Memory come un servizio per archiviare e recuperare memoria a lungo termine, a breve termine e contestuale, oltre a Skills e dati delle basi di conoscenza. 11 In un’applicazione, questo può evitare di reinserire a ogni interazione preferenze, decisioni precedenti o informazioni riutilizzabili.

La memoria introduce però requisiti di governance: tempi di conservazione, cancellazione, accessi autorizzati e rischio di tramandare informazioni errate nelle interazioni successive.

Playground e costruzione in linguaggio naturale

Il Playground viene presentato come superficie unificata per costruire workflow con Flow Agent, Managed Agent, RAG, Memory, MCP, Skills, modelli di scenario e flussi Vibe Builder in linguaggio naturale. 8

Il percorso previsto è semplice: partire da un modello o descrivere un processo aziendale, quindi collegare la conoscenza, la memoria, gli strumenti e l’ambiente di esecuzione necessari. Questo abbassa la barriera alla sperimentazione e può aiutare i team tecnici e quelli di business a lavorare sullo stesso ambiente.

Non elimina però la necessità di test, gestione dei permessi, valutazione delle prestazioni e approvazione umana quando l’agente può compiere azioni con conseguenze operative o economiche.

Perché i fornitori cloud vogliono controllare il livello degli agenti

La competizione nell’AI aziendale si sta spostando verso l’esterno del modello. Il modello fornisce ragionamento e generazione, ma un agente pronto per la produzione ha bisogno anche di runtime, stato, strumenti, accesso ai dati, identità, isolamento, monitoraggio e controlli.

Questo offre ai fornitori cloud una posizione strategica. Se gli agenti diventano il punto di accesso attraverso cui gli utenti chiedono di svolgere un lavoro, la piattaforma agentica può diventare anche il livello che individua e compone i servizi cloud per conto dell’utente. Ricerca, storage, API, database e sistemi aziendali potrebbero essere utilizzati sempre più spesso indirettamente, attraverso azioni agentiche governate, invece di essere selezionati manualmente dallo sviluppatore per ogni workflow.

Per chi acquista tecnologia enterprise, l’opportunità comporta però alcuni compromessi decisivi:

• Quanto sono portabili agenti e Skills tra fornitori diversi?
• Chi controlla i permessi degli strumenti e i confini dei dati?
• Come vengono attribuiti a un team o a un processo i costi delle attività multi-step?
• L’organizzazione può ricostruire che cosa ha fatto l’agente e perché?
• Che cosa accade quando cambiano un modello, uno strumento o una fonte di recupero?

La risposta di Agent Studio è fare del sistema gestito attorno al modello il vero prodotto. Il suo successo dipenderà meno dalla promessa di una piattaforma “tutto in uno” e più dalla capacità delle aziende di verificare gli output, controllare le azioni, comprendere i costi e portare i workflow critici dalla dimostrazione alla produzione affidabile.