AWS rende MCP stateless e automatizza mercati, migrazioni Spark e contratti

☁️ Punti chiave

• AgentCore Gateway supporta MCP 2026-07-28, diventato stateless e più compatibile con scalabilità HTTP, OAuth, caching e tracciamento OpenTelemetry.
• Un agente di sorveglianza combina LangGraph e Strands per analizzare mercati attraverso flussi deterministici, specialisti isolati e dati finanziari verificati.
• AWS automatizza le migrazioni verso Spark 4 e propone una ricerca contrattuale semantica basata su OpenSearch, Bedrock e SageMaker AI.

AWS porta l’intelligenza artificiale agentica dentro quattro processi aziendali ad alta complessità: integrazione degli strumenti, sorveglianza dei mercati, modernizzazione dei workload Big Data e verifica dei contratti. Amazon Bedrock AgentCore Gateway supporta ora la specifica MCP 2026-07-28, che elimina le sessioni persistenti e rende ogni richiesta autosufficiente sull’infrastruttura HTTP. La società presenta inoltre un agente finanziario costruito con LangGraph e Strands, un sistema che migra automaticamente applicazioni Scala verso Spark 4.0 e un’architettura OpenSearch capace di trovare clausole rilevanti per la conformità. Il filo comune è la trasformazione degli agenti da chatbot generalisti a componenti controllabili, verificabili e integrati nei processi di produzione.

AgentCore Gateway adotta il nuovo MCP stateless

La specifica Model Context Protocol 2026-07-28 introduce la modifica più profonda dalla nascita dello standard: le comunicazioni HTTP diventano stateless. Nelle versioni precedenti, client e server avviavano una procedura di inizializzazione e mantenevano un identificativo di sessione da includere nelle richieste successive. Questo modello obbligava le infrastrutture distribuite a utilizzare sticky session, archivi condivisi dello stato o connessioni persistenti, complicando il bilanciamento del carico. Con la nuova versione ogni chiamata contiene protocollo, capacità del client e informazioni operative nei metadati della richiesta, quindi può essere instradata verso qualunque istanza disponibile. AgentCore Gateway permette di abilitare la specifica attraverso una modifica della configurazione supportedVersions, mantenendo contemporaneamente le versioni precedenti. L’aggiornamento è facoltativo e i client esistenti continuano a funzionare finché richiedono una versione pubblicizzata dal gateway. AWS trasforma così MCP in un livello più adatto ai carichi enterprise, proseguendo il percorso già delineato con AgentCore e gli strumenti destinati a rendere più efficienti e verificabili gli agenti AI.

Routing e sicurezza entrano nell’infrastruttura HTTP

Il nuovo MCP espone metodo e nome dello strumento negli header Mcp-Method e Mcp-Name, permettendo a gateway, sistemi di rate limiting e strumenti di osservabilità di classificare la richiesta senza analizzarne il corpo JSON-RPC. I risultati possono includere indicazioni sulla durata della cache e sul relativo ambito, mentre le chiavi standard W3C Trace Context consentono di propagare una traccia completa dall’agente al servizio finale attraverso sistemi compatibili con OpenTelemetry. Anche la gestione degli errori diventa più coerente: problemi di trasporto restituiscono codici HTTP reali, separati dagli errori applicativi presenti nel payload. Sul piano dell’autorizzazione, la specifica rafforza l’allineamento con OAuth 2.0 e OpenID Connect, senza obbligare i clienti AgentCore a modificare le configurazioni IAM, SigV4 o JWT già operative. Il passaggio richiede comunque un audit delle applicazioni che dipendono dalle vecchie sessioni, da codici di errore specifici o dalle funzioni Roots, Sampling e Logging ora avviate verso la deprecazione. La compatibilità con più versioni riduce il rischio di interruzioni, ma non elimina i pericoli legati agli strumenti MCP, già emersi con tool poisoning e possibili esfiltrazioni di dati dagli agenti AI.

LangGraph e Strands sorvegliano i mercati finanziari

AWS propone un Market Surveillance Agent che combina due livelli differenti. LangGraph governa il flusso principale attraverso grafi, nodi, ramificazioni condizionali, esecuzioni parallele e checkpoint dello stato. Strands Agents viene invece inserito nei singoli nodi che richiedono ragionamento dinamico, interpretazione dei dati o utilizzo degli strumenti. L’architettura evita di affidare l’intera indagine a un agente monolitico e non deterministico. Un orchestratore può suddividere la domanda tra specialisti dedicati a prezzi, volumi, operazioni, anomalie e sicurezza, mentre un sintetizzatore ricompone i risultati in un rapporto comune.

Ogni agente dispone di prompt, strumenti e contesto isolati, riducendo il rischio che istruzioni o dati appartenenti a un’analisi interferiscano con le altre. AWS separa inoltre la scoperta dei report dalla loro esecuzione: l’agente prima identifica schemi e parametri ammessi, quindi genera query SQL utilizzando esclusivamente valori convalidati. Questa struttura limita allucinazioni e prompt injection, due rischi particolarmente gravi quando un sistema può interrogare dati finanziari o segnalare condotte sospette.

AgentCore rende persistenti indagini e controlli

Il sistema di sorveglianza viene distribuito su Amazon Bedrock AgentCore Runtime, che supporta workflow di lunga durata, scalabilità automatica e bassa latenza per le interazioni immediate. La memoria viene collegata a LangGraph attraverso un sistema di checkpoint che conserva lo stato dopo ogni nodo, consentendo di riprendere un’indagine interrotta senza eseguire nuovamente tutti i passaggi. La combinazione tra flusso deterministico e ragionamento locale serve a mantenere il controllo nei processi regolamentati: le fasi obbligatorie vengono imposte dal grafo, mentre il modello interviene soltanto dove serve interpretare anomalie o ambiguità. AWS non presenta il sistema come sostituto degli analisti di compliance. Le segnalazioni devono essere verificate, perché variazioni legittime di prezzo o volume possono essere classificate come comportamenti anomali e produrre falsi positivi. L’approccio mostra però come gli agenti possano diventare infrastrutture operative specializzate, soprattutto dopo l’arrivo su Bedrock di modelli con finestre contestuali estese come Claude Opus 5 con un milione di token.

Spark Upgrade Agent migra Scala verso Spark 4.0

Sul fronte Big Data, AWS Spark Upgrade Agent automatizza la migrazione dei workload da Spark 3.x a Apache Spark 4.0 su Amazon EMR 8.x. Il sistema viene esposto attraverso un server MCP e può essere richiamato da ambienti di sviluppo come Kiro o Visual Studio Code con Cline mediante istruzioni in linguaggio naturale. L’agente analizza il progetto, aggiorna configurazioni Maven o SBT, modifica le dipendenze, corregge API deprecate e valida il risultato su un’applicazione EMR Serverless reale.

Nell’esempio Scala, la migrazione passa da Spark 3.3 e Scala 2.12 a Spark 4.0 e Scala 2.13, aggiornando anche il JDK da 11 a 17. Il sistema corregge sintassi delle collezioni, configurazioni Parquet e conversioni incompatibili con la modalità ANSI, ora abilitata per impostazione predefinita. AWS sostiene che processi capaci di richiedere mesi di lavoro manuale possano essere ridotti a ore, ma il risultato dipende dalla qualità dei test e dalla rappresentatività dei dati utilizzati nella validazione.

Codice locale e privilegi minimi limitano l’esposizione

L’architettura dello Spark Upgrade Agent segue un modello a privilegi minimi. Il codice sorgente rimane nella postazione dello sviluppatore e soltanto le informazioni diagnostiche necessarie vengono inviate al servizio remoto. I ruoli IAM sono limitati alle chiamate MCP, al bucket S3 temporaneo e alla presentazione dei job su EMR, mentre CloudTrail registra ogni invocazione degli strumenti. Dopo la trasformazione, l’agente compila il progetto, corregge iterativamente gli errori e confronta facoltativamente l’output della vecchia applicazione con quello prodotto dalla nuova versione.

Quest’ultimo passaggio è essenziale: una migrazione può compilare ed essere eseguita senza preservare il comportamento dei dati, soprattutto quando cambiano ottimizzatore SQL, conversioni dei tipi o strategie di join. L’automazione riduce il lavoro ripetitivo, ma non elimina la necessità di test di regressione, revisione del codice e procedure di rollback. Il valore industriale consiste nella capacità di standardizzare centinaia di migrazioni, lasciando agli ingegneri la verifica dei casi nei quali compatibilità sintattica e correttezza semantica non coincidono.

OpenSearch individua clausole contrattuali per significato

La quarta architettura utilizza Amazon OpenSearch Service per costruire un sistema di ricerca dedicato alla conformità contrattuale. I documenti vengono caricati in Amazon S3 e acquisiti attraverso una pipeline serverless di OpenSearch Ingestion. Amazon Titan Text Embeddings V2, richiamato tramite un connettore Bedrock, trasforma testi e query in vettori da 1.024 dimensioni, permettendo di trovare accordi semanticamente pertinenti anche quando non contengono le stesse parole utilizzate dall’utente. Una seconda fase esegue il semantic highlighting: il modello opensearch-semantic-highlighter-v1, distribuito su un endpoint GPU di Amazon SageMaker AI, assegna un punteggio alle singole frasi e mostra direttamente le clausole che rispondono alla ricerca.

L’approccio supera il semplice evidenziatore lessicale, che individua soltanto corrispondenze esatte. Un responsabile della compliance può cercare obblighi di protezione dei dati, condizioni di recesso o responsabilità del fornitore e ricevere sia i contratti rilevanti sia i paragrafi da esaminare. La soluzione sviluppa l’evoluzione di OpenSearch Serverless verso ricerca semantica, resilienza e applicazioni agentiche, ma non sostituisce la valutazione legale: un modello può trovare una clausola simile senza determinarne automaticamente validità, eccezioni o conseguenze normative.

AWS costruisce una catena agentica governabile

Le quattro iniziative descrivono una strategia coerente. MCP standardizza il collegamento tra agenti e strumenti; AgentCore fornisce runtime, gateway, identità e memoria; LangGraph e Strands separano orchestrazione deterministica e ragionamento; Spark Upgrade Agent applica l’automazione al codice; OpenSearch, Bedrock e SageMaker AI portano la ricerca semantica nei documenti aziendali. AWS non concentra quindi l’offerta su un singolo modello, ma sulla capacità di governare ciò che accade prima e dopo l’inferenza.

Per le imprese, la differenza tra una dimostrazione e un sistema di produzione risiede proprio in autorizzazioni, tracciamento, isolamento dei dati, versionamento e verifica dei risultati. La nuova specifica MCP rende più semplice scalare le chiamate, ma aumenta anche il numero dei servizi che possono essere collegati agli agenti. La sfida diventa impedire che maggiore interoperabilità significhi automaticamente maggiore superficie d’attacco, soprattutto quando gli strumenti possono modificare codice, interrogare mercati o accedere a contratti riservati.