Google rilascia open source la "Super Toolbox delle Skill per Agenti": cloud, libreria, engine e IA totalmente connessi.

Google ha annunciato con grande clamore il rilascio open source della sua "Super Toolbox delle Skill per Agenti", una suite di strumenti che promette di rivoluzionare il modo in cui gli sviluppatori interagiscono con le piattaforme cloud e l'intelligenza artificiale. La notizia è stata accolta con giubilo dalla comunità degli sviluppatori, in quanto questa toolbox innovativa garantisce una connettività completa tra cloud, libreria, engine e intelligenza artificiale, sbloccando nuove possibilità per la creazione e l'ottimizzazione di applicazioni intelligenti.

Questa mossa strategica si inserisce nel continuo impegno di Google per lo sviluppo e il potenziamento dell'ecosistema degli agenti intelligenti. Il tempismo di questo annuncio è particolarmente rilevante, considerando la crescente intensità della competizione nel mercato dei Large Language Model (LLM). Solo la scorsa settimana, OpenAI ha lanciato GPT-5.5 e DeepSeek ha introdotto il suo modello V4 quasi contemporaneamente, segnando un'escalation significativa nella corsa all'IA. In un tale scenario competitivo, i professionisti della tecnologia all'interno dell'ecosistema Google sono attivamente alla ricerca di soluzioni avanzate. Un numero sempre maggiore di sviluppatori sta adottando l'approccio basato sugli agenti per costruire e ottimizzare applicazioni sulla Google Cloud Platform, sfruttando una vasta gamma di servizi che vanno da Firebase e Gemini API a BigQuery e Google Kubernetes Engine (GKE).

La sfida della pertinenza contestuale per gli agenti IA

Tuttavia, in un contesto di crescente competizione e rapida evoluzione tecnologica, emerge una questione centrale: come garantire che il modello possieda informazioni accurate e aggiornate su queste tecnologie in continua evoluzione? Nello sviluppo pratico, la risoluzione di questo problema si rivela più complessa di quanto si possa inizialmente immaginare. Gli sviluppatori sono spesso costretti a scrivere adattatori per ogni singolo servizio cloud, impacchettando le chiamate API in funzioni che l'agente può invocare. Successivamente, devono testare ripetutamente se il modello invoca correttamente gli strumenti e passa i parametri giusti. A peggiorare le cose, tutti gli adattatori devono essere aggiornati manualmente ogni volta che l'API del servizio sottostante cambia. Questo non è solo un lavoro ridondante, ma rappresenta anche un onere tecnologico nascosto, una sorta di "debito tecnico" che si accumula nel tempo.

Per affrontare parte di questa problematica, Google aveva precedentemente offerto agli sviluppatori un Model Context Protocol (MCP)-server per la documentazione, consentendo agli agenti di connettersi a fonti di informazioni affidabili e in tempo reale. Sebbene utile, questa soluzione ha introdotto una nuova sfida, nota come "inflazione del contesto" (Context Inflation). Il valore fondamentale del MCP-server risiede nella sua capacità di fornire al modello informazioni esterne immediate. Tuttavia, presenta anche dei limiti significativi. Quando gli agenti utilizzano il MCP-server su larga scala, una grande quantità di informazioni contestuali viene caricata indiscriminatamente nella finestra di contesto del modello. Questo comporta due gravi conseguenze.

In primo luogo, un eccesso di informazioni può confondere il modello e ridurre la qualità dell'inferenza, un problema che è stato ripetutamente confermato nelle pratiche aziendali. Un team, ad esempio, ha scoperto che l'agente caricava 15.000 token di istruzioni ad ogni invocazione, lasciando praticamente nessuno spazio contestuale per il contenuto effettivo da elaborare. In secondo luogo, ogni volta che la finestra di contesto viene riempita, si genera un costo reale in termini di token. Con l'aumento del numero di invocazioni, la curva dei costi diventa non più trascurabile. Di fronte a questa sfida, è emersa la pressante necessità di un metodo di fornitura di informazioni più preciso, che consenta agli agenti di acquisire le conoscenze specialistiche necessarie senza essere inondati da dettagli superflui. È proprio in questo contesto che nasce l'esigenza delle Agent Skills.

L'avvento delle Agent Skills e la libreria ufficiale di Google

Cosa sono esattamente le "Skill" di un agente? Secondo la definizione ufficiale, una Skill è un "formato semplice e aperto per conferire agli agenti nuove capacità e competenze". Si può intendere come una documentazione semplificata e orientata all'agente per una specifica tecnologia o compito. La filosofia di progettazione delle Skill può essere riassunta in due frasi chiave: scrivere in Markdown e mantenerlo leggero; caricare solo quando necessario per evitare ridondanze. Ogni file Skill può contenere documenti di riferimento, frammenti di codice e altre risorse. L'agente carica le informazioni pertinenti solo quando ne ha bisogno, riducendo significativamente il rischio di sovraccaricare il contesto.

Dal punto di vista tecnologico, le Skill occupano una posizione unica nel panorama dell'intelligenza artificiale e dello sviluppo software. Si posizionano al di sopra dei prompt tradizionali, poiché le Skill sono riutilizzabili e permanenti. Sono più leggere del fine-tuning, poiché possono iterare alla velocità della logica di business. Sono più attive della RAG (Retrieval Augmented Generation), in quanto non si tratta di una ricerca passiva di informazioni, ma di un'immissione attiva di competenze specialistiche. Infine, sono più ricche dei normali strumenti, poiché non codificano solo ciò che deve essere fatto, ma anche come e perché deve essere fatto, fornendo una comprensione più profonda all'agente.

Il lancio alla Google Cloud Next 2026 e i contenuti iniziali

Il primo giorno della conferenza Google Cloud Next 2026, Google ha annunciato ufficialmente il rilascio della libreria ufficiale delle Agent Skills di Google. Questo annuncio è stato considerato una delle release più pratiche e attese della conferenza di quest'anno. Il repository del progetto è disponibile pubblicamente all'indirizzo: github.com/google/skills.

Questo repository di codice comprende inizialmente 13 Skill che coprono i servizi più importanti di Google Cloud, fornendo agli agenti le basi per operare efficacemente sull'infrastruttura di Google Cloud. Tra questi servizi troviamo:

• AlloyDB
• BigQuery
• Cloud Run
• Cloud SQL
• Firebase
• Gemini API
• Google Kubernetes Engine (GKE)

Queste Skill sono progettate per aiutare l'agente a comprendere come creare, interrogare e gestire le risorse cloud, fungendo da pilastro fondamentale per le capacità operative dell'agente.

Inoltre, il repository offre tre Skill che rappresentano le "colonne portanti" architetturali, focalizzandosi su principi di progettazione di alto livello:

• Sicurezza (Security): L'agente apprende le migliori pratiche per la sicurezza cloud, inclusa la gestione delle identità e degli accessi, la crittografia dei dati e la protezione dalle minacce.
• Affidabilità (Reliability): Questa skill comprende la progettazione di architetture ad alta disponibilità, meccanismi di tolleranza agli errori e strategie di ripristino d'emergenza.
• Ottimizzazione dei costi (Cost Optimization): L'agente sarà in grado di considerare l'efficienza delle risorse e il controllo dei costi nelle decisioni architetturali.

L'enfasi di queste tre Skill basate sulle colonne portanti non è tanto nell'insegnare all'agente come invocare una specifica API, quanto piuttosto nell'aiutarlo a comprendere i principi e la logica decisionale della progettazione di sistemi cloud, migliorando così la qualità delle applicazioni a un livello superiore.

A completare l'offerta iniziale, il repository fornisce anche tre guide di processo per compiti comuni, che scompongono le operazioni quotidiane in passi eseguibili, consentendo all'agente di svolgere compiti specifici seguendo un processo ben definito:

• Introduzione a Google Cloud (Onboarding to Google Cloud)
• Autenticazione a Google Cloud (Authenticating to Google Cloud)
• Osservabilità della rete di Google Cloud (Google Cloud Network Observability)

Il valore pratico e la compatibilità delle Agent Skills

Per comprendere il vero valore delle Agent Skills, è essenziale considerare l'ambiente di sviluppo reale. Nel 2026, la situazione effettiva nello sviluppo degli agenti differisce notevolmente dalle dimostrazioni idealizzate: gli sviluppatori dedicano una quantità significativa di tempo alla scrittura e alla manutenzione degli adattatori per gli strumenti. Una sviluppatrice, impegnata nella creazione di un agente per l'elaborazione di documenti, ha rivelato di impiegare più tempo nella manutenzione degli adattatori che nello sviluppo della logica dell'agente stesso.

La libreria delle Skill è stata progettata proprio per risolvere questo problema cruciale. Le Skill ufficiali sono state testate e ottimizzate con modelli reali, e Google ha confermato che funzionano in modo affidabile su Gemini. Allo stesso tempo, le Skill sono compatibili con il Model Context Protocol (MCP) e possono essere utilizzate su diverse piattaforme, non solo su Vertex AI. Un vantaggio fondamentale è che quando l'API cloud sottostante cambia, Google aggiorna le Skill corrispondenti, liberando gli sviluppatori dal gravoso compito di dover effettuare manualmente gli aggiornamenti. Inoltre, le Skill utilizzano direttamente le credenziali GCP esistenti, eliminando la necessità di scrivere codice di autenticazione aggiuntivo, semplificando ulteriormente il processo di sviluppo.

In termini di compatibilità, le Skill dimostrano una forte capacità multi-piattaforma. Con il semplice comando npx skills install github.com/google/skills, gli sviluppatori possono installare queste Skill in diverse piattaforme per agenti, tra cui Antigravity, Gemini CLI e altre soluzioni di terze parti. Questa flessibilità assicura che le Agent Skills di Google possano essere integrate in una vasta gamma di contesti di sviluppo, massimizzando il loro impatto e la loro utilità per la comunità degli sviluppatori.

In sintesi, il rilascio open source della "Super Toolbox delle Skill per Agenti" di Google rappresenta un passo fondamentale nell'evoluzione degli agenti intelligenti. Offrendo un meccanismo più efficiente e mirato per la fornitura di conoscenze, Google non solo risolve problemi di lunga data come l'inflazione del contesto e l'onere della manutenzione degli adattatori, ma abilita anche una nuova era di sviluppo di agenti più potenti, precisi ed economici. È un chiaro segno dell'impegno di Google a supportare gli sviluppatori nella creazione della prossima generazione di applicazioni intelligenti.