Costruire un agente AI che funzioni in una demo è relativamente semplice. Farlo girare in produzione — per ore, su milioni di utenti, senza perdere stato quando la rete cade o il server si riavvia — è un problema completamente diverso.
Il 20 maggio 2026, Google ha annunciato Agent Executor: un runtime open-source per l’esecuzione distribuita di agenti AI. È la risposta ingegneristica a una domanda che molte aziende stanno iniziando a porre: come si gestisce un agente che lavora per giorni su un task complesso?
Il problema che Agent Executor risolve
Gli agenti AI di nuova generazione non sono semplici chiamate API. Sono processi lunghi — ore, a volte giorni — che interagiscono con tool esterni, generano codice, aspettano input umani, coordinano altri agenti. Questo tipo di workflow porta a superficie una serie di problemi operativi che le architetture tradizionali non gestiscono:
- La rete cade a metà task: l’agente deve ripartire da capo o sa dove si era fermato?
- Più componenti aggiornano lo stato contemporaneamente: chi ha ragione?
- Il client si disconnette: quando si riconnette, cosa vede?
- Si vuole testare un percorso decisionale alternativo: si può tornare indietro senza perdere tutto?
Agent Executor risponde a ciascuno di questi punti con soluzioni native:
- Durable execution: log degli eventi e snapshot automatici permettono di riprendere un’esecuzione dopo interruzioni, incluse le pause per approvazione umana (human-in-the-loop).
- Secure isolation: ogni componente — agente, tool, sandbox — è isolato per prevenire effetti collaterali e proteggere i dati degli altri utenti in ambienti multi-tenant.
- Session consistency: architettura single-writer che impedisce corruzione dello stato in workflow distribuiti.
- Connection recovery: i client possono riconnettersi e ricevere tutti gli aggiornamenti persi dall’ultima connessione.
- Trajectory branching: checkpoint che permettono di ramificare il percorso decisionale di un agente in qualsiasi punto, per test e valutazioni senza perdere contesto.
Aperto e compatibile con l’ecosistema esistente
Una delle scelte più significative di Google è rendere Agent Executor open-source (disponibile su GitHub). Il progetto è progettato per essere agnostico rispetto all’harness: funziona con Antigravity, con i Managed Agents della Gemini API, con agenti custom costruiti in LangChain, LangGraph, ADK, e con qualsiasi agente che usa il protocollo Agent2Agent (A2A).
Questo significa che le aziende non sono costrette a scegliere tra infrastruttura Google e soluzioni custom: possono mescolare i due approcci, mantenendo pieno controllo su dati, compute e residenza.
Agent Substrate: Kubernetes ripensato per gli agenti
Agent Executor è accompagnato da un secondo progetto, Agent Substrate, sviluppato insieme al team di Google Kubernetes Engine. Il problema che affronta è sottile ma rilevante: Kubernetes è ottimizzato per gestire migliaia di servizi a lunga durata; gli agenti AI generano invece milioni di chiamate brevi a tool e sottosistemi, un pattern che sovraccarica il control plane standard.
Agent Substrate introduce un livello di astrazione aggiuntivo che sposta gli agenti su e giù dalla capacità di compute disponibile in tempo reale, riducendo la latenza e aumentando l’efficienza a scala. Il tutto rimanendo all’interno dell’ecosistema Kubernetes, senza reinventarlo da zero.
Perché questo conta per le aziende italiane
Fino ad oggi, portare agenti AI in produzione richiedeva di risolvere internamente tutti questi problemi di affidabilità e scalabilità — o di accettare i limiti di soluzioni gestite che non offrono controllo sull’infrastruttura.
Agent Executor cambia l’equazione: fornisce una base standardizzata e open-source su cui costruire, mantenendo la flessibilità di scegliere dove girare il proprio compute e quali modelli usare. Per le aziende con requisiti stringenti su residenza dei dati e compliance — come molte realtà italiane e europee — questa separazione tra runtime e infrastruttura è particolarmente rilevante.
In Open Gate seguiamo questi sviluppi da vicino, perché definiscono l’architettura su cui si costruiranno le prossime generazioni di sistemi aziendali. Se stai valutando come introdurre agenti AI nella tua organizzazione in modo solido e scalabile, parliamone.