Finora con la cosiddetta AI abbiamo giocato, o poco più. L’evoluzione dei protocolli da funzionalità singole a complesse architetture collaborative, però, è chiara. Il futuro dell’AI su vasta scala e la realizzazione di un vero “Internet of Agents” dipendono intrinsecamente dall’adozione e dallo sviluppo continuo di protocolli agenti aperti e standardizzati. Purtroppo, oggi esistono tanti tipi diversi di agenti, e i tipi tra di loro non si parlano.
Il rapido sviluppo dei Large language models (LLMs) ha portato alla diffusione degli agenti AI in svariati settori. Ciascun agente costruisce il proprio linguaggio, i propri wrapper e le proprie API, senza interoperabilità né standard, quindi con nessuna chance di scalare efficacemente, limitando la capacità di affrontare compiti complessi nel mondo reale.
C’è stato chi ha notato che il panorama attuale degli agenti LLM è frammentato come la prima internet. In quel caso, furono i protocolli TCP/IP e HTTP a inaugurare un’era ricca e imprevista.
Anche il progetto metaverso rischia di naufragare sulla mancanza di interoperabilità. Un protocollo unificato per i sistemi di agenti certamente risolverebbe i problemi di interoperabilità attuali. Inoltre potrebbe creare qualcosa di molto più trasformativo: una rete connessa di intelligenza.
Orbene, un team della Shanghai Jiao Tong University ha cercato di mettere ordine con una vasta survey sui protocolli per agenti AI. A Survey of AI Agent Protocols fornisce la prima analisi completa dei protocolli esistenti, proponendo una classificazione sistematica e un’analisi comparativa. L’obiettivo è assistere utenti e sviluppatori nel navigare l’esteso panorama dei protocolli agenti e selezionare i più adatti per scenari specifici. La survey distingue i protocolli in due dimensioni: orientati al contesto (per l’interazione con strumenti o risorse) e inter-agent (per la comunicazione tra agenti), suddividendoli ulteriormente in general-purpose e domain-specific.
MCP, A2A e ANP, principalmente
In questo contesto di frammentazione e con la necessità impellente di standardizzazione, l’adozione di protocolli condivisi come MCP, A2A, ANP e Agora è fondamentale per mantenere l’unità e l’interoperabilità del movimento degli agenti AI. Il futuro dell’AI non lo decide il miglior LLM, ma il miglior protocollo.
Il Model context protocol (MCP) proposto da Anthropic, come dice il nome, è un protocollo general-purpose orientato al contesto. Il suo scopo è connettere gli agenti LLM a risorse esterne come dati, strumenti e servizi in modo standardizzato. Ha un’architettura client-server e migliora privacy e sicurezza, disaccoppiando l’invocazione e risposta.
Agent-to-Agent (A2A), proposto da Google, è un protocollo general-purpose inter-agent progettato per la collaborazione complessa e fluida tra agenti diversi a livello enterprise. Ha un’architettura asincrona, basata su standard esistenti come HTTP(S), JSON-RPC 2.0 e Server-Sent Events (SSE).
Una caratteristica chiave è l’esecuzione opaca: gli agenti non sono tenuti a condividere i loro pensieri o piani interni, concentrandosi su contesto, stato e dati.
Agent network protocol (ANP) è stato sviluppato dalla comunità open-source. Anche ANP è un protocollo general-purpose inter-agent, orientato alla creazione di un Internet of Agents. Basato su interfacce native (API e protocolli), è stratificato su tre livelli (identità e cifratura su W3C DID; meta-protocollo per negoziare i protocolli di comunicazione, potenzialmente usando Agora); protocollo applicativo (per scoperta, descrizione e compiti specifici del dominio).
Anche Agora, dell’Università di Oxford, è elencato come un protocollo general-purpose inter-agent. Affronta il Communication Agent Trilemma (versatilità, efficienza, portabilità) sfruttando le capacità degli LLM per adottare vari protocolli di comunicazione basati sul contesto.
L’analisi di questi protocolli dimostra che la scelta dipende da fattori come il livello desiderato di autonomia dell’agente, la flessibilità della comunicazione, la standardizzazione dell’interfaccia e la complessità del compito.
Unificare gli elementi del panorama AI
L’adozione in azienda di standard come MCP, A2A e ANP è vitale. Senza di essi, la proliferazione degli agenti AI rischia di creare un paesaggio digitale frammentato e inefficiente. Con la standardizzazione, agenti e strumenti possono combinarsi in modo dinamico, scambiare conoscenze e co-evolvere per risolvere problemi sempre più complessi.
Non sappiamo dove si andrà a finire con i nuovi software, ma affidarsi a un’AI che non sa le lingue è un progetto destinato comunque al fallimento.