La grande convergenza: come il dicembre 2025 ha cambiato il panorama degli AI Agent
Analisi del mese più importante nel tooling AI
25 dicembre 2025
Questo mese è successo qualcosa di insolito. Quattro grandi fornitori di AI—Anthropic, OpenAI, Google e il progetto Model Context Protocol—hanno tutti rilasciato infrastrutture Agent pronte per la produzione entro 30 giorni.
Non è una coincidenza. È convergenza.
Volevo analizzare cosa è stato effettivamente rilasciato, cosa significa per gli sviluppatori e dove penso che stia andando. Un avvertimento: alcune di queste sono opinioni. Ma ho cercato di basarle su ciò che possiamo effettivamente osservare.
La Meta-Narrazione: Agenti Ovunque
Prima di immergerci nei dettagli, vale la pena fare un passo indietro. Il modello tra tutti e quattro i fornitori è inconfondibile:
- OpenAI ha rilasciato GPT-5.2-Codex con Agent Skills
- Anthropic ha fornito Claude Code 2.0 con Background Agents
- Google ha lanciato la Interactions API e il Deep Research Agent
- MCP è entrato a far parte della Linux Foundation con 97 milioni di download mensili di SDK
Il paradigma "chattare con una AI" sembra cedere il passo al paradigma "AI che lavora al tuo fianco". Che si tratti di hype o realtà, probabilmente dipende da cosa stai costruendo, ma l'infrastruttura è ora disponibile per scoprirlo.
🔵 Anthropic: Claude Code diventa adulto
Cosa è stato rilasciato
Claude Code ha raggiunto questa settimana la versione 2.0.74. Alcuni punti salienti:
Integrazione LSP (2.0.74)
Claude Code ora supporta il Language Server Protocol. Go-to-Definition, Find-References e la documentazione Hover funzionano nativamente. Sembra un passo significativo: l'assistente AI ora comprende le basi di codice come gli IDE.
Claude in Chrome Beta (2.0.72)
Claude Code può controllare il tuo browser direttamente dal terminale. Navigare nella documentazione, compilare moduli, testare interfacce utente web, estrarre dati. È presto, ma le possibilità sono interessanti.
Background Agents (2.0.60)
Avvia un'attività, passa a qualcos'altro e Claude continua a lavorare. Concetto semplice, ma cambia notevolmente il flusso di lavoro.
Miglioramento della memoria di 3 volte (2.0.70)
La gestione di contesti di grandi dimensioni è stata notevolmente migliorata. Importante per basi di codice più grandi.
Opus 4.5 per utenti Pro (2.0.58)
Il modello Claude più potente è ora disponibile in Claude Code per gli abbonati Pro.
Cosa potresti costruire
Alcune idee che ora sembrano nuovamente praticabili:
- Revisioni del codice automatizzate, che comprendono l'architettura, non solo la sintassi, grazie a LSP
- Testing basato su browser in linguaggio naturale anziché rigidi script Selenium
- Generazione di documentazione, contestualmente accurata perché comprende le relazioni tra i tipi
- Refactoring in background su grandi basi di codice senza bloccare il tuo terminale
🟢 OpenAI: Codex fa sul serio
Cosa è stato pubblicato
Il mese di dicembre di OpenAI si è concentrato fortemente sulla trasformazione di Codex in una piattaforma completa di coding agent.
GPT-5.2-Codex (19 dicembre)
Il loro modello di coding più avanzato. Contesto più lungo, migliore utilizzo degli strumenti, refactoring migliorato e migliore supporto per Windows.
Sottolineano anche le capacità di sicurezza: trovare e correggere le vulnerabilità, non solo scrivere codice.
Agent Skills (19 dicembre)
Pacchetti riutilizzabili di istruzioni che aiutano Codex a svolgere compiti specifici in modo affidabile. Puoi richiamarli esplicitamente o lasciare che Codex li scelga automaticamente.
Esiste un Skill-Installer e alcune skills sperimentali per la pianificazione.
o3-pro (15 dicembre)
Una variante del modello di reasoning che utilizza più potenza di calcolo per problemi più difficili. Per quando hai bisogno di profondità analitica piuttosto che velocità.
Famiglia GPT-5.2 (11 dicembre)
Tre livelli: Instant, Thinking e Pro. Il cut-off della conoscenza è stato spostato ad agosto 2025.
MCP nella Responses API
I server Remote-MCP ora funzionano direttamente nella Responses API. Ottimo per l'interoperabilità.
Cosa potresti costruire
- Playbook di migrazione ripetibili — Crea skills per aggiornamenti comuni (versioni di framework, migrazioni di librerie) ed eseguili su tutti i progetti
- Automazione della revisione della sicurezza — Costruisci una skill che controlli le PR per le vulnerabilità comuni prima che le persone le rivedano
- Sviluppo cross-platform — Il supporto Windows migliorato apre flussi di lavoro .NET e PowerShell che prima erano macchinosi
- Compiti di analisi approfondita — o3-pro rende più praticabili la modellazione finanziaria complessa o l'analisi dei documenti
🟣 MCP: Il protocollo trova una casa
Cosa è stato rilasciato
Il Model Context Protocol ha avuto un mese fondamentale, principalmente in termini di governance piuttosto che di funzionalità.
Adesione alla Agentic AI Foundation (9 Dic)
MCP è stato donato alla Linux Foundation. Con 97 milioni di download mensili di SDK e oltre 10.000 server attivi, ora è sotto la stessa gestione neutrale di Kubernetes e PyTorch.
Questo è importante per l'adozione, soprattutto nelle aziende che evitano il vendor lock-in.
Esplorazione del futuro del trasporto (19 Dic)
Il team ha pubblicato riflessioni sui protocolli stateless. Ciò potrebbe aiutare con i deployment di produzione, dove il mantenimento dello stato della connessione su sistemi distribuiti è problematico.
Funzionalità Tasks (Spec 2025-11-25)
Una nuova astrazione per tracciare il lavoro eseguito dai server MCP. Le richieste possono essere estese con Tasks che consentono query di stato asincrone e recupero dei risultati.
Cosa potresti costruire
- Integrazioni agnostiche dal fornitore — Scrivi un server MCP una volta, utilizzalo con Claude, ChatGPT, Cursor, Gemini, VS Code o Copilot
- Workflow di lunga durata — La funzionalità Tasks risolve i problemi di timeout. Avvia lavori complessi, interroga lo stato, recupera i risultati quando sono pronti
- Agent serverless — I transport stateless potrebbero consentire server MCP su Lambda o Cloud Functions senza Sticky Sessions
- Adozione di AI aziendale — La governance della Linux Foundation elimina le preoccupazioni di approvvigionamento relative al lock-in (vendor lock-in) nell'ambito dell'Intelligenza Artificiale (AI) e del Machine Learning. L'utilizzo di API e CLI diventa più sicuro e flessibile.
🔴 Google: Arriva Gemini 3
Cosa è stato pubblicato
Google ha lanciato la sua serie Gemini 3 insieme alle API incentrate sugli agenti.
Gemini 3 Flash (17 Dic)
Intelligenza di livello professionale a prezzi Flash. 1 milione di token di contesto, 64k di output. Un parametro thinking_level ti consente di valutare la latenza rispetto alla profondità del ragionamento.
Interactions API Beta (15 Dic)
Un'interfaccia unificata sia per le chiamate di modelli che per l'orchestrazione di agenti. Astrae la differenza tra semplici prompt e flussi di lavoro complessi.
Deep Research Agent Preview (15 Dic)
Un agente autonomo per attività di ricerca a più livelli. Dagli una domanda, ricevi un rapporto sintetizzato.
ADK 1.21.0 (10 Dic)
Session Memory, integrazione Interactions-API, BigQuery v2.0 per analisi multimodali.
Miglioramenti TTS (15 Dic)
Migliore espressività e dialogo naturale per applicazioni vocali.
Cosa potresti costruire
- Ricerca automatizzata — Deep Research Agent + grande contesto = revisioni della letteratura, analisi della concorrenza, ricerche di mercato su vasta scala
- Strumenti Voice-First — I miglioramenti TTS rendono le interfacce vocali più valide per la produzione
- Flussi di lavoro ibridi — La Interactions API ti consente di combinare perfettamente chiamate dirette al modello con l'orchestrazione completa dell'agente
- Analisi multimodale — BigQuery v2.0 elabora testo, immagini e dati strutturati nella stessa pipeline
Modelli Rilevanti
Considerando tutti e quattro i fornitori, emergono alcune osservazioni:
1. Esecuzione Asincrona/in Background è Ovunque
Background Agents di Anthropic. Skills autonome di OpenAI. Tasks di MCP. Deep Research Agent di Google. Tutti sono costruiti per lavori che avvengono in background.
Implicazione Pratica: Progettare applicazioni attorno ad aggiornamenti di stato e risultati asincroni, non a chiamate bloccanti.
2. MCP sta Diventando lo Standard
È supportato da ChatGPT, Claude, Cursor, Gemini, VS Code e Copilot. L'API Responses di OpenAI funziona con i server MCP. Ora è sotto governance neutrale.
Implicazione Pratica: Se si creano integrazioni AI, i server MCP sono probabilmente una buona scelta standard. (Parole chiave italiane: integrazioni AI, server MCP, intelligenza artificiale)
3. Gli Agent di Coding sono Competitivi
Claude Code, Codex e Gemini CLI sono tutti in competizione per la quota di mercato degli sviluppatori. La parità delle funzionalità è elevata e si sta rapidamente colmando.
Implicazione Pratica: Aspettarsi una competizione sui prezzi. I fattori di differenziazione saranno probabilmente la Developer Experience e le funzionalità Enterprise. (Parole chiave italiane: Developer Experience, funzionalità Enterprise, sviluppatori)
4. I Livelli di Reasoning sono Standard
o3-pro di OpenAI. thinking_level di Google. Opus di Anthropic con modalità Thinking. Tutti offrono "pensare più intensamente" come opzione.
Implicazione Pratica: Adattare la scelta del modello alla complessità del compito. Non pagare per un Reasoning approfondito se è sufficiente il Pattern Matching. (Parole chiave italiane: Pattern Matching, modello, ragionamento)
Progetti che ora appaiono nuovamente fattibili
Basandoci su ciò che è stato pubblicato, ecco alcune idee che ora sembrano più raggiungibili:
1. Server MCP per il tuo stack interno
Esponga le sue API, i database e la documentazione tramite MCP. Funziona con qualsiasi strumento di AI preferito dal suo team. Probabilmente 1-2 settimane di lavoro per qualcosa di utile.
2. Pipeline di revisione della sicurezza
Combini l'attenzione di Codex sulla sicurezza con l'integrazione LSP di Claude Code. Riveda automaticamente le PR alla ricerca di vulnerabilità. Forse 2-4 settimane per una v1 solida.
3. Agente di ricerca con revisione umana
Utilizzi il Deep Research Agent di Google per la sintesi iniziale, perfezioni con Claude, presenti in una semplice interfaccia utente. La natura asincrona rende l'orchestrazione semplice. Circa una settimana.
4. Assistente di sviluppo vocale
TTS di Google + un qualsiasi Coding Agent = sviluppo a comando vocale. "Aggiungi la gestione degli errori alla funzione di checkout" come comando vocale. 1-2 settimane.
5. Benchmarking cross-vendor
Esegua le stesse attività su Claude Code, Codex e Gemini CLI. Tracci i tassi di successo, la latenza, i costi. Condivida con il suo team per decisioni informate. Forse una settimana.
Cosa potrebbe succedere in futuro
Qualche speculazione, da prendere con le dovute precauzioni:
Q1 2026: Rilascio stabile di MCP 1.0, probabilmente con funzionalità Enterprise come Audit-Logging e Access Control.
Q2 2026: Orchestrazione multi-agente. Agenti in grado di generare e coordinare altri agenti. Tutti i fornitori sembrano lavorare in questa direzione.
Più avanti nel 2026: Marketplace di agenti. Scoperta, installazione e composizione di agenti provenienti da diverse fonti. Qualcosa di simile a npm per gli AI-Agents (Agenti di Intelligenza Artificiale).
Considerazioni finali
Dicembre 2025 sembra diverso dai soliti cicli di rilascio mensili. Si tratta meno di miglioramenti del modello e più di infrastruttura: Background-Execution, standardizzazione dei protocolli, flussi di lavoro asincroni, Enterprise-Governance.
Che questo si sommi a un cambio di paradigma o solo a un progresso incrementale, dipende probabilmente da cosa stai cercando di costruire. Ma i mattoni ora ci sono, come non lo erano prima.
Gli strumenti esistono. I protocolli si stanno standardizzando. Ciò che viene costruito con essi è la parte interessante.
Scritto da Michael Kerkhoff, fondatore di Context Studios UG.