MCP donato alla Linux Foundation: cosa cambia per gli agenti aziendali
Il passaggio del Model Context Protocol alla Linux Foundation sposta la governance dello standard da un singolo vendor a una fondazione neutrale. Cosa cambia concretamente per chi costruisce agenti aziendali: stabilità dello standard, interoperabilità tra provider, riduzione del rischio di lock-in sul protocollo. Stato dell'ecosistema dei tool MCP e perché la neutralità della governance conta per una scelta di lungo periodo. Continua a leggere
Ultima modifica:
Dietro l'hype, solo una minoranza di aziende ha agenti AI realmente in produzione. Lettura onesta del dato per un CIO: cosa significa la distanza tra annuncio e adozione, e soprattutto cosa va normato prima di mettere un agente in produzione, alla luce degli incidenti agentici del 2026. Policy, perimetro operativo, audit trail e sandboxing: il framework di governance che trasforma una sperimentazione in un sistema gestito. 
Gli LLM introducono classi di vulnerabilità prevedibili, perché replicano pattern insicuri visti nei dati di training. Analisi dal lato attaccante: quali debolezze cercare per prime nel codice generato (deserializzazione, SSRF, auth bypass, race condition), come si sfruttano nella pratica e come chiuderle. Per un team che usa l'AI per scrivere codice, sapere cosa proverebbe un attaccante è la differenza tra un assistente e un rischio. 
Il codice generato dagli assistant AI entra in produzione più in fretta di quanto venga revisionato. Audit sistematico dei pattern di vulnerabilità ricorrenti nell'output di ChatGPT e Copilot per PHP: injection non parametrizzate, validazione mancante, segreti hardcoded, dipendenze obsolete suggerite con fiducia. Una checklist offensiva per auditare ciò che l'AI scrive prima che diventi un incidente, dalla prospettiva di chi i bug li cerca per mestiere. 
Un MCP server collega un agente AI a sistemi reali, e lo scope dei token è dove si gioca la sicurezza. Il vettore di privilege escalation: come un permesso nato read-only diventa write-and-execute attraverso uno scope troppo largo e un framing sociale (per fixare il bug devo leggere la config di deploy). Dalla prospettiva offensiva, con la difesa concreta: least-privilege rigoroso, separazione lettura/scrittura, zero-trust sui tool esposti all'agente. Per chi costruisce integrazioni MCP. 
Due vulnerabilità distinte di Claude Code, da non confondere: CVE-2025-59536 (CVSS 8.7 v4.0 / 8.8 v3.1, esecuzione di codice all'apertura di un repository malevolo prima del trust dialog, fix 1.0.111) e CVE-2026-21852 (CVSS 5.3 v4.0 / 7.5 v3.1, esfiltrazione della API key via override ANTHROPIC_BASE_URL nel settings.json del repo, fix 2.0.65). git clone e apri l'agente è il nuovo apri l'allegato: analisi tecnica e la difesa che uso in proprio via hook. 
Mettere un agente di coding in produzione significa dargli accesso a shell, file e credenziali. Il setup di sicurezza che uso davvero parte da un validatore dei comandi bash, un perimetro operativo definito via rules, il deny esplicito delle operazioni distruttive (rm -rf), gli env file in sola lettura e il blocco degli host non gestiti. Insider puro: trasformo il mio scaffolding personale in un case study difensivo replicabile, alla luce delle CVE su Claude Code del 2026. 
Nei log di un sito reale compaiono richieste a path sensibili come .env, .ssh/id_rsa e .aws/credentials veicolate dagli user-agent di assistant AI come ChatGPT e Perplexity. Sono pochi tentativi isolati, non una campagna: ma il pattern è interessante per chi espone un'applicazione. Analisi forense onesta di cosa si vede davvero nei log, con la metodologia per distinguere il rumore dal segnale e le contromisure lato server. Information gain di prima mano, background offensivo dell'autore. 
Il 72% dei buyer enterprise chiede ISO 42001 nelle RFP 2026 (CSA, febbraio 2026). Se sei una PMI italiana di consulenza o software e vuoi vincere gare con grandi clienti europei, ISO 42001 non è più optional nel secondo semestre. Ma 4-12 mesi di implementazione full sono troppi - ti mostro come passare il gate in 90 giorni sfruttando l'overlap 60% con ISO 27001, mappando i 38 controlli a SoA esistente e producendo evidence equivalente su 14 controlli residui. 
Running a serious LLM on your own hardware is no longer a lab exercise. I put a 16GB consumer GPU through a 35-billion-parameter Mixture-of-Experts model with 262,000 tokens of context, and the agentic tool-calling came out 100% reliable. This is the strategic half of the story: why local inference turned from a hobby into architectural insurance in 2026, after a frontier model was suspended worldwide by government order. The hard numbers live in the companion deep-dive.