MongoDB nomina un CEO ad interim e lancia Atlas Agent Engine in anteprima pubblica

MongoDB ha fatto due annunci in un solo post il 29 settembre: un cambio alla guida e la più ampia espansione della piattaforma nella storia dell'azienda. Il consiglio ha chiesto a un ex CEO tornato in azienda, che l'aveva guidata per più di 11 anni, di assumere il ruolo di CEO ad interim. Lo riferisce il blog aziendale.

Lo stesso post ha presentato MongoDB 9.0, Atlas Infinite e Atlas Agent Engine. Atlas Agent Engine è il pezzo pensato espressamente per gli agenti in produzione. È in anteprima pubblica e il prezzo è indicato come soggetto a variazioni. Secondo la pagina di prodotto di MongoDB, il motore riunisce tre cose senza le quali, sostiene l'azienda, gli agenti si bloccano: memoria, un runtime e governance. La memoria è divisa in tipi semantici, episodici, tassonomici e procedurali, gestiti nativamente. Così gli agenti diventano più accurati nel tempo e consumano meno token.

Ogni chiamata a uno strumento viene eseguita con l'identità reale di un utente o di un agente dentro un sandbox isolato, dice la pagina di prodotto. Le policy si propagano dal livello dell'organizzazione e non possono essere aggirate a valle. Le azioni rischiose possono essere indirizzate all'approvazione umana e il runtime traccia ogni chiamata al modello, ogni chiamata a uno strumento e ogni accesso alla memoria. MongoDB afferma che il motore è neutrale rispetto ai modelli e ai framework ed è costruito su standard aperti tra cui MCP, A2A e OpenTelemetry.

La proposta è volutamente stretta. Gli agenti delle prime fasi, sostiene MongoDB, girano su stack fragili fatti di vector store separati, cache e pipeline personalizzate difficili da scalare, governare o verificare. Atlas Agent Engine li riunisce in un unico piano di controllo con isolamento per singola invocazione. L'azienda dice anche che il motore può raggiungere dati fuori da Atlas, citando Salesforce, Oracle, Snowflake, S3, SharePoint e sistemi interni.

Perché la freschezza dei dati è l'argomento centrale

Il post sul blog inquadra tutta la release attorno a una tesi: gli agenti che agiscono su dati obsoleti prendono decisioni sbagliate. Un agente del servizio clienti che decide un rimborso, un agente commerciale che promette una consegna o un agente finanziario che tocca un conto hanno tutti bisogno dello stato attuale, non dell'istantanea di ieri.

Il post dice che per molte applicazioni agentiche copiare periodicamente i dati operativi in un altro sistema non basta.

"Un modello può ragionare in modo perfetto sulle informazioni che ha e prendere comunque la decisione sbagliata se quelle informazioni sono obsolete", ha scritto il CEO ad interim dell'azienda nel post del 29 settembre.

L'argomento del carico di lavoro è l'altra metà. Le applicazioni tradizionali hanno schemi di traffico comprensibili, dice MongoDB, mentre una singola richiesta di un utente può innescare pianificazione, recupero di informazioni, chiamate a strumenti, letture e scritture e altro ragionamento. Migliaia di agenti possono girare contemporaneamente. Se dimensioni per la media crolli durante un picco, dice il post; se dimensioni per il picco paghi capacità inattiva. Atlas Infinite è la risposta a questo, un'opzione di deployment che scala storage e calcolo in modo indipendente.

MongoDB 9.0 è il terzo elemento, descritto come la versione più veloce e performante del database che l'azienda abbia costruito, pensata per applicazioni e agenti che agiscono su dati in tempo reale. Il post si appoggia alla posizione già consolidata dell'azienda come sistema operativo di riferimento, più la ricerca nativa e la ricerca vettoriale e la tecnologia di retrieval ed embedding di Voyage AI, per sostenere che dati operativi e contesto AI stanno convergendo.

Questa tesi della convergenza non è esclusiva di MongoDB, e la release arriva in un mercato delle infrastrutture per agenti affollato. L'inquadramento dell'azienda stessa lo riconosce, osservando che quasi ogni azienda di dati oggi si descrive come piattaforma per l'AI e che la domanda più interessante è cosa succede all'architettura dei dati quando l'AI inizia a compiere azioni invece di rispondere a domande.

Le funzioni di governance sono quelle con più dettagli. La policy di privilegio minimo viene applicata prima di ogni chiamata a uno strumento, ogni invocazione gira in un sandbox e ogni azione viene registrata con l'identità che l'ha autorizzata. Audit, controlli di costo e guardrail si impostano una volta a livello di organizzazione e vengono applicati automaticamente, dice la pagina di prodotto, invece di essere messi insieme tra sistemi diversi.

Per ora i dettagli che contano per chi compra sono pochi. Il prezzo dell'anteprima pubblica è esplicitamente provvisorio e il post del CEO ad interim non offre nomi di clienti, benchmark o tempi di migrazione. L'azienda dice che il motore funziona con qualsiasi LLM o framework e che passare a un altro in seguito richiede un cambio di configurazione, non una ricostruzione.