Gli agenti imparano a usare il web, e il web impara a far pagare
Il 3 ottobre lo sviluppatore Marko Denic ha pubblicato una guida a WebMCP, un esperimento di Chrome che trasforma un normale modulo HTML in uno strumento richiamabile dagli agenti AI con tre attributi. Il post arriva nel mezzo di un dibattito più ampio su chi controlla l'automazione del browser.
Il 3 ottobre lo sviluppatore Marko Denic ha pubblicato una guida a WebMCP. È un esperimento di Chrome che permette a una pagina di esporre le proprie funzioni agli agenti AI come strumenti con nome e input tipizzati. L'agente non deve più indovinare la strada in un'interfaccia renderizzata. Secondo Denic bastano tre attributi per un semplice modulo di ricerca: toolname, tooldescription e toolautosubmit.
La sua lettura è diretta. Un agente che pilota un sito normale "sembra qualcuno che lavora col mouse con i guanti da forno addosso". Legge lo schermo e indovina quale casella sia il campo di ricerca. Indovina quale pulsante invia, poi rilegge lo schermo per verificare. Ogni ipotesi è un'occasione di sbagliare.
WebMCP è ancora una sperimentazione, non uno standard
Denic è attento ai limiti. WebMCP è un esperimento in Chrome, e pubblicare gli attributi non basta. Senza un token di origin trial, document.modelContext esiste solo per gli utenti che hanno attivato un flag. Il trial che cita gira su Chrome 149. I browser che non conoscono gli attributi li ignorano, quindi tutti gli altri ricevono la pagina come è sempre stata.
Il dettaglio più interessante è dove vive lo strumento. Per i moduli il browser ricava lo schema dal markup. Per tutto il resto, una calcolatrice o un configuratore, la pagina registra lo strumento da JavaScript. Servono un nome, una descrizione, uno schema di input e una funzione execute. L'esempio di Denic collega execute alla stessa funzione chiamata dagli slider, così un umano e un agente passano da un unico percorso di codice. Consiglia anche di lasciare toolautosubmit disattivato per tutto ciò che invia, acquista o elimina, in modo che l'utente confermi comunque.
È una risposta al problema dell'automazione del browser: rendere la pagina leggibile invece di rendere l'agente più intelligente. Non è l'unica in circolazione. Non è nemmeno quella con più soldi dietro.
Il lavoro si sposta sull'impalcatura
Il post di Tim Waldin del 4 ottobre sostiene che il vincolo non è la percezione. È dove finisce l'output del lavoro di un agente. Cita Andrej Karpathy, che venerdì ha scritto che "passeremo molto più tempo a cercare di capire gli output dei modelli linguistici". Karpathy ha aggiunto che più lavoro "salirà lungo le astrazioni verso la supervisione e la comprensione". Waldin si lamenta di un fatto preciso: un diagramma o una spiegazione in HTML prodotta da un agente scorre via nella trascrizione di una chat. La rappresentazione del sistema non fa mai davvero parte della conversazione che lo riguarda. La sua app, easl, dà a ogni repository una lavagna infinita dove terminali, riquadri di codice, browser e note stanno insieme. Un clic con l'hyper-key aggiunge al prompt successivo qualunque cosa si stia puntando.
È una tesi di design, non un benchmark, e va letta come tale. Ma corrisponde a quello che altri professionisti raccontano. Alexey Indeev ha scritto il 4 ottobre di aver fatto il merge di 562 pull request in due settimane, passando quattro di quelle notti a fare escursioni. Il suo flusso di lavoro ora ruota attorno a un agente coordinatore che non lavora direttamente e delega ai sub-agenti. Test, CI e bot di revisione fanno da filtro ai merge. È esplicito sul fatto che i modelli sono cambiati di recente, Opus 5.5 in particolare. Un paio di settimane prima non avrebbe consigliato questo approccio.
Cosa dicono i controlli di stato
Il numero più concreto di questo gruppo arriva da Microsoft e Hugging Face. Un post congiunto pubblicato il 3 ottobre descrive ThinkingBox, un benchmark di 507 flussi di lavoro aziendali con stato. Ognuno gira 20 volte contro vari modelli. Valuta lo stato finale del backend e gli effetti collaterali che un agente lascia dietro, non la frase che restituisce. In un'ablazione su un insieme comune che copre 121.680 prove valide su 12 modelli, 79.853 tentativi hanno fallito i controlli eseguibili. Di questi fallimenti, il 67,24% si è comunque chiuso in modo pulito, ha invocato uno strumento che cambia lo stato e non ha riportato alcun errore finale dello strumento.
Il caso esemplare è un elettrodomestico da cucina da 745 dollari bloccato in un'eccezione del corriere in un centro di distribuzione di Nashville. Era a quindici giorni dalla data di consegna stimata. L'agente ha fatto nove chiamate agli strumenti e ha letto due volte la politica di rimborso. Ha concluso correttamente che la cliente non aveva diritto al risarcimento per la consegna in ritardo. Poi ha chiuso il ticket come risolto quando lo stato finale richiesto era in attesa, e non ha mai risposto alla domanda che lei aveva posto. I controlli eseguibili hanno trovato valori di campo errati nel 77,61% dei fallimenti solo in apparenza puliti. Hanno trovato effetti extra non voluti nel 43,30% e effetti richiesti mancanti nel 25,36%.
Una traiettoria è un'affermazione. Lo stato del database è la prova. La ripetizione è il test di fiducia.
Questa frase, dal post di Microsoft e Hugging Face, è la cosa più affilata scritta sulla valutazione degli agenti questa settimana. E indebolisce molta cultura della demo. Una chiamata a uno strumento ben formata non equivale a un esito corretto. Una singola esecuzione corretta non equivale a una affidabile.
Permessi e deriva
Apple si è mossa sul fronte dei permessi. In un post sul blog del suo sito per sviluppatori, ripreso da 9to5Mac il 2 ottobre, l'azienda ha detto che alcuni sviluppatori usano l'Accesso completo al disco in modi rischiosi. Quell'impostazione serve a far funzionare le app di backup. Apple ha detto che l'abuso potrebbe esporre "tutto ciò che è sui loro sistemi, inclusi file, mail, messaggi e persino la cronologia di navigazione, senza piena conoscenza e comprensione da parte degli utenti". Apple ha detto che aggiungerà controlli perché concedere quell'accesso richieda "un'azione dell'utente molto esplicita". Ha legato il cambiamento al fatto che gli agenti AI stanno diventando "sempre più capaci e autonomi". Non ha detto quali siano i controlli né quando arriveranno.
Intanto il modo di fallire che nessuna finestra di permesso intercetta è la deriva. Il blog sdarchitect ha pubblicato il 3 ottobre la quarta parte di una serie sul rischio AI. Si chiede perché il comportamento di un agente cambi quando nessuno ha cambiato l'agente. Nessun prompt è stato distribuito e nessun codice è stato toccato. Il sistema di controllo delle modifiche è pulito. Eppure l'agente che funzionava il mese scorso ora escala decisioni che prima gestiva da solo. Il post lo attribuisce all'intero sistema di modelli, impalcature, strumenti e altri agenti. Cita le linee guida NIST sul monitoraggio post-distribuzione. Sostiene che se il comportamento può cambiare di continuo, anche la valutazione deve girare di continuo.
Un articolo su arXiv di giugno, di Emre Turan, aggiunge un numero che dovrebbe far fermare chiunque progetti cancelli di approvazione. Su un insieme etichettato a mano di 125 azioni di agente pesate in modo avversariale, i revisori concordavano solo moderatamente su cosa conti come rischioso. Il kappa di Fleiss era 0,52. Quando il revisore è modellato come affaticato sotto il carico di escalation, la sicurezza effettiva diventa una U rovesciata rispetto al tasso di escalation. Più supervisione umana può rendere un sistema meno sicuro, e la protezione ottimale per la sicurezza escala al di sotto dell'escalation totale.
Niente di tutto questo rende l'automazione del browser meno utile. Significa però che l'ingegneria interessante si è spostata altrove: non si tratta più di far cliccare un pulsante a un agente. I tre attributi di Denic, la lavagna condivisa di Waldin, la coda di merge di Indeev e i controlli di stato di ThinkingBox provano tutti a mettere la stessa cosa attorno al modello. Una superficie su cui può agire, più la prova che l'azione è arrivata. Le pagine, e gli agenti, stanno ancora discutendo su chi la fornisce.
Fonti
14- 01Let AI agents use your site with 3 HTML attributesEN
- 02your agent's diagrams need somewhere to liveEN
- 03I stopped reviewing my agents' code. Here's what I do insteadEN
- 04The Agent Said It Was Done. The Database Disagreed.EN
- 05Apple says it's tightening macOS privacy controls amid the rise of AI agentsEN
- 06AI Risk - A user's guide (Part IV): Understanding Agent DriftEN
- 07Oversight Has a Capacity: Calibrating Agent Guards to a Subjective, Fatiguing HumanEN
- 08Automatic iPhone reboot: Forensics firm allegedly stops timeEN
- 09Design Systems for AI AgentsEN
- 10Give Your AI Agent Its Own IdentityEN
- 11Launching: Nautilus - Run a coding agent from your phone, merge on your PCEN
- 12Aura - a self-hosted AI agent with temporal graph memory, written in GoEN
- 13Pi-based coding agent with hard budget capsEN
- 14Chalkboard and Avatar for AI AgentsEN
Tutti i numeri e le citazioni di questo testo provengono dalle fonti elencate sotto.
I contenuti sono stati preparati dalla redazione con il supporto dell'IA.
Commenti
0- Nessun commento — sii il primo.