Ogni strumento AI su Google Cloud, e quando usarlo

flagship · app iphone per chi guida

Registra i tuoi giri, condividili in bellezza.

Traccia GPS, velocità, piega e meteo, registrati sulla strada e trasformati in un poster con la mappa. Nessun account, nessun server: tutto resta sul tuo iPhone.

Scopri Qroda ↗fatta per chi guida

Lavoro in Xebia, soprattutto su Google Cloud, e una parte sempre più grande di quel lavoro ha a che fare con l'AI. Qualche tempo fa volevo una panoramica fatta bene di tutti gli strumenti AI che Google mette a disposizione.

Si è rivelato un bersaglio mobile. Ad aprile 2026 Vertex AI è diventato la Gemini Enterprise Agent Platform, e decine di prodotti al suo interno hanno cambiato nome con lui. A maggio Gemini CLI ha passato il testimone alla Antigravity CLI. A ottobre Google ha smesso di vendere Gemini Code Assist, e Jules chiude a fine anno. Buona parte di quello che è stato scritto sull'AI di Google Cloud prima di tutto questo oggi è superato.

Così l'ho ripercorso prodotto per prodotto, confrontandolo con la documentazione e le release note attuali. Questi sono i miei appunti. L'obiettivo è lo stesso del mio post Google Cloud Networking 101: un unico posto che copre tutti i pezzi importanti, dice a cosa serve ognuno e quando usarlo, e ti lascia una mappa mentale di come si incastra il tutto.

Il post ha due metà. La prima copre gli strumenti AI che usi per il tuo lavoro: agenti di coding, l'assistente della console, i server MCP e gli agenti per i dati. La seconda copre quello con cui costruisci prodotti AI: modelli, agenti, retrieval, l'AI dentro i database, l'infrastruttura sotto e i guardrail attorno. Dove il mio post AI Engineering per Sviluppatori va già in profondità, su ADK, deployment degli agenti e Model Armor, qui resto breve e rimando a quello.

Tutto quello che segue è aggiornato all'inizio di novembre 2026. Ho segnato le funzionalità che Google etichetta ancora come Preview, e qualche nome sarà già cambiato di nuovo quando leggerai.

Prima di tutto, i nuovi nomi

Gran parte della confusione sparisce una volta che hai in testa la tabella dei nuovi nomi. Il 22 aprile 2026, al Cloud Next, Google ha lanciato la Gemini Enterprise Agent Platform come "l'evoluzione di Vertex AI", e tutti i servizi e la roadmap di Vertex AI ora passano da lì. Le release note riportano la mappatura completa. Questi sono i nomi che incontrerai più spesso:

Gli hostname delle API non sono cambiati, e questo aiuta. La piattaforma risponde ancora su aiplatform.googleapis.com e Agent Search è ancora la Discovery Engine API, quindi il codice esistente continua a funzionare. La console, la documentazione e gli SDK però sono a metà migrazione, e vedrai nomi vecchi e nuovi fianco a fianco, a volte sulla stessa pagina. Inoltre, non confondere Gemini Enterprise, l'app che usano i dipendenti, con la Gemini Enterprise Agent Platform, che è ciò che è diventato Vertex AI. L'app gira sulla piattaforma, e i due nomi hanno in comune due parole.

Strumenti AI per il tuo lavoro di ingegneria

I cambiamenti del 2026 hanno colpito soprattutto questa metà. La maggior parte degli strumenti di coding AI che Google offriva un anno fa è sparita o sta per sparire, e quasi tutto ciò che li ha sostituiti vive in un unico prodotto.

Antigravity e la CLI agy

Antigravity è dove Google mette ora i suoi agenti di coding. È uscito il 18 novembre 2025, insieme a Gemini 3, come IDE pensato per gli agenti e costruito su VS Code. Al Google I/O di maggio 2026 è diventato una piattaforma: Antigravity 2.0, un'app desktop per avviare e supervisionare più agenti alla volta; la Antigravity CLI, agy, un agente da terminale sullo stesso motore; e un SDK per costruire su quel motore, ancora in preview. L'editor originale ora si chiama Antigravity IDE.

agy è il successore di Gemini CLI. È un singolo binario Go e può far girare agenti in background. Ha mantenuto le parti di Gemini CLI su cui la gente aveva costruito: skill, hook e subagent sono passati di qua, e le estensioni di Gemini CLI tornano come plugin di Antigravity. Al lancio Google ha detto che non ci sarebbe stata una parità uno a uno, quindi controlla che l'estensione da cui dipendi sia arrivata. L'altra differenza è la licenza. Gemini CLI è Apache-2.0, mentre agy è closed source, e il suo repository GitHub contiene un README, un changelog e un issue tracker, ma niente codice.

I prezzi seguono la divisione tra consumer ed enterprise che Google usa ovunque. I singoli usano Antigravity gratis con limiti settimanali, e gli abbonati a Google AI Pro e Ultra hanno limiti più alti. Le organizzazioni pagano tramite una licenza Gemini Enterprise o a consumo su un progetto Google Cloud. Gli utenti enterprise non hanno l'Antigravity IDE vero e proprio; hanno l'app desktop, la CLI e le estensioni per IDE, dove VS Code e Visual Studio sono GA e JetBrains, Zed, Xcode ed Eclipse sono in preview. Gli admin possono anche abilitare i modelli Claude accanto a Gemini. Un marketplace di plugin e agenti remoti che continuano a lavorare nel cloud erano in fase di rilascio mentre scrivevo.

Se lavori su Google Cloud e vuoi l'agente di Google nel terminale o nell'editor, adesso è questo. I consigli di setup del mio post su come uso Claude Code non dipendono dallo strumento e valgono anche qui: un file di istruzioni per il progetto, test e linter come barriere, e una lista corta di strumenti.

Che fine hanno fatto Gemini CLI, Code Assist, Jules e Firebase Studio

• Gemini CLI è ancora open source ed esce ancora ogni settimana. Dal 18 giugno 2026, però, non ha più un piano gratuito e non funziona con gli abbonamenti Google AI. Funziona solo con una licenza Code Assist Standard o Enterprise o con una chiave a pagamento della Gemini API o di Agent Platform, e il suo README dice che non è ottimizzata per i modelli Gemini 4 e ti rimanda ad agy. Se ti serve un agente open source da poter forkare, resta quella da usare. Altrimenti, passa ad agy.
• Gemini Code Assist, l'assistente per IDE nato come Duet AI, è in dismissione. Il piano gratuito per i singoli si è fermato il 18 giugno 2026, e Google ha smesso di vendere Standard ed Enterprise il 9 ottobre. Gli abbonamenti esistenti si rinnovano fino alla fine del 2026, e il rinnovo automatico termina nel 2027. L'app GitHub consumer per la revisione delle pull request ha chiuso a luglio.
• Jules, l'agente di coding asincrono, diventa di sola lettura dopo l'11 novembre 2026 e chiude il 31 dicembre, quindi esporta quello che vuoi tenere.
• Firebase Studio, l'IDE nel browser che prima si chiamava Project IDX, ha smesso di accettare nuovi workspace il 22 giugno 2026. Chiude il 22 marzo 2027, e quello che rimane viene cancellato. La guida alla migrazione manda i progetti orientati al codice su Antigravity e i prototipi su AI Studio.

Google AI Studio

Google AI Studio è il banco di lavoro di Gemini nel browser. Lì provi un prompt su modelli diversi, ottieni una API key in pochi secondi, e vedi i nuovi modelli prima che compaiano altrove. Torno sul lato API nella sezione sui modelli.

Quello che è cambiato quest'anno è la modalità Build. Da marzo 2026 costruisce app full-stack, non solo front-end. Gira sull'agente di Antigravity, configura Firestore e Firebase Auth per te, tiene i segreti in un secrets manager, e genera React, Angular o Next.js. Il deploy del risultato su Cloud Run è diventato GA al Next '26, e quando un progetto è troppo grande per il browser puoi esportarlo in Antigravity.

AI Studio in sé è gratuito, e le chiamate ai modelli vengono addebitate sulla Gemini API. Va bene per prototipi e piccoli strumenti interni. Se qualcosa che genera è destinato alla produzione, rivedilo come qualunque altra pull request.

Gemini Cloud Assist

Gemini Cloud Assist è l'assistente nella console Cloud e nell'app mobile Cloud, e ha i tuoi progetti come contesto. Oltre a un pannello di chat per domande su risorse, IAM ed errori, include App Design Center, dove descrivi un'architettura e ottieni un diagramma più gcloud, kubectl o Terraform, e Investigations, che fa analisi delle cause radice su log, metriche e configurazione. Aiuta anche con i costi in Cloud Hub e FinOps Hub, con Flow Analyzer in Network Intelligence Center, e con osservabilità, Database Center e Storage Insights.

Il prodotto nel suo insieme è ancora in Preview, più di diciotto mesi dopo la presentazione. Dal 10 aprile 2026 Investigations è limitato ai clienti Premium Support o agli account approvati dal loro team Google. L'accesso via MCP e gli agenti proattivi in background, che analizzano alert e anomalie di costo prima che tu lo chieda, sono in private preview.

Dove si guadagna il posto è il triage. Chiedi perché una richiesta viene negata, perché un servizio non raggiunge un database, o cosa è cambiato prima che la latenza salisse, e la risposta tiene conto del tuo progetto. Funziona bene accanto ai Connectivity Test di Network Intelligence Center, di cui ho parlato nel post sul networking.

Server MCP per Google Cloud

Se preferisci portare il tuo agente, Google ora ti viene incontro. I server MCP gestiti da Google sono endpoint remoti ospitati sul dominio API di ciascun servizio, come bigquery.googleapis.com/mcp. Si autenticano con IAM, rispettano le deny policy, scrivono audit log, possono passare dal filtro di Model Armor e compaiono in Agent Registry. Al Next '26 erano più di cinquanta. Quelli per BigQuery, AlloyDB, Cloud SQL, Spanner, Firestore, Bigtable e Cloud Run sono GA, mentre quelli per la gcloud CLI, Cloud Assist, Security Command Center e Billing sono in preview.

Qualunque client MCP può usarli, che sia agy, Claude Code o un agente costruito con ADK. Dai all'agente un service account con ruoli di sola lettura e lascia che sia IAM a decidere cosa può fare, non il prompt. È lo stesso motivo per cui uso il server MCP di Kubernetes in modalità sola lettura.

Due progetti open source coprono quello che i server gestiti non coprono. MCP Toolbox for Databases, prima Gen AI Toolbox, è arrivato alla 1.0 ad aprile 2026. Lo ospiti tu, e copre i database Google insieme a Postgres, MySQL, MongoDB, Snowflake e Neo4j. gcloud-mcp fa girare in locale server per gcloud, osservabilità e Cloud Storage.

Ce n'è un altro che vale la pena conoscere se usi agenti per lavorare su Google Cloud. La Developer Knowledge API con il suo server MCP, in preview da febbraio 2026, fornisce agli agenti la documentazione aggiornata di Google. Con nomi che cambiano a questa velocità, i dati di training di un modello sono di solito indietro di qualche cambio di nome, e un agente che controlla la documentazione prima di rispondere non ti consiglierà un prodotto che si è smesso di vendere il mese scorso.

Gemini negli strumenti per i dati

Gemini in BigQuery genera SQL e Python e offre data canvas e data preparation senza costi aggiuntivi su tutte le opzioni di calcolo di BigQuery. Sopra ci sono tre agenti. Il Data Engineering Agent (GA da aprile 2026) costruisce pipeline Dataform a partire da una descrizione. Il Data Science Agent (GA da maggio) pianifica ed esegue un'analisi dall'inizio alla fine nei notebook di Colab Enterprise e BigQuery. Le conversational analytics (GA da giugno) rispondono a domande sulle tue tabelle in linguaggio naturale, e puoi pubblicare questi agenti per i dati in Gemini Enterprise così che il resto dell'azienda possa usarli. Il Data Agent Kit, ancora in preview, è un'estensione che fa conoscere a VS Code, Antigravity e Cursor i tuoi dataset BigQuery.

In Looker, Conversational Analytics è GA e si basa sul semantic layer LookML, quindi le risposte usano le tue definizioni delle metriche. C'è una API per integrarlo nel tuo prodotto.

Qualche strumento più piccolo

Stitch, un esperimento di Google Labs, disegna interfacce a partire da un prompt, e da marzo 2026 ha un server MCP così un agente di coding può importare un design direttamente. Code Wiki genera e mantiene wiki per repository pubblici (in preview). Conductor è nato come estensione di Gemini CLI per lo sviluppo guidato da specifiche e ora è un plugin per Antigravity e Claude Code.

Modelli: AI Studio, Agent Platform e il Gen AI SDK

Due porte per gli stessi modelli

Da qui in poi il post parla di costruire cose, e si comincia chiamando un modello. Ci sono due modi per arrivare a Gemini, e sono adatti a fasi diverse di un progetto.

La Gemini Developer API è quella che ottieni da AI Studio. Sta su generativelanguage.googleapis.com e si autentica con una API key e nient'altro. È il modo più veloce per partire, e il piano gratuito è generoso. Sul piano gratuito i prompt possono essere usati per migliorare i prodotti Google; quello a pagamento non lo fa.

Agent Platform serve gli stessi modelli, e molti altri, su aiplatform.googleapis.com dentro il tuo progetto Google Cloud. Ti autentichi con IAM: Application Default Credentials sul tuo portatile, il service account associato su Cloud Run o GKE, Workload Identity Federation dalla CI. In cambio ottieni quello che serve in produzione: VPC Service Controls, CMEK e residenza dei dati, SLA, Provisioned Throughput, modelli di terze parti, gli strumenti MLOps, e una spesa che conta per il tuo impegno di spesa con Google Cloud.

Google ha anche aggiunto una express mode (in preview), in cui accedi con un account Gmail e ottieni una API key e 90 giorni gratuiti su Agent Platform. Agent Platform ora accetta le API key, ma in produzione usa IAM.

Un solo SDK per entrambe

Per anni passare da una porta all'altra significava riscrivere il codice, perché c'erano due SDK Python. Ora sono deprecati entrambi. google-generativeai ha raggiunto la fine del supporto il 30 novembre 2025, e il suo repository è archiviato. Il modulo vertexai.generative_models è stato rimosso in google-cloud-aiplatform 2.0 a settembre 2026, quindi se qualcosa lo importa ancora, resta sotto la 2.0 mentre migri.

Ora tutto passa dal Google Gen AI SDK: google-genai per Python, @google/genai per JavaScript e TypeScript, più Go, Java e C#. Cambiare porta è un solo argomento del costruttore:

from google import genai
from google.genai import types
from pydantic import BaseModel
 
 
class IncidentSummary(BaseModel):
    root_cause: str
    affected_services: list[str]
    severity: str
 
 
# Prototipo con una chiave di AI Studio:
# client = genai.Client(api_key="...")
 
# Produzione su Agent Platform, autenticata con IAM:
client = genai.Client(vertexai=True, project="my-prod-project", location="global")
 
response = client.models.generate_content(
    model="gemini-3.8-flash",
    contents="Summarize this incident timeline: ...",
    config=types.GenerateContentConfig(
        response_mime_type="application/json",
        response_schema=IncidentSummary,
    ),
)
 
summary: IncidentSummary = response.parsed

Puoi anche lasciare vuoto il costruttore e impostare GOOGLE_GENAI_USE_VERTEXAI, GOOGLE_CLOUD_PROJECT e GOOGLE_CLOUD_LOCATION nell'ambiente. Così uno sviluppatore può fare prototipi con una chiave di AI Studio mentre staging e produzione girano su Agent Platform tramite IAM, con lo stesso codice applicativo.

Cosa c'è nel catalogo dei modelli

La lineup cambia ogni poche settimane, quindi prendi questa come una fotografia dell'inizio di novembre 2026.

Gemini 4 Argon è il nuovo modello di punta, GA dal 13 ottobre 2026. Ha un contesto da 1M di token e può anche generare fino a 1M di token in output, ma non si può ancora fare tuning. La fascia di lavoro quotidiano è la famiglia Gemini 3.x Flash: 3.8 Flash (GA da settembre), 3.5 Flash, 3.5 Flash-Lite e 3.1 Flash-Lite. Gemini 3.1 Pro è ancora in preview. Gemini 2.5 ha superato la data di ritiro indicata, quindi se lo usi ancora, migra.

Imagen è stato ritirato il 30 giugno 2026, e al suo posto ci sono i modelli di immagini di Gemini. "Nano Banana 2" è gemini-3.1-flash-image e "Nano Banana Pro" è gemini-3-pro-image. Per i video c'è Veo 3.1, e per la musica c'è Lyria (Lyria 2 è GA, Lyria 3 in preview). La sintesi vocale passa da Gemini TTS e la trascrizione da Chirp 3, e la Live API per la voce in tempo reale gira su Gemini 3.8 Live, GA da settembre.

Per gli embedding, gemini-embedding-2 è diventato GA ad aprile 2026 ed è multimodale: copre testo, immagini, documenti, audio e video. I vecchi modelli text-embedding-00x vengono ritirati il 1° aprile 2027, e se li usi ancora significa rifare gli embedding del tuo corpus. Gemma 4 è la famiglia open-weight, dalle taglie piccole per i dispositivi fino a 31B.

Model Garden e modelli aperti

Model Garden è il catalogo di oltre 200 modelli dentro Agent Platform. Mette due cose molto diverse sulla stessa griglia di schede, e quale scegli decide come paghi.

La prima sono i modelli as a service: API serverless a token gestite da Google. Oltre a Gemini, ci sono i modelli Claude di Anthropic (gli attuali Opus, Sonnet e Haiku 5.5 e Fable 5.1, più le versioni precedenti), Grok di xAI, Llama 4 di Meta, Mistral e qualche altro in preview. Claude su Agent Platform è un'ottima opzione se la tua azienda ha già un impegno di spesa con Google Cloud, perché i modelli vengono addebitati su quello e governati da IAM e VPC Service Controls, senza un contratto separato con il fornitore. A ottobre 2026 Google ha anche ritirato gli endpoint a token per molti modelli aperti (DeepSeek V3, Qwen3, Kimi K2, gpt-oss e altri), quindi quelli ora si possono solo deployare da sé.

La seconda sono i pesi aperti deployati da te. Clicchi Deploy su Gemma, Llama, Qwen o un modello di Hugging Face, e Agent Platform lo mette su un endpoint dedicato con vLLM, vLLM su TPU, Hex-LLM o un container custom. Ottieni traffic splitting, rete privata e monitoraggio senza configurare niente. Il problema è sempre stato che un endpoint tiene accese le sue GPU che qualcuno lo chiami o no. Lo scale-to-zero per gli endpoint ora è in preview: imposti il numero minimo di repliche a 0. La prima richiesta dopo un periodo di inattività riceve un 429 mentre parte una replica, quindi il tuo client deve riprovare. Se vuoi lo scale-to-zero oggi senza l'etichetta preview, Cloud Run con una GPU è la casa migliore (ne parlo nella sezione sull'infrastruttura).

Pagare i token

Il pay-as-you-go ora è diviso in livelli, e scegliere tra questi è la decisione di costo più importante che la maggior parte dei team prende:

• Standard PayGo è quello predefinito. La tua quota cresce a scaglioni in base alla spesa degli ultimi 30 giorni.
• Priority PayGo (GA da maggio 2026) costa di più e viene servito per primo quando la capacità scarseggia.
• Flex PayGo (in preview) costa il 50% in meno in cambio di una latenza flessibile. Funziona solo sull'endpoint globale e non supporta Argon.
• Batch inference costa il 50% in meno per job che leggono e scrivono su Cloud Storage o BigQuery. Da Gemini 3 in poi, lo sconto si somma a quello del caching.
• Provisioned Throughput riserva capacità in generative AI scale unit (GSU), con durate da una settimana a un anno, e include uno SLA sulla latenza. La spesa oltre la riserva passa al pay-as-you-go.

Il context caching riduce del 90% il costo dell'input sui prefissi ripetuti. Il caching implicito è attivo di default e non richiede codice. Il caching esplicito ti permette di fissare un prefisso grande, come un insieme di documenti o una codebase, per un TTL a tua scelta, e fa pagare lo storage.

Gli endpoint sono di tre tipi: globale, multi-regione (US o EU) e regionale. L'endpoint globale ha più capacità e meno 429. Usalo quando le regole sulla residenza dei dati lo permettono, anche perché gli endpoint regionali possono costare di più sui modelli più recenti.

L'ordine in cui userei queste leve:

1. Parti con Standard, sull'endpoint globale.
2. Manda in batch o su Flex tutto quello che non ha un utente in attesa (backfill, classificazioni notturne, eval offline).
3. Struttura i prompt in modo che la parte lunga e stabile venga prima e finisca in cache.
4. Compra Provisioned Throughput solo per una base che hai davvero misurato, non per il tuo picco.

Tuning e lo stack ML classico

Il supervised fine-tuning è diventato GA per Gemini 3 a ottobre 2026, su 3.5 Flash, 3.5 Flash-Lite e 3.1 Flash-Lite. I modelli più grandi (3.1 Pro, 3.8 Flash e Argon) non si possono fare tuning. Il reinforcement fine-tuning è in preview, e un servizio di distillazione per Gemini è in early access. Come ho sostenuto nel post sull'AI engineering, il tuning è l'ultima leva, dopo prompting, output strutturato e retrieval. Su Gemini il suo uso migliore è la distillazione: prendi un prompt che funziona su un modello grande e lento, generi qualche migliaio di esempi verificati, e addestri un modello Flash-Lite a produrre lo stesso output più velocemente e a costo minore.

Lo stack ML classico c'è ancora tutto, con il prefisso "Agent Platform" nel nome: Workbench e Colab Enterprise per i notebook, Pipelines (Kubeflow gestito), un Feature Store che ora si appoggia a BigQuery, Model Registry, Experiments, Model Monitoring, e Managed Training ed endpoint per modelli custom. Usalo quando addestri modelli tabellari per cose come frodi, abbandono o previsioni e ti serve un riaddestramento riproducibile. Non usarlo per incollare insieme pezzi di LLM. Un job di chunking o una eval di prompt dentro Kubeflow Pipelines aggiunge tempi di avvio dei container e YAML a un lavoro che appartiene a un job di Cloud Run o a uno step di CI.

Le API pre-addestrate

Le API a scopo singolo ci sono ancora. Document AI ora offre estrattori custom basati su Gemini (in preview), Speech-to-Text gira su Chirp 3, Translation include un Translation LLM su cui puoi fare fine-tuning, e Text-to-Speech e Vision sono ancora lì. Una chiamata a Gemini può fare la maggior parte dei loro lavori, ormai. Le API vincono ancora quando vuoi un formato di output fisso, un prezzo prevedibile a pagina o al minuto, e nessun prompt da mantenere.

Costruire agenti

Il mio post AI Engineering per Sviluppatori copre quest'area in profondità, con il codice. Qui mi limito alla mappa e a cosa è cambiato da quando l'ho scritto.

ADK e agents-cli

L'Agent Development Kit è il framework open source di Google per scrivere agenti in codice, e ora esiste in Python, TypeScript, Go, Java e Kotlin. ADK 2.0 è uscito per Python a maggio 2026, poi per Go e TypeScript durante l'estate. Aggiunge un runtime di workflow basato su grafi, e i vecchi agenti Sequential, Parallel e Loop diventano workflow modello sopra di esso. Per il resto ha quello che ti aspetteresti: tool MCP in entrambe le direzioni (li consumi, o esponi il tuo agente come tool), A2A per parlare con altri agenti, adk web per una UI di debug locale, adk eval con utenti simulati, e comandi di deploy per Agent Runtime, Cloud Run e GKE. ADK è indipendente dal modello e gira anche fuori da Google Cloud.

agents-cli ha sostituito l'Agent Starter Pack, ora archiviato. Crea l'impalcatura di un progetto, esegue le eval, fa il deploy e pubblica. Include anche skill per Claude Code, Codex e Antigravity, così qualunque agente di coding tu usi sa come pilotarlo.

Agent Runtime, Sessions, Memory Bank e Sandbox

Agent Runtime, prima Agent Engine, è l'hosting gestito per agenti costruiti con ADK, LangGraph o codice tuo, ed è GA. Da quando ne ho scritto l'ultima volta ha guadagnato cold start sotto il secondo, container custom, revisioni con traffic splitting, streaming bidirezionale ed esecuzioni fino a sette giorni. Paghi al secondo per vCPU e memoria, e il tempo di inattività tra un turno e l'altro non viene addebitato. Mentre scrivo sono $0,085 per vCPU-ora e $0,009 per GiB-ora, e la pagina dei prezzi attuale non mostra un piano gratuito.

Sessions salva lo stato della conversazione turno per turno, e Memory Bank estrae in background fatti a lungo termine su un utente tra una sessione e l'altra. Sono entrambi GA. I loro prezzi sono cambiati il 1° settembre 2026: lo storage ora si paga per GiB al mese, e letture e scritture come calcolo. Sandbox raggruppa esecuzione di codice e computer use. Una sandbox parte in meno di un secondo, mantiene lo stato fino a 14 giorni e non ha accesso alla rete, e possono chiamarla agenti che girano ovunque, non solo su Agent Runtime.

Usa Agent Runtime quando vuoi un agente con stato in produzione senza costruirti da solo uno store per le sessioni, una pipeline per la memoria e una sandbox. Usa Cloud Run quando ti servono pacchetti di sistema, sidecar o una GPU nello stesso container.

Identità, registry e gateway

Pochi agenti si gestiscono facilmente. Cinquanta agenti tra team diversi hanno bisogno della stessa infrastruttura di cui avevano bisogno i microservizi, e Google l'ha rilasciata quest'anno. Agent Identity (GA da aprile 2026) dà a ogni agente una propria identità per IAM. Agent Registry (GA da giugno) cataloga gli agenti e le loro A2A card. Agent Gateway (GA da giugno) sta sul percorso del traffico MCP e A2A, applica le policy e può farci passare sopra Model Armor. Gli agenti su Agent Runtime inviano anche tracce OpenTelemetry a Cloud Trace di default, e ci torno più sotto.

Il protocollo sotto tutto questo, A2A, è arrivato alla 1.0 a marzo 2026. È un progetto della Linux Foundation e, da agosto, fa parte dell'Agentic AI Foundation.

Gemini Enterprise

Gemini Enterprise, prima Agentspace, è il prodotto finito per i dipendenti. È un assistente e una ricerca aziendale basati sui tuoi sistemi (Workspace, Microsoft 365, Confluence, Jira, SharePoint, Salesforce e altri), con i permessi sincronizzati dalla sorgente. Include anche Workflow Builder per agenti no-code (GA da settembre 2026), ed è il posto dove l'IT approva e pubblica gli agenti costruiti dai team di ingegneria. Lì si possono registrare gli agenti ADK ospitati su Agent Runtime e gli agenti A2A. Esiste in diverse edizioni: Business parte da $21 per licenza al mese fino a 500 licenze, e gli agenti scritti in codice richiedono Standard, Plus o il pay-as-you-go.

Il motivo per cui un ingegnere dovrebbe conoscerlo è non doverlo ricostruire. Quando qualcuno chiede "un ChatGPT interno sopra Drive e Confluence", la risposta più economica di solito sono le licenze, più un agente custom o due registrati al suo interno.

CX Agent Studio

Per chat e voce rivolte ai clienti, Google ha lanciato Gemini Enterprise for Customer Experience a gennaio 2026. Il suo cuore è CX Agent Studio, costruito su ADK e descritto da Google come l'evoluzione di Dialogflow CX. Accanto ci sono Agent Assist e il prodotto di analytics. Dialogflow CX è ancora documentato, e gli agenti esistenti basati sui flussi migrano passando dal commerciale.

Retrieval e grounding

Prima o poi ogni azienda vuole un'AI che risponda a partire dai propri documenti. Google ha quattro livelli per farlo, dal completamente gestito al fai da te.

Agent Search

Agent Search, prima Vertex AI Search, è ricerca e RAG gestiti sui dati che metti in Cloud Storage o BigQuery. Gli colleghi un data store, e lui analizza, divide in chunk, crea gli embedding e indicizza i tuoi dati. In cambio ottieni una API di ricerca ibrida con reranking e risposte generate, e c'è un server MCP. Il grande cambiamento di quest'anno è che i connettori di terze parti sono stati rimossi da Agent Search. Confluence, Jira, SharePoint e gli altri, con la sincronizzazione delle ACL, ora vivono in Gemini Enterprise, quindi se la tua sorgente è uno strumento SaaS e non un tuo bucket, guarda lì.

Agent Search ti porta in fretta a una buona qualità di retrieval. Il compromesso si vede quando una query specifica del tuo dominio continua a tirare fuori il chunk sbagliato, perché hai molte meno leve di quante ne avresti con chunking, metadati e pesi della query gestiti da te.

RAG Engine

RAG Engine sta un livello più sotto: una pipeline RAG gestita che chiami da un agente scritto da te. Scegli un parser (il layout parser di Document AI o un parser basato su LLM), un reranker e una modalità di storage. La modalità predefinita è Serverless, che si appoggia ad Agent Retrieval, e c'è anche una modalità Spanner con chiavi gestite dal cliente. Il nucleo è GA, molte funzionalità sono in preview, e i nuovi progetti in alcune regioni US ed EU hanno bisogno di una allowlist.

Vector Search e Agent Retrieval

Sotto ci sono gli indici veri e propri. Vector Search è il servizio storico di ricerca approssimata dei vicini più prossimi, ed è GA. Agent Retrieval, prima Vector Search 2.0, memorizza collezioni di oggetti invece di semplici vettori, genera gli embedding per te, fa reranking dei risultati ed espone un server MCP.

Grounding e le API di ranking

Il grounding collega una chiamata a un modello a una fonte: Google Search, Google Maps, Agent Search, RAG Engine, Elasticsearch o una tua API di ricerca. Due API più piccole sono utili ovunque viva il tuo retrieval. La ranking API è un reranker veloce e senza stato. La check grounding API valuta quanto una risposta è supportata dalle fonti che le passi e restituisce le citazioni.

Come sceglierei:

• Agent Search quando vuoi la ricerca sui tuoi dati funzionante entro la settimana.
• RAG Engine quando l'agente è tuo ma la pipeline no.
• Ricerca vettoriale nel tuo database (sezione successiva) quando ti serve controllo su ogni passaggio, join con dati relazionali, e un sistema in meno da gestire.

L'AI dentro i database

Molto del lavoro AI in un'azienda non è conversazionale. È classificazione, estrazione, traduzione e matching su righe che stanno già in un database. Tirare fuori quelle righe in un servizio Python, chiamare un modello in un ciclo e riscrivere i risultati è codice di colla, e i database di Google ora ti permettono di saltarlo.

BigQuery

BigQuery ora ha un set completo di funzioni SQL che chiamano modelli, che sia Gemini, Claude o un modello aperto registrato come remote model. Accanto al generico AI.GENERATE c'è AI.GENERATE_TABLE per l'output strutturato e varianti tipizzate come AI.GENERATE_BOOL. Le funzioni gestite AI.IF, AI.CLASSIFY, AI.SCORE e AI.AGG si occupano loro del prompt e del modello. AI.PARSE_DOCUMENT, AI.CHUNK_DOCUMENT e AI.TRANSLATE lavorano su documenti e testo, mentre AI.EMBED, AI.SIMILARITY e VECTOR_SEARCH coprono embedding e ricerca. AI.FORECAST e AI.DETECT_ANOMALIES girano sul modello TimesFM di Google senza bisogno di addestramento.

La maggior parte è GA. Ecco classificazione ed estrazione sui ticket di supporto di ieri, scritte direttamente in colonne tipizzate:

-- Setup una tantum: registra Gemini come remote model
CREATE OR REPLACE MODEL `analytics.gemini_flash`
  REMOTE WITH CONNECTION `us.vertex-conn`
  OPTIONS (endpoint = 'gemini-3.5-flash');
 
SELECT ticket_id, category, sentiment_score, requires_escalation
FROM AI.GENERATE_TABLE(
  MODEL `analytics.gemini_flash`,
  (
    SELECT
      ticket_id,
      CONCAT('Classify this support ticket: ', body) AS prompt
    FROM `analytics.raw_tickets`
    WHERE created_at >= TIMESTAMP_SUB(CURRENT_TIMESTAMP(), INTERVAL 1 DAY)
  ),
  STRUCT(
    'category STRING, sentiment_score FLOAT64, requires_escalation BOOL' AS output_schema,
    0.0 AS temperature
  )
);

BigQuery gestisce batching, retry e parallelismo verso il modello. Il pericolo è quanto renda facile spendere soldi: una sola query senza clausola WHERE può mandare milioni di righe a un modello. Sviluppa con LIMIT 10, e fai girare le query AI in un progetto con limiti di quota e di budget. Anche i prompt che vivono dentro stringhe SQL hanno bisogno dello stesso versionamento e della stessa revisione di qualunque altro prompt.

AlloyDB AI

AlloyDB è il database compatibile con PostgreSQL di Google per carichi transazionali pesanti, e AlloyDB AI è il suo livello per vettori e modelli. Il pezzo forte è l'indice ScaNN, che usa lo stesso algoritmo che Google usa internamente. Rispetto a HNSW su PostgreSQL standard, la documentazione di Google dichiara query vettoriali fino a 6 volte più veloci, query filtrate 10 volte più veloci, costruzione degli indici 16 volte più veloce e un quarto della memoria. Da aprile 2026 gli indici ScaNN si ottimizzano da soli di default:

CREATE EXTENSION IF NOT EXISTS alloydb_scann CASCADE;
 
CREATE INDEX products_embedding_idx ON products
  USING scann (embedding cosine)
  WITH (MODE = 'AUTO');
 
-- Un filtro relazionale e una ricerca vettoriale in una sola query
SELECT product_id, title, price
FROM products
WHERE category_id = 14
  AND in_stock
ORDER BY embedding <=> google_ml.embedding(
  model_id => 'gemini-embedding-001',
  content => 'waterproof touring boots'
)::vector
LIMIT 20;

Puoi anche chiamare modelli da una query. ai.if filtra le righe in base a una condizione in linguaggio naturale, ai.rank le ordina secondo criteri in linguaggio naturale, ai.generate fa generazione libera, e gli embedding automatici restano sincronizzati con una colonna. Queste sono GA, mentre le funzioni di riassunto, estrazione e classificazione sono in preview. Il passaggio dal linguaggio naturale a SQL ora passa da una funzionalità in preview chiamata QueryData. AlloyDB non fa pagare le chiamate AI in sé; ti addebita il modello.

Usa AlloyDB AI per un sistema di RAG o ricerca semantica in produzione che ha bisogno di transazioni, join e decine di milioni di vettori senza un database vettoriale separato. Tenere stato applicativo ed embedding nello stesso database elimina un'intera classe di bug di sincronizzazione. Il problema è il costo minimo, perché AlloyDB non scala a zero. Per un progetto personale o una piccola knowledge base, parti con Cloud SQL e pgvector e spostati più avanti.

Vettori negli altri database

Anche il resto della famiglia supporta i vettori. Cloud SQL per PostgreSQL ha pgvector, e Cloud SQL per MySQL ha la sua ricerca vettoriale. Spanner ha la ricerca esatta in ogni edizione e gli indici approssimati nelle edizioni Enterprise ed Enterprise Plus. Firestore ha la ricerca esatta dei vicini più prossimi con indici vettoriali, e Bigtable ha funzioni di distanza ma nessun indice approssimato. Tutti hanno ormai un server MCP gestito da Google.

Infrastruttura: Cloud Run, GKE, TPU e GPU

Quando una API gestita non basta, il modello lo fai girare tu. Magari hai un Gemma con fine-tuning, un modello vocale che non è in Model Garden, o abbastanza volume da rendere doloroso il prezzo a token. Le opzioni stanno su una scala: prima Cloud Run, poi GKE, per ultimi gli acceleratori nudi e crudi.

Cloud Run

Cloud Run è il posto più semplice per far girare un carico su GPU in Google Cloud. Un servizio può collegare una NVIDIA L4 (24 GB) o una RTX PRO 6000 Blackwell (96 GB, GA da aprile 2026). Scala a zero quando è inattivo e avvia un'istanza con GPU in pochi secondi:

gcloud run deploy gemma-vllm \
  --image us-docker.pkg.dev/my-project/llm/vllm-gemma:latest \
  --region us-central1 \
  --gpu 1 \
  --gpu-type nvidia-l4 \
  --cpu 8 \
  --memory 32Gi \
  --no-cpu-throttling \
  --no-gpu-zonal-redundancy \
  --max-instances 3

--no-gpu-zonal-redundancy rinuncia al failover tra zone in cambio di un prezzo più basso, che di solito è la scelta giusta per un'inferenza che puoi ripetere.

Il resto di Cloud Run si è messo al passo quest'anno. I job con GPU sono GA, e i job su GPU fino a 12 ore sono in preview. I worker pool sono diventati GA ad aprile 2026 e ti danno worker in modalità pull che consumano da Pub/Sub o Kafka senza una finta porta HTTP; una GPU su un worker pool è in preview e non scala automaticamente. Anche le sandbox per eseguire codice non fidato o generato da agenti sono in preview.

Usa Cloud Run per backend di agenti che hanno bisogno del loro container, e per servire modelli aperti con vLLM o Ollama quando il traffico è a picchi. I limiti sono una GPU per istanza e un timeout di 60 minuti per richiesta, quindi un modello che ha bisogno di più GPU con un'interconnessione veloce l'ha superato.

GKE

GKE è dove finisce l'inferenza self-hosted quando si fa sul serio, e la funzionalità che giustifica il lavoro in più è GKE Inference Gateway, ora descritto come "powered by llm-d". Il load balancing standard di Kubernetes si adatta male agli LLM. Due richieste della stessa dimensione possono differire di cento volte in tempo di GPU, e mandare una richiesta a un pod con la KV cache piena causa picchi di latenza. Inference Gateway invece instrada in base a utilizzo della KV cache, lunghezza della coda e hit sulla prefix cache, più l'affinità con gli adapter LoRA così un solo modello base può servire molti fine-tune. Non costa niente in più. InferencePool è GA, la CRD per gli obiettivi (che ha sostituito InferenceModel) è ancora alpha e si sta spostando nel progetto llm-d, e una versione multi-cluster è in preview.

Attorno ci sono diversi altri pezzi. Inference Quickstart (gcloud container ai profiles) ti dà profili di serving con benchmark e manifest generati, così parti da numeri misurati invece che da ipotesi. Il Dynamic Workload Scheduler ti procura acceleratori introvabili: flex-start fa partire un job quando si libera capacità, a prezzo scontato, e la modalità calendar riserva un blocco da uno a 90 giorni. Agent Sandbox esegue codice degli agenti sotto gVisor. Al Next '26 Google ha anche annunciato il tiering automatico della KV cache tra memoria, SSD locale e storage, e llm-d è entrato nella CNCF come progetto sandbox.

Usa GKE per serving ad alto throughput dove l'instradamento consapevole della cache riduce il numero di GPU, per modelli che hanno bisogno di più GPU o più host, o quando la tua organizzazione ha già una piattaforma GKE matura. I miei post sul platform engineering e sul networking in GCP spiegano cosa comporta gestirne una. Non partire da qui se Agent Runtime o Cloud Run possono fare il lavoro, o passerai il tempo su GPU esaurite, versioni dei driver e crash per memoria esaurita invece che sul tuo prodotto.

TPU e GPU

Gli acceleratori di Google sono le Cloud TPU. La generazione attuale è TPU7x (Ironwood), GA dal 31 marzo 2026, con 192 GiB di HBM per chip e pod fino a 9.216 chip, pensata sia per l'addestramento sia per l'inferenza. v6e (Trillium), v5p e v5e sono ancora disponibili. TPU 8t (per l'addestramento) e TPU 8i (per l'inferenza) sono state annunciate al Next '26 come "disponibili a breve", e mentre scrivo non sono ancora nella documentazione.

Le TPU hanno senso quando il tuo modello ci si adatta. Il backend TPU di vLLM ora serve bene le architetture aperte standard, JAX gira nativamente, e PyTorch nativo su TPU è in preview con clienti selezionati. Il problema è che le TPU compilano il tuo modello tramite XLA, quindi shape dinamiche e kernel CUDA custom non portati portano a stalli di ricompilazione o a operazioni non supportate. Se il tuo team fa girare codice di ricerca pieno di kernel custom, resta sulle GPU.

Le famiglie di VM con GPU, dalla più recente:

AI Hypercomputer è il nome ombrello per tutto questo più il software attorno, e Cluster Director costruisce e gestisce cluster di addestramento Slurm o GKE sopra di esso.

Portare i pesi sugli acceleratori

I modelli grandi passano una quota sorprendente del tempo di avvio solo a caricare i pesi. Managed Lustre è il file system ad alto throughput per l'addestramento e per grandi flotte di serving. Cloud Storage Rapid, con Rapid Cache (prima Anywhere Cache), tiene gli oggetti più usati vicino ai tuoi acceleratori, e Google dice che il Run:ai Model Streamer sopra Rapid Cache carica i modelli fino a cinque volte più velocemente. Se i cold start su Cloud Run o GKE fanno male, guarda qui prima di comprare istanze più grandi.

Guardrail, eval e osservabilità

Attorno al modello ti serve un modo per impedirgli di fare danni, un modo per capire se una modifica l'ha migliorato o peggiorato, e un modo per vedere cosa ha fatto.

Model Armor

Model Armor analizza prompt e risposte cercando prompt injection e jailbreak, contenuti dannosi, dati sensibili (tramite Sensitive Data Protection) e URL malevoli. Da giugno 2026 può analizzare anche le immagini, in preview. Ha due livelli di controllo. I template sono impostazioni per singola applicazione. Le floor setting sono minimi che un team di sicurezza imposta a livello di organizzazione, cartella o progetto, e si applicano alle chiamate a Gemini su Agent Platform e ai server MCP di Google anche quando un team applicativo se ne dimentica.

Ora si collega ovunque passi del traffico: Agent Platform e Gemini Enterprise, Agent Gateway, Apigee (tramite policy che usano i template), e load balancer, GKE e Inference Gateway tramite Service Extensions. Le violazioni compaiono come finding in Security Command Center, e il prezzo è a token.

Ogni controllo è una chiamata remota, quindi metti Model Armor sul perimetro, sull'input e l'output dell'utente e sul gateway, non su ogni passaggio interno di un agente a più step. I comandi di setup sono nel post sull'AI engineering.

Il resto del quadro sulla sicurezza

Apigee funziona come gateway AI davanti a qualunque fornitore di modelli. Ha la sanitizzazione di prompt e risposte tramite Model Armor, caching semantico, quote di token e supporto MCP, così le regole centrali non dipendono dal codice di ogni team.

Security Command Center AI Protection fa l'inventario di modelli, agenti e dataset in tutta la tua organizzazione, mostra una dashboard dei rischi legati all'AI, e analizza gli agenti su Agent Runtime alla ricerca di vulnerabilità e segreti esposti. Se sei sul livello Enterprise di SCC, tieni presente che chiude a maggio 2027.

Sensitive Data Protection trova i dati sensibili nei dataset di addestramento e di tuning, e da agosto 2026 rileva anche le API key esposte dei fornitori di AI.

Gen AI evals

Tutti sono d'accordo che servano le eval, e parecchi team testano ancora una modifica a un prompt provando tre esempi a mano. Gen AI evals, prima Gen AI evaluation service, è diventato GA a luglio 2026. Gli dai un dataset e un insieme di metriche. Possono essere controlli deterministici come exact match, JSON schema e codice custom, rubriche valutate da un modello (comprese le rubriche adattive, che scrivono criteri pass/fail specifici per ogni prompt), o metriche per agenti sull'uso dei tool e sul successo di task multi-turno. Può anche simulare utenti con delle persona per mettere alla prova un agente, e far girare monitor online sul traffico di produzione che avvisano in caso di drift.

Le metriche basate su codice sono gratuite, mentre quelle valutate da un modello si pagano alle tariffe del modello, e si sommano in fretta. Tieni piccolo il set che gira su ogni pull request, un centinaio di casi ad alto segnale, e fai girare la suite completa di notte. Se usi già LangSmith, Braintrust o Phoenix su più cloud, non c'è motivo di spostarti. Se vuoi tracce, dataset ed eval dentro un solo progetto Google Cloud e un solo perimetro IAM, questo fa il suo lavoro.

Tracciare gli agenti

Gli agenti ADK su Agent Runtime inviano tracce OpenTelemetry a Cloud Trace di default, seguendo le convenzioni OTel per l'AI generativa. Ogni chiamata al modello, chiamata a un tool e sub-agente compare come span, e le metriche su token e latenza finiscono in Cloud Monitoring. Gli agenti che girano altrove possono mandare OTLP alla stessa Telemetry API. Quando un agente fa qualcosa di strano in produzione, la traccia è il primo posto dove guardare.

Cosa usare e quando

Tolti di mezzo i nomi, la maggior parte delle decisioni si riduce a una breve lista di scelte predefinite:

• Un agente nel terminale o nell'editor: Antigravity o agy. Gemini CLI solo se ti serve l'open source e hai una chiave a pagamento.
• Prototipi con Gemini: AI Studio e una API key, usando l'SDK google-genai così lo stesso codice passa più tardi su Agent Platform.
• Chiamare modelli in produzione: Agent Platform con Standard PayGo e l'endpoint globale, batch o Flex per il lavoro senza un utente in attesa, caching per i prefissi condivisi, e Provisioned Throughput per una base misurata.
• Claude o un altro modello partner sotto il tuo contratto Google Cloud: le API gestite di Model Garden.
• Un modello open-weight: Cloud Run con una GPU per traffico a picchi, GKE con Inference Gateway per volumi alti e costanti, o gli endpoint di Agent Platform se lo vuoi gestito e ti va bene lo scale-to-zero in preview.
• Arricchire dati a riposo: le funzioni AI di BigQuery, o quelle di AlloyDB per i dati transazionali, invece di un servizio Python con un ciclo.
• "Chatta con i documenti aziendali" per i dipendenti: Gemini Enterprise, non qualcosa da costruire.
• Ricerca o RAG dentro il tuo prodotto: Agent Search per iniziare, RAG Engine se l'agente è tuo, vettori in AlloyDB o Cloud SQL quando ti servono controllo e join.
• Un agente custom: ADK su Agent Runtime, o Cloud Run quando ti serve il tuo container o una GPU.
• Chat o voce per i clienti: CX Agent Studio.
• Domande sul tuo cloud: Cloud Assist nella console, o i server MCP gestiti con un service account di sola lettura dal tuo agente.
• Sicurezza: floor setting di Model Armor a livello di organizzazione, template sul perimetro.
• Qualità: Gen AI evals, con un set piccolo su ogni pull request e la suite completa di notte.

Conclusione

Lo stack AI di Google Cloud è progettato molto meglio di come è battezzato. Sotto i cambi di nome del 2026 c'è una progressione chiara. Parti dai modelli gestiti e dall'SDK unificato, fai girare l'AI dove già vivono i tuoi dati, in BigQuery e AlloyDB, e usa ADK e Agent Runtime quando vuoi agenti gestiti. Scendi a GPU su Cloud Run, GKE o TPU solo quando hai bisogno di possedere i container e gli acceleratori. Per il lavoro di tutti i giorni, gli strumenti di coding si sono concentrati in Antigravity.

Se non ti porti a casa nient'altro: impara la tabella dei nuovi nomi, perché metà di quello che leggerai online usa ancora quelli vecchi. Usa di default l'endpoint globale, il batch e il caching prima di comprare capacità. Metti degli alert di budget su ogni progetto che fa girare AI da SQL. Usa le floor setting di Model Armor così la sicurezza non dipende dalla memoria di ogni team. E quando un agente ti aiuta con Google Cloud, fagli leggere prima la documentazione aggiornata, perché se si affida ai suoi dati di training chiamerà ancora tutto Vertex AI.

Spero che questo post ti sia stato utile. Se hai domande o feedback, non esitare a farmelo sapere!