La prima generazione dell’enterprise AI si è concentrata sulla creazione degli agenti. La nuova generazione riguarda la loro operatività su larga scala.
Cortex Agents offre da sempre un runtime gestito per creare app di AI all’interno di Snowflake. Nell’ultimo anno abbiamo visto i clienti passare dal deployment del primo agente alla gestione di implementazioni enterprise. Questo cambiamento ha fatto emergere una nuova serie di sfide operative legate a orchestrazione, esecuzione e governance.
Oggi ampliamo Cortex Agents con nuove funzionalità che riducono la complessità operativa dello sviluppo, del deployment e della gestione degli agenti di enterprise AI su larga scala.
In breve:
- Compilazione
- Coding Agent (presto in public preview): Sviluppa un coding agent gestito, basato sullo stesso runtime che alimenta CoCo, e distribuiscilo in qualsiasi applicazione.
- Skills Package (presto in public preview): Riunisci un set curato di skill in un unico oggetto e richiamalo nel tuo agente AI con un solo URI
- Agent Toolset (presto in public preview): Richiama gli strumenti di un altro agente nella specifica dell’agente corrente, invece di riscrivere e mantenere definizioni duplicate.
- Tool Search (presto in public preview): Scopri gli strumenti on demand, invece di caricare in anticipo ogni definizione.
- Run
- Async Agent API (presto in GA): Esegui job lunghi in background senza mantenere una connessione aperta.
- Code Execution Tool (presto in public preview): Elabora dati e genera output rifiniti in un ambiente Python isolato.
- Interrupt and Resume (presto in GA): Interrompi un agente in esecuzione, correggine la direzione e riprendi dal punto in cui si era fermato.
- Partial Access (presto in public preview): Servi utenti con livelli di autorizzazione diversi da un unico agente gestito.
- Gestione
- Versioning UI (in public preview): Confronta, ripristina e promuovi le configurazioni degli agenti senza modificare YAML.
Cosa fanno i Cortex Agents
Un Cortex Agent può ragionare sui dati enterprise, richiamare strumenti, eseguire codice e compiere azioni nei sistemi connessi, il tutto entro il perimetro di governance Snowflake. Ogni azione è soggetta agli stessi controlli di accesso e allo stesso audit trail che proteggono il resto dei tuoi dati.
Definisci un Cortex Agent in modo dichiarativo, includendo modello di orchestrazione, strumenti e istruzioni. Le applicazioni lo richiamano tramite una REST API, mentre Snowflake gestisce il routing del modello, l’invocazione degli strumenti e l’assemblaggio dei risultati.
La sfida della produzione
La maggior parte delle implementazioni parte con un solo agente, pochi strumenti e task brevi. Questa configurazione funziona bene per una POC e, forse, per un deployment di piccole dimensioni.
La produzione enterprise su larga scala è un’altra cosa: I workflow coinvolgono più agenti specializzati, le librerie di strumenti crescono fino a decine di integrazioni, le richieste durano minuti anziché millisecondi e i team di governance devono sapere con precisione che cosa ogni agente è autorizzato a fare. Non sono problemi che si risolvono con prompt migliori o con un modello più veloce. Sono problemi operativi, ed è proprio questo che le nuove funzionalità qui sotto sono progettate per affrontare.
Sviluppa il tuo agente AI
Porta le capacità di coding di Snowflake CoCo in qualsiasi applicazione
Snowflake CoCo è il primo agente AI di coding che comprende nativamente i tuoi dati, creato per accelerare il time to value in tutto il modern data stack. Grazie alla profonda comprensione di dati, capacità di calcolo, governance e semantica operativa della tua azienda, CoCo trasforma task complessi di data engineering, analisi dei dati, machine learning e sviluppo di agenti in conversazioni semplici, contestualizzate e affidabili, con elevata accuratezza.
Con la REST API di Cortex Agents, ora puoi sviluppare un agente gestito che porta le stesse capacità di coding (presto in public preview) nelle tue applicazioni e interfacce. Configura l’agente con il toolset CoCo, sandbox inclusa, definisci l’ambito delle istruzioni e del grounding dei dati in base al tuo ambiente, ed esponilo tramite un endpoint REST standard. Qualsiasi richiesta che richieda generazione di codice, esecuzione SQL, trasformazione dei dati o automazione delle pipeline viene gestita nel runtime isolato: la stessa base che alimenta CoCo, ora componibile nei tuoi workflow agentici.
Ad esempio, il nostro team di engineering ha creato “Debug with CoCo”, uno strumento interno che individua la causa radice di qualsiasi richiesta Cortex Agent in meno di 20 min. L’applicazione in sé conta poche centinaia di righe: riceve un request_id tramite UI ed effettua una singola chiamata alla Cortex Agent API con un prompt dedicato. L’API gestita esegue il provisioning di una sandbox CoCo, monta i log come grounding dell’agente, esegue bash e SQL tramite il toolset CoCo e trasmette al browser un’analisi della causa radice supportata da evidenze. Nessun runtime per coding agent e nessun dato che esce da Snowflake: solo chiamate REST:
Figura 1. “Debug with CoCo”, uno strumento per gli ingegneri basato sulla API gestita con runtime CoCo.
Offri ai tuoi agenti AI un layer condiviso di capacità
Con la crescita delle implementazioni di agenti autonomi, la gestione delle skill diventa un collo di bottiglia. Ogni nuovo agenteAI richiede il proprio elenco di capacità, ogni aggiornamento va applicato singolarmente a ciascuno e, man mano che le librerie di skill si espandono, le specifiche degli agenti diventano più difficili da mantenere e più facili da disallineare.
Skills Package (presto in public preview) ti consente di definire una sola volta un set curato di skill e richiamare l’intera raccolta in qualsiasi specifica di agente con un unico URI. Quando il package viene aggiornato, ogni agente che lo richiama recepisce automaticamente la modifica. I team possono creare un layer condiviso di capacità, un set standard di workflow dati, strumenti specifici di dominio o integrazioni approvate, e comporre nuovi agenti autonomi su questa base senza duplicare né mantenere copie separate.
Riutilizza gli strumenti tra agenti AI senza riscriverli
Le implementazioni enterprise di agenti AI spesso iniziano da un agente ben definito, con un set di strumenti accuratamente selezionato, integrazioni testate e configurazioni ottimizzate. Quando un secondo agente ha bisogno di alcuni di quegli stessi strumenti, l’approccio attuale consiste nel duplicarne le definizioni: copiare la specifica, mantenere due copie e sincronizzarle ogni volta che cambia qualcosa.
Agent Toolset (presto in public preview) ti consente di richiamare direttamente gli strumenti di un altro agente AI nella specifica dell’agente corrente. Basta una sola riga che punti all’agente sorgente e tutti i suoi strumenti sono subito disponibili, senza doverli ridefinire. Quando gli strumenti dell’agente sorgente vengono aggiornati, ogni agente che fa riferimento a quel toolset eredita automaticamente la modifica. I team possono definire una sola volta un set canonico di strumenti, un layer condiviso di accesso ai dati, un set standard di integrazioni di ricerca, una configurazione MCP comune, e comporre nuovi agenti AI su questa base senza duplicazioni né divergenze rispetto all’originale.
Ottimizza la costruzione del contesto per i tuoi agenti
Un’implementazione enterprise di grandi dimensioni, con connessioni a GitHub, Slack, Jira, Salesforce e server MCP interni, può accumulare facilmente decine di strumenti. Prima ancora di rispondere a una singola domanda, un agente può impiegare decine di migliaia di token per caricare nel contesto le definizioni degli strumenti.
Tool Search (presto in public preview) affronterà questo problema con un approccio di progressive disclosure. Invece di caricare in anticipo ogni definizione di strumento, l’agente cercherà nella propria libreria al momento dell’inferenza e caricherà solo le definizioni rilevanti per il task corrente. Su larga scala, questo sarà più di un’ottimizzazione delle prestazioni: potrà migliorare l’accuratezza riducendo la pressione sulla context window e consentirà agli agenti di operare su ecosistemi di strumenti che altrimenti sarebbe poco pratico caricare tutti insieme.
Esegui il tuo agente AI
I task lunghi non dovrebbero bloccare la tua app
Alcuni task richiedono minuti, non millisecondi. Riconciliare dati finanziari mensili, generare un report di ricerca completo, elaborare un batch di contratti cliente: non sono attività per cui puoi tenere aperta una connessione HTTP.
La Async Agent API (presto in GA) consente agli agenti di eseguire questi task in background. I chiamanti ricevono subito un run_id e recuperano le risposte quando il task è completato.
L’agente esegue il task fino al completamento, oppure si mette in pausa se richiede input dell’utente, e il risultato è disponibile non appena pronto. I workflow di agenti AI a lunga esecuzione ora possono operare interamente nel runtime gestito, senza richiedere infrastrutture personalizzate di queuing o orchestrazione.
Dai dati grezzi a un output rifinito, in sicurezza, in una sola esecuzione dell’agente AI
Il Code Execution Tool (presto in public preview) offre a Cortex Agents l’accesso a un ambiente Python sicuro e isolato, in cui possono elaborare dati, eseguire calcoli, generare visualizzazioni e produrre output rifiniti, come PDF, presentazioni PowerPoint e grafici, senza uscire da Snowflake.
La sandbox esegue Python 3.12 e include numpy e pandas di default. I package aggiuntivi possono essere recuperati da PyPI tramite l’Artifact Repository. L’accesso alla rete esterna può essere delimitato tramite integrazioni denominate. Ogni esecuzione avviene in un ambiente isolato. Il codice generato dall’agente AI non può accedere ai tuoi dati senza autorizzazioni esplicite. Questo consente a un agente AI di completare un intero workflow, dall’analisi di un set di dati alla produzione di un report PDF formattato, in un’unica run.
Metti in pausa, correggi e continua il tuo workflow
Potresti chiedere a un agente di analizzare due anni di dati finanziari e poi renderti conto che in realtà te ne servono cinque. Oppure potresti accorgerti che sta seguendo una direzione poco utile e volerlo reindirizzare prima che termini.
Interrupt and Resume (presto in GA) offre ai builder una API nativa per il controllo umano. Ferma l’agente, invia una correzione e riprenderà dal punto in cui si era fermato.
L’agente AI si mette in pausa, salva il lavoro svolto e attende l’istruzione successiva, eliminando la necessità di sviluppare logiche personalizzate di gestione dello stato o di ripristino per i workflow interrotti.
Un agente gestito, più livelli di accesso
Nella maggior parte delle organizzazioni, utenti diversi hanno autorizzazioni diverse. I team sales possono avere accesso alle metriche sullo stato di salute dei clienti, mentre i team finance possono visualizzare anche le informazioni di fatturazione. Supportare queste differenze richiede spesso di creare e gestire più versioni dello stesso agente.
Con Partial Access (presto in public preview), lo stesso agente gestito può rispondere a richieste con livelli di autorizzazione diversi. Quando arriva una richiesta, l’agente AI valuta quali strumenti l’utente è autorizzato a usare e la soddisfa entro questi limiti. I controlli vengono applicati a livello Snowflake, in modo coerente con l’RBAC che già governa il resto dei tuoi dati. In pratica, un singolo agente può servire sia dipendenti e manager, sia analisti ed executive, dalla stessa knowledge base, applicando al tempo stesso confini di accesso diversi per ciascuno.
Gestisci e aggiorna i tuoi agenti AI
Una vista immediata di ogni configurazione degli agenti
Le configurazioni degli agenti AI evolvono nel tempo: i prompt vengono ottimizzati, si aggiungono strumenti, la logica di business cambia. Senza una struttura, i team accumulano discrepanze non documentate tra ciò che è in esecuzione in produzione e ciò che stanno testando.
Versioning UI (in public preview) offre ai team una cronologia visiva delle configurazioni degli agenti AI: consente di confrontare le versioni affiancate, tornare a uno stato precedente e promuovere in produzione una versione candidata già testata, senza modificare manualmente il file YAML. Una versione LIVE resta in produzione mentre i team iterano in sicurezza sulle versioni candidate prima del rilascio. Per i settori regolamentati, questo crea una chiara catena di custodia per ogni configurazione degli agenti: cosa è cambiato, quando e chi l’ha approvato.
Progettati per la scala enterprise
Le funzionalità che presentiamo oggi estendono la piattaforma gestita che Cortex Agents già offre. Orchestrazione, esecuzione e controlli operativi aiutano i team a passare dalla prima implementazione in produzione a un’adozione estesa a tutta l’organizzazione.
Questo è stato il nostro obiettivo principale nello sviluppo degli agenti gestiti Snowflake: una piattaforma che semplifica la complessità operativa, così chi sviluppa può dedicare meno tempo alla manutenzione dell’infrastruttura e più tempo alla creazione di app AI. Man mano che le implementazioni di enterprise AI maturano, il lavoro si sposta dalla creazione degli agenti AI alla loro gestione operativa. È la prossima fase che Cortex Agents è progettato per supportare.
Inizia subito
- Prova il Code Execution Tool con questa configurazione del sandbox e del setup dei pacchetti
- Sviluppa il tuo primo workflow multi-agent con questa guida all’orchestrazione dichiarativa completa di esempi funzionanti
- Guarda le demo di Snowflake Summit 2026 per vedere queste funzionalità in azione live
Affermazioni riferite al futuro: questo blog post contiene affermazioni riferite al futuro, incluse dichiarazioni relative a prodotti, funzionalità e capacità in fase di sviluppo, non ancora in GA o comunque non ancora disponibili. Queste affermazioni riferite al futuro sono soggette a rischi e incertezze che potrebbero far sì che i risultati effettivi differiscano in modo sostanziale. Per una descrizione più dettagliata dei rischi che potrebbero causare differenze nei risultati effettivi, consulta i documenti depositati da Snowflake presso la SEC.
