Vertex AI

L'archivio di esempio AP2 di Google separa in due la sua guida sull'autenticazione: una chiave API Google per lo sviluppo, Vertex AI per le implementazioni in produzione. Questa distinzione dice già gran parte di cosa sia Vertex AI nella pratica: la superficie GCP in cui scegliere un modello smette di essere una comodità e diventa un impegno operativo.

Gli annunci sui modelli seguono lo stesso schema. Quando Google ha reso Gemini 2.5 Flash-Lite stabile e disponibile su vasta scala nel luglio 2025, al prezzo di $0.10 per milione di token in input e $0.40 per milione di token in output, lo ha rilasciato tramite Google AI Studio e Vertex AI. La selezione multi-modello è la funzione dichiarata della piattaforma: scegliere il modello richiesto dal carico di lavoro, dalla classificazione e traduzione a bassa latenza fino al ragionamento più approfondito.

La domanda più difficile si colloca a un livello superiore rispetto a questa selezione. Janakiram MSV legge lo stack per agenti enterprise come tre fornitori che convergono su un'unica architettura: Gemini Enterprise Agent Platform, insieme a Bedrock AgentCore e Microsoft Foundry, assembla ciascuno runtime, memoria, gateway per gli strumenti, identità, osservabilità e governance sotto nomi diversi. Nessun contratto di portabilità li collega. Stato di sessione, tracce e identità finiscono tutti presso un unico fornitore, e spostare un agente un anno dopo significa ricostruirlo. Mathieu Grymonprez, Global CDO di Adeo, indica proprio questo lock-in dell'intelligenza enterprise come la sua preoccupazione principale, pur riconoscendo a Google una "conscience de la prod" che non ritrova ancora in OpenAI o Anthropic.

I protocolli aperti come MCP forniscono molti dei mattoni di base. Il ciclo di vita che sta sopra di essi, versionamento, promozione, rollback, resta comunque quello della piattaforma su cui si è scelto di implementare.