Contesto storico e sviluppo dell’estensione

L’autunno 2026 segna diversi traguardi per l’intelligenza artificiale agentica. Questo mese Agent Skills compie il suo primo anniversario; il prossimo mese Model Context Protocol (MCP) festeggerà il secondo; e lo scorso mese le due iniziative si sono fuse in Skills over MCP, definita nella SEP‑2640 e ora riconosciuta come estensione ufficiale di MCP. Durante l’evento AGNTCon + MCPCon Europe ad Amsterdam, il co‑creatore di MCP David Soria Parra ha annunciato questo importante sviluppo, destinato a trasformare il modo in cui le organizzazioni scalano le competenze degli agenti e le capacità che queste abilità abilitano.

Skills over MCP è una proposta di miglioramento (SEP) per MCP che, come suggerisce il nome, definisce una convenzione per servire le skill degli agenti direttamente da un server MCP. In pratica, i server MCP possono ora offrire sia gli strumenti sia le istruzioni per usarli efficacemente – le skill – come un’unica unità dinamica. Una volta pubblicata, qualsiasi agente collegato al server può scoprire e eseguire la skill, previa verifica di salvaguardie e approvazioni. Gli aggiornamenti alle skill esistenti diventano immediatamente disponibili a tutti gli agenti connessi.

Il gruppo di lavoro e il ruolo di Bloomberg

L’estensione è stata sviluppata dal Skills over MCP Working Group, co‑diretto da Sambhav Kothari, Head of Foundational AI Platforms di Bloomberg, da Ola Hungerford di Nordstrom e da Peter Alexander di Anthropic. Kothari è co‑autore della SEP‑2640, guida il Financial Services Interest Group (FSIG) di MCP e fa parte del Technical Committee dell’Agentic AI Foundation (AAIF), di cui Bloomberg è membro Platinum inaugurale.

Il prodotto di punta di Bloomberg, ASKB, la soluzione AI agentica del Bloomberg Terminal, ha fungito da banco di prova reale per molte delle considerazioni di design e implementazione dell’estensione. Bloomberg è stata una delle prime organizzazioni a implementare la bozza iniziale di Skills over MCP nel maggio 2025. “Mentre implementavamo Skills over MCP internamente, abbiamo iterato sul draft a stretto contatto con il team ASKB per perfezionare l’interfaccia per un ambiente di produzione enterprise”, ha dichiarato Kothari. “Abbiamo potuto testare le decisioni su più coorti e fornire feedback a monte.”

“Ora continuiamo a migliorare lo standard basandoci su ciò che apprendiamo con l’aumentare dell’adozione”, ha aggiunto.

Perché servire le skill su MCP?

Le prime skill di ASKB sono state create nel modo tradizionale, come file pacchettizzati con l’agente. “Abbiamo iniziato integrando le skill direttamente in ASKB con metodi convenzionali, ma abbiamo rapidamente scoperto che questo approccio non scalava oltre un singolo team”, spiega Gaurav Kumar, AI Engineering Team Lead responsabile delle capacità agentiche di ASKB. “Una volta dimostrata l’utilità del prototipo, siamo riusciti ad applicare gli stessi principi di scaling usati per i Tools, consentendo alle altre squadre di integrare facilmente la loro expertise in ASKB tramite MCP.”

Sotto la problematica di scaling si cela un trade‑off comune a tutti i costruttori di agenti: un agente deve conoscere una capacità prima di poterla usare, perciò o si limita a poche capacità, o si riempie la sua finestra di contesto con istruzioni spesso irrilevanti.

“C’è sempre questa tensione nella gestione del contesto che inseriamo in ASKB. In generale, si desidera un contesto più corto”, osserva Andy Liu, AI Engineering Team Lead che si occupa dell’integrazione di Instant Bloomberg (IB) e ASKB. “Un contesto più corto significa latenza più bassa e migliore aderenza alle istruzioni, ma si vuole anche che ogni tool funzioni al meglio, il che di solito richiede istruzioni più lunghe e dettagliate.”

Le skill degli agenti hanno tradizionalmente gestito questo problema con la progressive disclosure. L’agente carica inizialmente solo il nome e una breve descrizione di ogni skill disponibile, e legge le istruzioni complete nel file SKILL.md solo dopo averla selezionata. Tuttavia, poiché quei file risiedevano localmente, ogni nuova o aggiornata skill doveva essere sincronizzata su tutti gli utenti, generando disallineamenti di versione e flussi di lavoro frammentati.

Soluzione: skill centralizzate su MCP

Per eliminare questi colli di bottiglia, i team hanno spostato la guida all’interno del server MCP, inserendola nelle descrizioni dei tool e nelle istruzioni del server. Il server possiede quel testo, quindi ogni agente connesso riceve la versione più recente. Il problema è che tutto il contenuto viene caricato al momento della connessione, indipendentemente dal fatto che il compito lo richieda o meno, riaccentrando così il problema della finestra di contesto sovraccarica.

Skills over MCP è stata progettata per rimuovere questo trade‑off, consentendo una “disclosure progressiva” direttamente dal server MCP.

Come funziona Skills over MCP

Il principio della SEP‑2640 è semplice: la conoscenza necessaria a un agente per svolgere un compito deve poter essere distribuita insieme alle capacità su cui agisce. Una skill può includere istruzioni, conoscenza di dominio, workflow e risorse di supporto, rendendole disponibili all’agente solo quando necessario. Come afferma Angie Jones, vicepresidente di AAIF, in un blog di giugno: “spedisci il manuale con il prodotto.” In pratica, quel “manuale” può andare ben oltre la descrizione di un tool: può codificare l’expertise necessaria per completare un’intera attività o operare efficacemente in un dominio.

Un server MCP che supporta l’estensione espone ogni skill come un insieme di risorse MCP standard, tipicamente sotto lo schema URI skill://. Implementa inoltre due metodi principali per consentire agli agenti di trovarle:

    • skills/list restituisce l’elenco delle skill presenti sul server, con nome, descrizione, front‑matter e un manifesto dei file (dimensioni e digest SHA‑256).
    • skills/get restituisce le stesse informazioni per una singola skill identificata per URI, includendo anche skill non presenti nella lista.

Quando l’agente sceglie una skill, il suo host legge il file SKILL.md e gli eventuali file di supporto (template, CSV, ecc.) mediante la chiamata standard resources/read, e lo fa solo al momento del bisogno. Un terzo metodo opzionale, resources/directory/read, permette all’agente di navigare i file della skill come farebbe con una directory.

In pratica, questo porta la progressive disclosure ai server MCP centralizzati. Quando un team pubblica una nuova skill, appare automaticamente per tutti gli agenti connessi che supportano l’estensione, e gli aggiornamenti vengono recepiti senza reinstallazioni.

Impatto sulla standardizzazione e sullo scaling di Bloomberg

La standardizzazione e lo scaling fluidi ottenuti sono stati un vantaggio cruciale per lo sviluppo di ASKB. “Ha permesso di decouplare le skill dell’agente dalla gestione centralizzata di un unico team, consentendo a più team di contribuire con la loro expertise”, ha spiegato Kothari.

“Ora esiste un percorso già tracciato per aggiungere nuova intelligenza e contesto al sistema”, ha aggiunto Brendan Fahy, AI Lead Engineer per ASKB.

Fahy ha lavorato a questo problema da tempo. Bloomberg aveva iniziato a applicare la progressive disclosure alle capacità di ASKB già a gennaio 2025, mesi prima che le skill agentiche fossero formalizzate. “Prima che avesse un nome nel mondo degli agenti, la progressive disclosure era qualcosa che perseguivamo come prerequisito per scalare”, ha commentato. “Ora abbiamo uno standardizzato, centralizzato e dinamico che risolve i problemi di versionamento e di contesto, rendendo possibile una vera collaborazione inter‑team su scala globale.”

Prospettive future e adozione

Con l’adozione in crescita, Bloomberg prevede ulteriori iterazioni dello standard. Le organizzazioni interessate a implementare Skills over MCP dovranno:

    • Assicurare che il proprio server MCP supporti i metodi skills/list e skills/get;
    • Definire un processo di governance per la creazione, revisione e approvazione delle skill;
    • Integrare i controlli di sicurezza e le policy di accesso per evitare l’esecuzione non autorizzata di skill potenzialmente rischiose;
    • Monitorare le metriche di utilizzo per ottimizzare le dimensioni dei file SKILL.md e ridurre la latenza.

Il modello di collaborazione tra Bloomberg, Nordstrom e Anthropic dimostra che la standardizzazione delle skill è possibile anche in settori altamente regolamentati come i servizi finanziari. L’estensione Skills over MCP, ora parte integrante del Model Context Protocol, apre la strada a un ecosistema di agenti più flessibile, aggiornabile in tempo reale e capace di condividere conoscenze di dominio in modo sicuro e controllato.

Conclusioni

Skills over MCP rappresenta una svolta nella gestione delle competenze agentiche, trasformando la distribuzione delle skill da un processo locale e frammentato a un servizio centralizzato, dinamico e scalabile. L’esperienza di Bloomberg con ASKB dimostra che, con le giuste governance e un’implementazione attenta, è possibile superare le limitazioni tradizionali di contesto e versionamento, favorendo la collaborazione inter‑team e accelerando l’adozione di soluzioni AI avanzate in ambito enterprise.