MongoDB ha lanciato Atlas Agent Engine, un nuovo livello unificato per esecuzione, memoria, retrieval e governance degli agenti AI in produzione, progettato per evitare alle aziende di costruire un’infrastruttura separata o di vincolarsi a un singolo modello, framework o cloud provider. La piattaforma è stata presentata durante l’Investor Day del 29 settembre 2026 al Nasdaq MarketSite di New York ed è disponibile in public preview per nuovi ed esistenti clienti Atlas. L’obiettivo è affrontare uno dei principali problemi che emergono quando un agente passa dal proof of concept alla produzione: per operare in modo affidabile deve recuperare contesto accurato, conservare memoria persistente, rispettare identità e permessi, mantenere audit trail e controlli sui costi e continuare a funzionare anche quando cambiano modelli o framework. Atlas Agent Engine riunisce queste capacità sullo stesso data layer già utilizzato da oltre 70.000 clienti MongoDB, aggiungendo quindi funzioni agentiche all’infrastruttura esistente anziché richiedere un nuovo stack. La componente di retrieval utilizza MongoDB Voyage AI, con modelli di embedding e reranking già integrati nell’ecosistema Atlas, mentre runtime, memoria e governance possono essere adottati insieme oppure separatamente. Atlas Agent Runtime e Atlas Agent Memory utilizzano un modello di prezzo a consumo e l’utilizzo viene conteggiato sugli impegni Atlas già sottoscritti dal cliente, senza richiedere un contratto distinto.
La governance viene applicata attraverso un unico control plane nel quale ogni azione viene associata a un’identità reale, umana o agentica, registrata e sottoposta a policy che non possono essere semplicemente disattivate dall’agente durante l’esecuzione. In questo modo identità, audit, guardrail e controllo dei costi non devono essere gestiti attraverso componenti separati, e l’organizzazione può ricostruire rapidamente cosa abbia fatto un agente, con quali autorizzazioni e utilizzando quale contesto. La memoria persistente è incorporata direttamente nella piattaforma e utilizza embedding Voyage AI e le capacità native di retrieval di MongoDB, evitando che ogni nuovo agente debba costruire da zero un proprio sistema per mantenere cronologia e contesto tra sessioni successive. Atlas Agent Engine rimane però volutamente aperto rispetto al livello superiore: supporta modelli e framework differenti, utilizza standard come Model Context Protocol e Agent2Agent e viene progettato per funzionare su cloud differenti, in ambienti self-managed e anche localmente, così che un agente possa essere spostato da un’infrastruttura a un’altra senza essere ricostruito completamente. MongoDB sta inoltre aderendo alla Open Secure AI Alliance e alla Agentic AI Foundation della Linux Foundation per contribuire allo sviluppo di standard aperti dedicati alla sicurezza e all’interoperabilità degli agenti. Questa strategia prosegue il lavoro già avviato nel 2026 con Managed MCP Server, che collega direttamente Atlas a strumenti come Claude Code, Codex, Grok Build e Devin, e con le funzioni di embedding, reranking e Vector Search integrate nella piattaforma.
Il sistema viene presentato soprattutto come infrastruttura per agenti che devono lavorare su dati operativi aggiornati e produrre azioni reali, non soltanto risposte conversazionali. Paysafe, per esempio, sta valutando Atlas Agent Engine per ridurre il lavoro manuale necessario agli analisti quando devono investigare attività anomale sulla rete dei pagamenti, collegando automaticamente informazioni provenienti da sistemi diversi e accorciando il tempo tra l’emersione di un problema e l’intervento umano. Accenture collaborerà invece sul deployment enterprise combinando la piattaforma MongoDB con capacità di governance, architettura e conoscenza verticale dei settori. Atlas Agent Engine viene inoltre inserito in una serie più ampia di annunci che comprende MongoDB 9.0 e Atlas Infinite: MongoDB 9.0 rafforza la piattaforma dati di base, Atlas Infinite è destinato ad ampliarne la capacità di scalare, mentre Agent Engine aggiunge sopra questo livello esecuzione governata, memoria e contesto per gli agenti AI. La direzione è quindi quella di utilizzare MongoDB non soltanto come database o sistema di retrieval, ma come infrastruttura operativa nella quale dati real-time, ricerca, memoria e governance rimangono nello stesso ambiente mentre modelli e framework possono cambiare nel tempo senza costringere le aziende a ricostruire l’intera architettura agentica.
Questo articolo è stato redatto con il supporto di strumenti di intelligenza artificiale (AI)