TrueFoundry ha rilasciato TrueForge, un framework open source per l’esecuzione e l’orchestrazione di agenti di intelligenza artificiale progettato per offrire agli sviluppatori maggiore controllo sui modelli, sugli strumenti e sui costi operativi. Il progetto è distribuito con licenza MIT e può quindi essere utilizzato con modelli proprietari o open source, modificato, ospitato autonomamente e integrato all’interno di prodotti commerciali. TrueFoundry, startup B2B fondata nel 2021 e specializzata inizialmente in infrastrutture per machine learning, posiziona TrueForge come un runtime indipendente dal fornitore destinato in particolare agli ambienti aziendali nei quali convivono più agenti, strumenti MCP e modelli differenti.
Uno degli elementi centrali del framework è la gestione del contesto inviato ai modelli durante l’esecuzione degli agenti. TrueForge evita di caricare indiscriminatamente tutte le informazioni disponibili nella finestra di contesto e utilizza invece diverse tecniche per ridurre il numero di token elaborati: gli schemi degli strumenti MCP vengono caricati soltanto quando servono, le attività isolate possono essere delegate a sub-agenti, i risultati particolarmente voluminosi vengono spostati su file anziché mantenuti nella conversazione attiva e i dati strutturati possono essere elaborati direttamente tramite codice. Il sistema supporta inoltre la compattazione automatica delle conversazioni lunghe, con una soglia predefinita di 50.000 token configurabile separatamente per ogni agente.
TrueFoundry sostiene che questa architettura possa tradursi direttamente in una riduzione dei costi. In un benchmark condotto su Enterprise-Bench di DevRev, TrueForge abbinato al modello open source GLM-5.2 ha completato correttamente 11 delle 14 attività previste, relative all’utilizzo multi-step di strumenti in sistemi CRM, gestione documentale e issue tracking. Il costo dichiarato per questa configurazione è stato di 2,90 dollari, contro 11,80 dollari per ottenere gli stessi risultati con Claude Managed Agents di Anthropic basato su Claude Opus 4.8, con un risparmio indicato da TrueFoundry intorno al 75%. Utilizzando Opus 4.8 in entrambe le configurazioni, TrueForge avrebbe comunque registrato una spesa di circa 8,50 dollari, corrispondente a una riduzione dei costi prossima al 30%.
La sandbox viene utilizzata secondo un modello diverso rispetto ai runtime nei quali l’intero agente rimane costantemente all’interno di un ambiente isolato. In TrueForge il ciclo principale dell’agente viene eseguito sul server, mentre la sandbox viene attivata come strumento soltanto quando è necessario eseguire codice o manipolare file. Secondo TrueFoundry questa impostazione consente di ridurre l’utilizzo di risorse computazionali e di aumentare il numero di agenti eseguibili contemporaneamente sulla stessa infrastruttura. Il framework comprende inoltre orchestrazione di strumenti MCP, sub-agenti, sessioni persistenti, checkpoint per l’approvazione umana, modalità di esecuzione tramite codice, offload di output voluminosi, tracing e supporto a interfacce generative.
TrueForge è stato progettato anche per facilitare il passaggio dallo sviluppo locale alla produzione. Uno sviluppatore può avviare il sistema localmente con un singolo comando utilizzando SQLite e mantenere successivamente la stessa configurazione durante la migrazione verso un ambiente condiviso basato su Docker Compose o Helm, Postgres e Redis. TrueFoundry precisa tuttavia che la configurazione locale non è destinata a essere esposta direttamente su Internet o utilizzata come servizio di produzione.
Il framework si colloca al di sopra dell’AI Gateway commerciale già offerto da TrueFoundry. Il gateway gestisce centralmente l’accesso ai modelli e ai server MCP, le credenziali, le autorizzazioni, i budget, il routing, l’osservabilità, i meccanismi di protezione e il failover, mentre TrueForge gestisce il ciclo agentico vero e proprio nel quale il modello ragiona, richiama strumenti, riceve i risultati e continua l’esecuzione fino al completamento dell’attività. Le due componenti possono essere utilizzate insieme, ma TrueForge può funzionare anche in modo autonomo o essere collegato a infrastrutture differenti.
L’indipendenza del framework dal gateway comporta tuttavia una distinzione importante dal punto di vista della governance. La versione open source non eredita automaticamente controlli aziendali come single sign-on, identità, autorizzazioni e policy di accesso. Questi meccanismi devono quindi essere implementati separatamente oppure forniti da un’altra infrastruttura. Collegando TrueForge all’AI Gateway di TrueFoundry, gli agenti possono invece utilizzare identità e autorizzazioni già definite per modelli, strumenti, server MCP, competenze e altri agenti, trasformando il gateway nel punto centralizzato per il controllo degli accessi.
TrueForge entra in un segmento già occupato da framework e runtime con approcci differenti. DeepSeek Harness è anch’esso open source con licenza MIT e punta su un’architettura fortemente modulare, nella quale modelli, strumenti, archiviazione e loop dell’agente possono essere sostituiti come plugin. OpenAI Codex CLI, distribuito con licenza Apache 2.0, è maggiormente focalizzato sui flussi di lavoro di sviluppo software e comprende accesso ai repository, operazioni sui file, shell, strumenti MCP, sandbox, autorizzazioni e gestione del contesto. LangChain Deep Agents offre invece un’infrastruttura generalista costruita su LangGraph, con pianificazione, sub-agenti, memoria persistente, filesystem, strumenti MCP e controlli human-in-the-loop. Claude Managed Agents di Anthropic adotta infine un modello completamente gestito, nel quale Anthropic controlla runtime e infrastruttura, con costi legati al consumo dei token Claude e una tariffa aggiuntiva di 0,08 dollari per ogni ora di sessione attiva.
TrueFoundry ha già sperimentato TrueForge con alcuni clienti aziendali. NetApp ha partecipato come beta user contribuendo alla definizione dei requisiti e ha impiegato la tecnologia in attività di gestione degli incidenti, smistamento dei ticket e strumenti self-service per gli sviluppatori interni. Tra i primi utilizzatori è stata indicata anche Automattic. L’obiettivo dichiarato da TrueFoundry non è sostituire tutti i framework per agenti esistenti, ma permettere alle aziende di eseguire agenti provenienti da piattaforme differenti mantenendo sotto uno stesso livello infrastrutturale governance, accessi, monitoraggio e controllo della spesa.
TrueFoundry è stata fondata nel 2021 da Nikunj Bajaj, Abhishek Choudhary e Anuraag Gutgutia, con esperienze precedenti rispettivamente in Meta e WorldQuant, e ha iniziato la propria attività fornendo strumenti per la distribuzione, l’addestramento e la gestione di modelli di machine learning su Kubernetes. Con l’espansione dell’intelligenza artificiale generativa in ambito enterprise, la società ha progressivamente esteso il proprio stack verso la gestione di LLM, strumenti e agenti. Nel 2025 l’AI Gateway è diventato uno degli elementi centrali della piattaforma, operando come livello intermedio tra applicazioni aziendali e provider di modelli.
La società ha raccolto complessivamente circa 21 milioni di dollari di finanziamenti, compreso un round di Serie A da 19 milioni di dollari concluso nel febbraio 2025 e guidato da Intel Capital, con la partecipazione di Eniac Ventures, Surge di Peak XV, Jump Capital e diversi angel investor. In quel periodo TrueFoundry dichiarava una base clienti quadruplicata su base annua e più di 1.000 cluster gestiti per carichi di lavoro di machine learning. All’inizio del 2026 l’azienda indicava oltre 30 clienti paganti a livello globale, più di 1,5 milioni di dollari di fatturato ricorrente annuo e oltre 10 miliardi di richieste elaborate ogni mese attraverso il proprio AI Gateway.
Tra le aziende associate alle implementazioni della piattaforma figurano NetApp, Siemens Healthineers, ResMed, Automation Anywhere, Nvidia, Games24x7 e Synopsys. Nel giugno 2026 TrueFoundry ha inoltre acquisito la britannica Seldon AI, storica società del settore MLOps e sviluppatrice di Seldon Core, rafforzando ulteriormente il proprio stack per la distribuzione e l’inferenza dei modelli in produzione. Con TrueForge, l’azienda estende ora questa infrastruttura fino al livello di runtime degli agenti, affiancando al piano di controllo per modelli e strumenti un framework nel quale gli agenti possono essere direttamente eseguiti e orchestrati.
Questo articolo è stato redatto con il supporto di strumenti di intelligenza artificiale (AI)