#ai

Objet Trouvé (Original unverlangt zugesendet) no. 047

Photography AIdada

Meister Jeder, Dadaist und Wahrnehmer 7/26
#dada #ObjetTrouvé #photography #AIdada #AI

Negli ultimi giorni numerosi utenti di Google Gemini stanno segnalando gravi rallentamenti nell’app: risposte che richiedono minuti invece che secondi, schermate di caricamento che non si sbloccano mai e, in diversi casi, la comparsa dell’errore “Error 1076” che blocca del tutto l’elaborazione. Il problema non sembra limitato a un singolo modello, ma coinvolgerebbe più versioni di Gemini contemporaneamente, mentre da Google non è ancora arrivata alcuna comunicazione ufficiale su cause e tempi di risoluzione.

Richieste che non si concludono piùLe prime segnalazioni risalgono al weekend, ma la situazione si sarebbe aggravata nettamente negli ultimi giorni. Prompt che normalmente ottenevano una risposta in pochi secondi restano ora in caricamento per tempi anomali, e in molti casi l’elaborazione si blocca definitivamente senza produrre alcun output, lasciando l’app di fatto inutilizzabile.

Cambiare modello non risolve il problemaCiò che rende la situazione particolarmente fastidiosa è che i rimedi più comuni non sembrano funzionare: passare a un modello più leggero come Gemini 3.5 Flash Lite, oppure disattivare funzioni come “Personal Intelligence”, non elimina né i rallentamenti né la comparsa dell’errore 1076. Questo fa pensare che il problema non dipenda dai dispositivi o dalle impostazioni degli utenti, ma da un malfunzionamento lato server o infrastruttura sui sistemi di Google.

I disservizi confermati anche da DowndetectorL’aumento delle segnalazioni è confermato anche dai portali che monitorano i disservizi in tempo reale, dove le anomalie legate a Gemini risultano in crescita. Nel frattempo, in assenza di dichiarazioni ufficiali, circolano diverse ipotesi: c’è chi pensa a un intervento su larga scala sull’infrastruttura di backend, magari propedeutico al lancio di Gemini 3.5 Pro o comunque a un miglioramento generale delle prestazioni. Al momento, però, si tratta solo di supposizioni non confermate da Google.

Vista la diffusione di Gemini come strumento quotidiano per ricerche, scrittura e organizzazione delle informazioni, resta da capire se si tratti di un disservizio temporaneo o del sintomo di un intervento più ampio sui sistemi dell’azienda. Continueremo a seguire la vicenda in attesa di una comunicazione ufficiale da parte di Google.

Is the bubble bursting? 🫧

Big Tech platforms such as LinkedIn, Snapchat, Substack and YouTube now have 'AI Slop' controls.

As more and more people agree that AI content is low quality, repetitive, and unsatisfactory, platforms which once celebrated AI content are paying attention.

What do you think? Should we add AI Slop controls to the Fediverse?

#AI #AIControls #SocialMedia #SocialWeb #Slop #Technology

=> must read for users of AI generated images

#ai #imaging #internet #publications #copyright #news #writers #blogs #art #authors #photography #painting #books #journalism

https://open.substack.com/pub/borked/p/the-ugly-truth-about-using-ai-to?utm_source=share&utm_medium=android&r=8fhld0

Sharp ha ufficialmente presentato AQUOS wish6, il nuovo capitolo della sua serie di smartphone entry-level pensati per l’uso quotidiano. Il dispositivo punta su un ampio display da circa 6,6 pollici, una batteria da 5.000 mAh e una scocca robusta, e arriverà in Giappone e Taiwan a partire dalla metà di settembre 2026 in tre colorazioni: SORA, KINU e SUMI.

Display più luminoso e fluidoIl pannello da circa 6,6 pollici raggiunge una luminosità massima di circa 1.000 nit, praticamente il doppio rispetto al modello precedente AQUOS wish5, garantendo una migliore leggibilità anche sotto la luce diretta del sole. Il display supporta inoltre un refresh rate a 120Hz, per uno scorrimento più fluido nelle app compatibili e una visione più gradevole dei contenuti video.

Scocca rinforzata e batteria da 5.000 mAhIl telaio integra componenti metallici che assicurano sottigliezza e resistenza alla flessione, mentre la scocca posteriore adotta una finitura goffrata opaca, poco incline a trattenere le impronte e più salda al tatto. La batteria da 5.000 mAh, unita alla certificazione di resistenza ad acqua e polvere (IPX5/IPX8/IPX9, IP6X) e alla conformità a 18 voci dello standard militare statunitense MIL-STD-810H, fa di AQUOS wish6 un dispositivo pensato per l’uso intensivo di tutti i giorni.

Funzioni AI contro truffe e chiamate molesteSharp ha inserito anche diverse funzioni pensate per la sicurezza personale. L’allarme antifurto emette un forte segnale acustico semplicemente scuotendo il telefono e può inviare via SMS la posizione dell’utente fino a tre contatti di emergenza preimpostati.

Un sistema basato su intelligenza artificiale analizza inoltre il contenuto delle chiamate per segnalare potenziali truffe telefoniche, con la possibilità di limitare le chiamate in entrata e in uscita verso l’estero, uno strumento pensato contro le truffe internazionali. Completa il quadro un assistente telefonico AI in grado di trascrivere automaticamente i messaggi lasciati quando non si riesce a rispondere.

Display: circa 6,6″, 120Hz, luminosità massima ~1.000 nit

Batteria: 5.000 mAh

Resistenza: IPX5/IPX8/IPX9, IP6X, MIL-STD-810H (18 test)

Colori: SORA, KINU, SUMI

Uscita: Giappone e Taiwan da metà settembre 2026

Più che una gara di specifiche, AQUOS wish6 punta sulla praticità quotidiana, con uno schermo comodo da leggere, buona autonomia, robustezza e funzioni di sicurezza pensate per un pubblico ampio. Restano da chiarire prezzo definitivo e modalità di vendita nei singoli mercati.

CMF, il sottomarchio di Nothing, è finito al centro di una piccola polemica legata al lancio dei nuovi auricolari CMF Clip Pro. Un’immagine promozionale pubblicata su X ha confermato il design a clip open-ear di cui si vociferava da tempo, ma ha anche rivelato l’uso di contenuti generati con l’intelligenza artificiale, scatenando critiche che hanno portato l’azienda a rimuovere il post nel giro di poco tempo.

Un design a clip che si aggancia all’orecchioIl post rimosso mostrava una persona che indossava i CMF Clip Pro, accompagnata dallo slogan “Built to move. Styled to stay.”. Diversamente dai tradizionali auricolari in-ear, il prodotto mostrato nell’immagine si aggancia esternamente all’orecchio con un meccanismo a clip, confermando le indiscrezioni circolate finora su un design open-ear, categoria sempre più diffusa tra chi vuole ascoltare musica restando comunque consapevole dei suoni circostanti.

Il vero problema non era il prodotto, ma l’immagineAd attirare l’attenzione non è stato tanto il prodotto in sé, quanto l’immagine utilizzata per promuoverlo. Diversi utenti hanno notato dettagli innaturali nella texture della pelle del modello, oltre a un auricolare che sembrava più “incollato” digitalmente sulla foto che effettivamente indossato. A confermare i sospetti, l’immagine conteneva anche una filigrana che dichiarava esplicitamente l’uso di elementi generati con l’intelligenza artificiale.

CMF rimuove il post dopo le criticheDi fronte alle reazioni negative, CMF ha deciso di eliminare il post da X. L’episodio si aggiunge a un dibattito più ampio nel settore tech sull’uso di immagini generate dall’AI nelle campagne promozionali, spesso percepito dagli utenti come poco trasparente quando non dichiarato con chiarezza fin da subito.

Design confermato, dettagli ancora da chiarireNonostante la controversia, il materiale diffuso ha comunque confermato le linee generali del design a clip open-ear dei CMF Clip Pro, in linea con le indiscrezioni precedenti. Restano invece ancora poco chiari i dettagli più fini, come l’angolazione esatta di aggancio all’orecchio, proprio a causa della natura non del tutto affidabile dell’immagine diffusa.

Presentazione ufficiale il 4 agostoCMF non ha ancora comunicato specifiche tecniche o prezzo dei Clip Pro, informazioni attese in occasione della presentazione ufficiale fissata per il 4 agosto, quando dovrebbero emergere dettagli su qualità audio, autonomia della batteria, comfort di utilizzo e funzionalità di connettività.

Nothing potrebbe essere pronta a un cambio di rotta strategico, trasformandosi da produttore di smartphone a “azienda AI-first”. Secondo fonti vicine al settore, il marchio britannico intende spostare il proprio baricentro verso prodotti basati sull’intelligenza artificiale, puntando su auricolari e smartwatch come nuovi motori di crescita. La prima fase di questo piano dovrebbe partire gradualmente da settembre 2026.

Smartphone in secondo piano rispetto all’AINothing si è finora fatta conoscere grazie al design distintivo dei propri smartphone. Tuttavia, complice un mercato sempre più competitivo e margini di profitto in calo, l’azienda starebbe spostando l’attenzione verso i prodotti legati all’intelligenza artificiale. La strategia sarebbe guidata dal co-fondatore Carl Pei, che considererebbe i dispositivi AI come il prossimo grande pilastro di crescita del marchio, potenzialmente a scapito dello sviluppo di nuovi smartphone.

In arrivo diversi nuovi prodotti con AI integrataSecondo le indiscrezioni, sia il brand Nothing che il sotto-marchio CMF lanceranno una serie di nuovi prodotti dotati di funzioni AI. Tra i nomi che circolano al momento figurano i CMF Ear Clip Buds, gli Nothing Headphones di seconda generazione, un nuovo Nothing Smartwatch e i CMF Speakers, questi ultimi destinati a rappresentare una categoria del tutto nuova per l’azienda.

CMF Ear Clip Buds

Nothing Headphones (seconda generazione)

Nothing Smartwatch

CMF Speakers (nuova categoria di prodotto)

Lancio previsto prima dell’evento iPhone di AppleSecondo la fonte della soffiata, il primo gruppo di nuovi prodotti potrebbe essere presentato tra agosto e settembre, con tempistiche pensate per anticipare il consueto evento di lancio dei nuovi iPhone di Apple, solitamente calendarizzato a settembre. Una mossa che potrebbe aiutare Nothing a catalizzare l’attenzione mediatica in un periodo dell’anno particolarmente affollato di annunci.

Design distintivo confermato anche sui nuovi prodottiNonostante il cambio di strategia, Nothing dovrebbe mantenere intatta la propria identità estetica, fatta di scocche semi-trasparenti e un linguaggio di design riconoscibile. Se le indiscrezioni si confermeranno, l’azienda fondata da Carl Pei potrebbe evolversi da produttore di smartphone a marchio dedicato a dispositivi audio e wearable potenziati dall’intelligenza artificiale, ridefinendo così il proprio posizionamento nel mercato tech.

Claude Swap gestisce via CLI più abbonamenti/account https://gioxx.org/2026/07/29/claude-swap

#ai #claude #cli #github #opensource #python #script #software #terminale #vscode

“Scusate, ha stato l’IA”: il caso OpenAI e Hugging Face https://gioxx.org/2026/07/23/openai-huggingface-exploitgym

#ai #inevidenza #openai #sicurezza

Si parla di:

Toggle

Per la prima volta un fornitore di infrastruttura AI ammette pubblicamente di essere stato violato da un attacco condotto end-to-end da un agente AI autonomo, senza un operatore umano al comando durante l’intrusione vera e propria. Hugging Face, il più grande repository al mondo di modelli e dataset open source, ha reso noto il 16 luglio di aver rilevato e contenuto un’intrusione nella propria infrastruttura di produzione partita da un dataset malevolo e proseguita per un intero weekend attraverso migliaia di azioni automatizzate. L’ironia non è sfuggita a nessuno: la piattaforma che ospita gran parte dell’ecosistema AI open source è stata compromessa da un attacco reso possibile proprio dall’AI agentica.

Il vettore: la pipeline di elaborazione datasetIl punto di ingresso non è stato un endpoint applicativo generico, ma il cuore stesso del business di Hugging Face: la pipeline che processa i dataset caricati dagli utenti. Un dataset predisposto ad hoc ha sfruttato due distinti code-execution path nel sistema di elaborazione: un remote-code dataset loader (una funzionalità che consente l’esecuzione di codice personalizzato durante il caricamento di certi formati di dataset) e una vulnerabilità di template injection nella configurazione del dataset stesso. La combinazione ha permesso l’esecuzione di codice arbitrario su un processing worker — il classico “primo piede nella porta” che qualunque red teamer riconoscerebbe, solo che qui a orchestrare i passi successivi non c’era una persona.

Da quel singolo worker compromesso, l’attaccante ha scalato privilegi fino ad accesso a livello di nodo, raccolto credenziali cloud e di cluster, e si è mosso lateralmente in diversi cluster interni nell’arco di un intero fine settimana — la finestra temporale preferita da chi attacca infrastrutture aziendali, quando il personale di sicurezza è ridotto e la reattività cala. Hugging Face ha successivamente confermato l’accesso non autorizzato a un insieme limitato di dataset interni e a diverse credenziali di servizio, ma nessuna evidenza di manomissione di modelli, dataset o Spaces pubblici, e la supply chain software (immagini container, pacchetti pubblicati) è risultata pulita.

Uno sciame di sandbox, non uno scriptCiò che distingue questo incidente da un normale attacco automatizzato è la scala e l’autonomia dell’orchestrazione. Secondo Hugging Face, la campagna è stata condotta da un framework di agenti autonomi — verosimilmente costruito su un harness da security research agentico, anche se il modello linguistico usato dall’attaccante resta sconosciuto — capace di eseguire migliaia di azioni individuali distribuite su uno sciame di sandbox effimere, con un’infrastruttura di comando e controllo self-migrating ospitata su servizi pubblici legittimi (una tecnica di “living off trusted services” che rende il traffico C2 difficile da distinguere da normale attività cloud). È esattamente lo scenario dell'”agentic attacker” che l’industria della sicurezza discute da mesi come previsione teorica, qui osservato per la prima volta in produzione contro un target reale.

La caccia forense: quando i guardrail bloccano i difensoriLa parte più istruttiva della disclosure riguarda la risposta all’incidente. Il rilevamento iniziale è arrivato da una pipeline di anomaly-detection che usa LLM per il triage della telemetria di sicurezza: è stata la correlazione automatica dei segnali a far scattare l’allarme. Per ricostruire cosa avesse fatto realmente lo sciame di azioni automatizzate, il team ha fatto girare agenti di analisi LLM sull’intero log delle azioni dell’attaccante — oltre 17.000 eventi registrati — per ricostruire la timeline, estrarre indicatori di compromissione, mappare le credenziali toccate e separare l’impatto reale dalle attività diversive. Un lavoro che con metodi tradizionali avrebbe richiesto giorni, completato in poche ore.

Ma è qui che Hugging Face ha incontrato un ostacolo inatteso, e potenzialmente rilevante per ogni team di incident response che lavora con modelli commerciali “hosted”: i primi tentativi di analisi con modelli frontier dietro API commerciali sono falliti, perché le richieste — che necessariamente contenevano comandi di attacco reali, exploit payload e artefatti C2 — venivano bloccate dai guardrail di sicurezza dei provider, incapaci di distinguere un incident responder legittimo da un attaccante. La soluzione è stata spostare l’analisi forense su GLM 5.2, modello open-weight del laboratorio cinese Z.ai, eseguito sull’infrastruttura interna dell’azienda: un doppio vantaggio, perché ha sbloccato l’analisi e ha evitato che dati dell’attaccante e credenziali compromesse uscissero dal perimetro aziendale.

L’asimmetria che nessuno aveva pianificatoHugging Face descrive questo come “un gap su cui vale la pena pianificare”: non si sa quale modello alimentasse gli agenti dell’attaccante — un modello hosted jailbreakato o uno open-weight senza restrizioni — ma in ogni caso l’attaccante non era vincolato da alcuna policy d’uso, mentre il lavoro forense legittimo dei difensori è stato bloccato proprio dai guardrail dei modelli hosted inizialmente scelti. La lezione pratica che l’azienda condivide con il settore: avere già pronto e validato, prima che scoppi un incidente, un modello capace eseguibile sulla propria infrastruttura, sia per evitare il lockout dei guardrail sia per mantenere dati e credenziali sensibili entro il proprio perimetro. Non è, precisano, un argomento contro le misure di sicurezza sui modelli hosted — è un feedback che l’azienda dice di aver già condiviso con i provider coinvolti.

Timeline dell’incidenteSettimana del 6 luglio 2026: rilevamento dell’intrusione nella pipeline di elaborazione dataset tramite anomaly-detection basata su LLM.

Weekend successivo al primo accesso: escalation di privilegi, raccolta di credenziali cloud/cluster, movimento laterale su più cluster interni condotto dallo sciame di agenti autonomi.

16 luglio 2026: pubblicazione della disclosure ufficiale sul blog Hugging Face, con dettaglio tecnico del vettore e delle contromisure adottate.

Contestualmente: chiusura dei code-execution path usati come accesso iniziale, rotazione precauzionale di credenziali e token, rafforzamento degli admission control sui cluster, coinvolgimento di specialisti forensi esterni e notifica alle forze dell’ordine.

Due righe per i difensoriQuesto incidente non è solo una curiosità tecnica: ridefinisce cosa significa “superficie di attacco” per qualunque piattaforma che elabora contenuti generati da utenti tramite pipeline automatizzate, AI o non AI.

Trattare ogni pipeline di data processing che esegue codice fornito dall’utente (loader personalizzati, plugin, configurazioni con logica di templating) come superficie di attacco di prima classe, non come funzionalità di prodotto neutra.

Validare in anticipo — prima di un incidente — un modello LLM eseguibile on-premise o in ambiente isolato per l’analisi forense, così da non dipendere da provider commerciali i cui guardrail possono bloccare legittime attività di incident response.

Assumere che attacchi “a sciame” con orchestrazione agentica possano operare a velocità e scala superiori a quelle di un operatore umano, e dimensionare di conseguenza i tempi di detection e risposta: Hugging Face cita l’obiettivo di allertare un responder “in pochi minuti, in qualsiasi giorno della settimana”.

Segmentare rigorosamente i processing worker dal resto del cluster e limitare il raggio d’azione di credenziali cloud raccolte da un singolo nodo compromesso, per contenere il movimento laterale anche quando l’accesso iniziale non può essere prevenuto al 100%.

Indicatori e dettagli tecnici notiTarget: infrastruttura di produzione Hugging Face (dataset processing pipeline)
Vettore iniziale: dataset malevolo caricato dall'utente
Tecniche di code execution: remote-code dataset loader + template injection in dataset config
Escalation: da worker compromesso a node-level access
Post-exploitation: raccolta credenziali cloud/cluster, movimento laterale multi-cluster
Durata campagna attiva: un intero weekend
Orchestrazione: framework di agenti autonomi, presumibile harness di security-research agentico
Infrastruttura C2: self-migrating, ospitata su servizi pubblici legittimi
Eventi registrati nel log dell'attaccante: 17.000+
Impatto confermato: accesso non autorizzato a dataset interni limitati e a credenziali di servizio
Impatto escluso: nessuna manomissione di modelli/dataset/Spaces pubblici; supply chain software verificata pulita
Strumento di analisi forense: GLM 5.2 (Z.ai, open-weight), eseguito su infrastruttura interna
Contatto per segnalazioni: security@huggingface.coHugging Face raccomanda a chi utilizza la piattaforma di ruotare i propri access token e rivedere l’attività recente sui rispettivi account. L’azienda ha inoltre chiarito di stare ancora completando la valutazione di eventuali impatti su dati di partner o clienti, con notifiche dirette previste per le parti coinvolte.

Il 28 luglio 2026 entra in vigore la nuova revisione della specifica Model Context Protocol (MCP), lo standard aperto introdotto da Anthropic che permette ai modelli AI di collegarsi in modo sicuro a strumenti e sorgenti dati esterne. Non si tratta di un aggiornamento cosmetico: la revisione 2026-07-28 ridisegna il nucleo del protocollo, passando da un modello con stato a uno completamente stateless, e introduce cambiamenti che toccano direttamente chi progetta, ospita o consuma server MCP in produzione.

Per chi lavora con agenti AI e integrazioni enterprise, questa è una di quelle revisioni che vale la pena capire in dettaglio prima che arrivi la versione finale, perché tocca scalabilità, autenticazione e compatibilità con le versioni precedenti.

Dal protocollo con stato al core statelessNelle versioni precedenti di MCP, un client doveva eseguire un handshake initialize prima di poter fare qualsiasi cosa: il server rispondeva con un identificatore di sessione da includere in ogni richiesta successiva. Chi ha provato a mettere in produzione un server MCP dietro un load balancer conosce il problema: il client restava “incollato” a una specifica istanza, e scalare orizzontalmente richiedeva sticky session o uno store di sessione condiviso.

La revisione 2026-07-28 elimina sia l’handshake initialize sia il concetto stesso di sessione a livello di protocollo. Ogni richiesta è ora autosufficiente: versione del protocollo, informazioni sul client e capability dichiarate viaggiano in ogni singola chiamata invece di essere negoziate una volta sola all’apertura della connessione. Un nuovo metodo, server/discover, permette al client di recuperare le capability del server solo quando gli servono davvero.

La conseguenza pratica è che, non esistendo più un identificatore di sessione, qualsiasi richiesta può essere instradata verso qualunque istanza del server. Diventa possibile piazzare un server MCP dietro un banale load balancer round-robin, senza sticky session né store condiviso. Se un’applicazione ha comunque bisogno di mantenere uno stato tra una chiamata e l’altra, la soluzione prevista è restituire un handle esplicito (ad esempio un ID di un “carrello” o di una sessione applicativa) da uno strumento, e far sì che il client lo passi indietro come un normale argomento nelle chiamate successive. È lo stesso pattern usato da anni nelle API REST stateless: lo stato non sparisce, si sposta semplicemente dal trasporto al payload applicativo.

Multi Round-Trip Requests: confermare senza tenere aperta una connessioneUn protocollo stateless ha comunque bisogno di un modo per gestire i casi in cui un server deve chiedere qualcosa al client a metà di una chiamata, per esempio una conferma dell’utente prima di eseguire un’operazione sensibile. Nelle versioni precedenti questo richiedeva tenere aperto uno stream Server-Sent Events per tutta la durata dell’interazione. La nuova revisione sostituisce questo meccanismo con le Multi Round-Trip Requests (MRTR).

Quando un server ha bisogno di input dall’utente durante l’esecuzione di uno strumento, restituisce un oggetto InputRequiredResult contenente le domande da porre e un blob requestState. Il client raccoglie le risposte e riemette la chiamata originale includendo sia le risposte sia lo stato “echoed” ricevuto in precedenza. Poiché tutto ciò che serve al server è contenuto nel payload, qualunque istanza del server può gestire il retry, anche se è diversa da quella che ha generato la richiesta iniziale. È un dettaglio che semplifica enormemente il deployment di server MCP dietro infrastrutture di bilanciamento del carico stateless.

Header instradabili e caching esplicitoDue modifiche più contenute a livello di trasporto rendono il traffico MCP molto più facile da osservare e instradare in produzione. Il trasporto Streamable HTTP richiede ora un header Mcp-Method su ogni richiesta, mentre l’header Mcp-Name è obbligatorio solo per tipi di richiesta specifici, come tools/call, resources/read e prompts/get. Un gateway o un load balancer può leggere questi header per instradare il traffico senza dover analizzare il corpo della richiesta, un vantaggio non trascurabile per chi gestisce infrastrutture MCP a scala aziendale. I server rifiutano le richieste in cui header e corpo non sono coerenti tra loro.

In secondo luogo, i risultati di liste e letture di risorse ora includono i campi ttlMs e cacheScope, modellati sul comportamento dell’header HTTP Cache-Control. I client sanno esattamente per quanto tempo una risposta a tools/list resta valida e se può essere condivisa tra utenti diversi. Non è più necessario mantenere uno stream a lungo termine solo per scoprire che una lista è cambiata: un pattern di polling con cache esplicita è sufficiente.

Autenticazione più rigorosa, allineata a OAuth 2.0La revisione stringe le regole di autorizzazione per allinearle più da vicino a OAuth 2.0 e OpenID Connect. I client devono ora validare il parametro iss nelle risposte di autorizzazione secondo la RFC 9207, una mitigazione contro i “mix-up attack”, una classe di attacchi più rilevante nel pattern tipico di MCP in cui un singolo client dialoga con molti server diversi.

I client devono inoltre dichiarare il proprio application_type durante la Dynamic Client Registration, così gli authorization server non assumono più di default che i client desktop o CLI siano applicazioni “web”, evitando il rifiuto ingiustificato dei redirect URI su localhost. Le credenziali vengono vincolate all’authorization server che le ha emesse, e la specifica chiarisce come richiedere i refresh token durante l’autenticazione step-up.

Funzionalità deprecate: cosa cambia per chi ha già integrato MCPTre funzionalità core vengono formalmente deprecate: Roots, Sampling e Logging. Roots permetteva a un client di dichiarare i confini del filesystem a un server; Sampling permetteva a un server di chiedere al modello del client di generare testo per suo conto; Logging forniva notifiche a livello di protocollo dal server al client.

La deprecazione non significa rimozione immediata: questi metodi, tipi e capability flag continuano a funzionare in questa release e in ogni versione della specifica pubblicata entro un anno da essa. Da qui in poi, però, sono su un orologio di rimozione. Le alternative consigliate sono parametri degli strumenti o URI di risorse al posto di Roots, integrazione diretta con le API dei provider LLM al posto di Sampling, e OpenTelemetry per l’osservabilità strutturata al posto del Logging di protocollo. Chi mantiene librerie o server MCP dovrebbe iniziare a pianificare la migrazione già da ora.

Schema degli strumenti, codici di errore ed estensioniGli schema di input e output degli strumenti utilizzano ora JSON Schema 2020-12 completo. Gli schema di input mantengono il vincolo della radice type: "object" ma ora permettono composizione con oneOf, anyOf e allOf, oltre a condizionali e riferimenti. Gli schema di output non hanno più restrizioni, e structuredContent può essere qualsiasi valore JSON, non solo un oggetto.

Il codice di errore per una risorsa mancante cambia dal valore custom MCP -32002 allo standard JSON-RPC -32602 (Invalid Params). Chi ha client che fanno pattern matching sul valore letterale -32002 deve aggiornare quel codice prima del 28 luglio.

Le estensioni, già presenti nella release precedente ma senza un processo formale, ricevono ora una struttura definita: sono identificate da ID reverse-DNS, negoziate tramite una mappa extensions, e vivono in repository indipendenti con maintainer dedicati, versionando separatamente dalla specifica principale. Due estensioni ufficiali arrivano con questa release: MCP Apps, che permette ai server di fornire interfacce HTML interattive renderizzate dagli host in un iframe sandboxed, e Tasks, promossa da funzionalità sperimentale a estensione ufficiale, che fornisce un modello stateless per lavori a lunga esecuzione: un server può rispondere a tools/call con un task handle, e il client lo gestisce con tasks/get, tasks/update e tasks/cancel.

SDK beta disponibili da subitoSono già disponibili release beta degli SDK Python, TypeScript, Go e C#. Python v2 rinomina FastMCP in MCPServer ma mantiene l’API a decoratori. TypeScript v2 divide l’SDK monolitico in pacchetti focalizzati come @modelcontextprotocol/server e @modelcontextprotocol/client, ed è ora ESM-only. Go integra il supporto alla revisione 2026-07-28 in v1.7.0-pre.1 sullo stesso module path. C# rilascia la versione 2.0.0-preview.1 dei pacchetti ModelContextProtocol.

Per chi ha già server e client in produzione, la buona notizia è che nulla si rompe automaticamente il giorno del rilascio: i nuovi client che parlano la revisione 2026-07-28 tornano automaticamente all’handshake initialize quando raggiungono un server che implementa una versione precedente o uguale al 2025-11-25. Chi però pubblica librerie che dipendono dal pacchetto Python mcp dovrebbe aggiungere un limite superiore esplicito, per esempio mcp>=1.27,<2, in modo che il passaggio alla v2 stabile non colga di sorpresa gli utenti del proprio pacchetto.

ConclusioneLa revisione 2026-07-28 di MCP è un cambiamento strutturale, non un semplice aggiornamento incrementale. Il core stateless elimina la necessità di session affinity e semplifica scaling orizzontale e load balancing di server MCP in produzione. I nuovi pattern come le MRTR e gli header instradabili rendono il protocollo più facile da operare su larga scala. L’irrigidimento delle regole di autorizzazione allinea MCP alle pratiche standard di OAuth e OpenID Connect, riducendo la superficie di attacco tipica delle integrazioni multi-server. Le funzionalità deprecate restano funzionanti per ora, ma vanno sostituite secondo un piano preciso prima che scada la finestra di un anno.

Chi sviluppa o ospita server MCP dovrebbe testare gli SDK beta contro i propri carichi di lavoro prima della data finale del 28 luglio, verificando in particolare la gestione dei codici di errore, la compatibilità dei client con l’handshake legacy e l’impatto delle nuove regole di autorizzazione sulle integrazioni desktop e CLI esistenti.

Fonte: 4sysops.com

Perché Google, Microsoft e OpenAI stanno bruciando 725 miliardi di dollari in infrastrutture AI per darti tutto “gratis”?

La risposta non è solo la tua attenzione. È qualcosa di più profondo: la tua intenzione.

Stiamo passando dall’economia dell’attenzione a quella dell’attaccamento.

Non si tratta più solo di prevedere cosa cliccherai, ma di anticipare cosa desidererai prima ancora che tu lo sappia. Un sistema che usa i tuoi dati comportamentali per modellare la realtà che vedi — e quella che vuoi.

Nel frattempo, mentre usi ChatGPT, Claude e altri strumenti “gratuiti”, le Big Tech stanno costruendo un filtro invisibile tra te e il mondo.

Dentro troviamo i numeri enormi degli investimenti, il “capitalismo della sorveglianza” di Shoshana Zuboff e una direzione chiara: l’AI non vuole solo il tuo tempo. Vuole il tuo legame.

Capire questo non è teoria: è il primo passo per non diventare solo un dato dentro il sistema.