Le novità Google del Monthly Build: Marzo 2026

Torna il consueto appuntamento con le novità introdotte da Google per il suo Developer Program Review. Al centro delle innovazioni troviamo il nuovo modello 3.1 della famiglia Gemini, la preview di WebMCP e l'introduzione di una documentazione puntuale e precisa, accessibile direttamente tramite API e server MCP.

Google Gemini 3.1

Dopo il recente aggiornamento che ha ricevuto la modalità Deep Thinking, il parco modelli di Gemini si evolve ulteriormente con l'architettura che ha reso possibile questo ragionamento avanzato: il modello Gemini 3.1 Pro.

Oltre a vantare capacità logiche affinate e un netto passo avanti nella risoluzione di problemi complessi, la versione 3.1 Pro raggiunge un punteggio verificato del 77,1% sul benchmark ARC-AGI-2. Si tratta di un test progettato specificamente per valutare l'abilità di un modello nel risolvere schemi logici completamente inediti.

TLDR;

L'intelligenza applicata del nuovo modello si traduce in funzionalità pratiche di grande impatto, soprattutto in ambito tecnico e creativo. Una delle novità di spicco è l'animazione basata sul codice: partendo da un semplice comando testuale, il modello può generare grafiche SVG animate e pronte per essere integrate in un sito web.

Essendo costruite in puro codice anziché in pixel, queste animazioni rimangono nitide a qualsiasi livello di ridimensionamento e mantengono un peso del file estremamente ridotto rispetto ai formati video tradizionali. A questo si aggiunge un'avanzata capacità di sintesi per i sistemi complessi, che permette di collegare API articolate a interfacce utente intuitive (come la configurazione di dashboard dal vivo basate su flussi di telemetria pubblica).

Attualmente, Google sta distribuendo Gemini 3.1 Pro in versione di anteprima per continuare a perfezionare i flussi di lavoro agentici prima del rilascio generale. Gli sviluppatori possono accedere al modello tramite l'API Gemini in Google AI Studio, la Gemini CLI, Android Studio e la nuova piattaforma di sviluppo agentico Google Antigravity. Le aziende, invece, hanno a disposizione l'integrazione attraverso Vertex AI e Gemini Enterprise. Per quanto riguarda gli utenti consumer, il modello è in fase di distribuzione nell'app Gemini e su NotebookLM, con un accesso riservato o con limiti di utilizzo più elevati per chi possiede i piani premium Google AI Pro e Ultra.

Developer Knowledge API e documentazione via server MCP

Con la rapida espansione degli strumenti di sviluppo basati sull'intelligenza artificiale, come le piattaforme agentiche e le interfacce a riga di comando, è emersa la necessità cruciale di fornire a questi modelli un accesso a documentazioni tecniche sempre precise e aggiornate.

Poiché i Large Language Models dipendono fortemente dal contesto che ricevono, gli sviluppatori che lavorano con le tecnologie Google hanno bisogno che i loro assistenti virtuali conoscano le ultime funzionalità di Firebase, le modifiche più recenti alle API di Android e le attuali best practice di Google Cloud. Per rispondere a questa esigenza, Google ha annunciato l'anteprima pubblica della Developer Knowledge API e del relativo server Model Context Protocol (MCP). Questo ecosistema è compatibile con strumenti come Gemini CLI, Gemini Code Assist, Claude Code e GitHub Copilot, e crea un ponte diretto, leggibile dalle macchine, verso la documentazione ufficiale.

TLDR;

La Developer Knowledge API è stata progettata per fungere da vera e propria fonte di verità programmatica per tutta la documentazione pubblica di Google. Invece di affidarsi a dati di addestramento potenzialmente obsoleti o a fragili sistemi di web-scraping, gli sviluppatori possono ora cercare e recuperare le pagine della documentazione direttamente in formato Markdown.

Ad affiancare l'API c'è il rilascio di un server MCP ufficiale. Collegando questo server al proprio ambiente di sviluppo integrato (IDE) o al proprio assistente AI, si conferisce al sistema la capacità di "leggere" e comprendere la documentazione. Questo si traduce in un supporto nettamente più affidabile: l'intelligenza artificiale può fornire guide pratiche per l'implementazione, assistenza mirata per la risoluzione di errori e analisi comparative tra diversi servizi per casi d'uso specifici.

Per iniziare a utilizzare questi strumenti (attualmente in anteprima pubblica), gli sviluppatori devono generare una chiave API dedicata all'interno del proprio progetto Google Cloud. Successivamente, è necessario abilitare il server MCP tramite la Google Cloud CLI (eseguendo il comando gcloud beta services mcp enable developerknowledge.googleapis.com) e aggiornare il file di configurazione del proprio strumento.

Mentre il rilascio attuale si concentra sulla fornitura di testo Markdown non strutturato di alta qualità, l'obiettivo per la disponibilità generale è quello di introdurre il supporto per contenuti strutturati, come specifici blocchi di codice e riferimenti diretti alle entità API. È previsto anche un ulteriore ampliamento del corpus della documentazione e una reindicizzazione rapida dei contenuti per ridurre la latenza.

È possibile consultare la documentazione completa sulla pagina ufficiale dedicata a MCP.

WebMCP

Annunciato in anteprima tramite l'Early Preview Program (EPP), WebMCP è un nuovo standard pensato per agevolare l'interazione tra i siti web e gli agenti di intelligenza artificiale. Man mano che il web evolve verso una natura sempre più "agentica", questo strumento si propone di fornire un metodo standardizzato per esporre funzioni strutturate direttamente dalle pagine web.

In questo modo, i gestori dei siti possono definire esattamente come e dove gli assistenti virtuali devono operare all'interno delle loro piattaforme. L'obiettivo è garantire che azioni complesse, come prenotare un volo, compilare un ticket di assistenza o navigare tra dati articolati, vengano eseguite con maggiore velocità, precisione e affidabilità.

TLDR;

Per rendere i siti web "pronti per gli agenti", WebMCP introduce due nuove tipologie di API che superano i limiti e le fragilità della tradizionale attuazione diretta sul DOM (che spesso richiede complessi processi di visual scraping):

• API dichiarativa: progettata per far compiere all'intelligenza artificiale azioni standard che possono essere definite direttamente nei moduli HTML.
• API imperativa: concepita per gestire interazioni più complesse e dinamiche che richiedono l'esecuzione di codice JavaScript.

Questo canale di comunicazione diretto elimina le ambiguità, creando un ponte solido tra il sito e il browser agent che agisce per conto dell'utente.

I casi d'uso illustrati evidenziano il potenziale di questa tecnologia in diversi settori chiave:

• Assistenza clienti: gli agenti potrebbero compilare automaticamente ticket di supporto inserendo con precisione tutti i dettagli tecnici necessari.
• E-commerce: l'esperienza di acquisto verrebbe ottimizzata permettendo all'intelligenza artificiale di trovare facilmente i prodotti, configurare opzioni di shopping specifiche e navigare con esattezza le procedure di checkout.
• Viaggi: gli utenti potrebbero delegare all'agente la ricerca, il filtraggio e la prenotazione dei voli ideali, utilizzando dati strutturati per ottenere risultati sempre accurati e senza intoppi.