Definizione
Il traffico di agenti AI è l'insieme delle richieste che un'applicazione riceve da agenti software che usano modelli AI per decidere cosa fare. Questi agenti navigano pagine, chiamano API, compilano moduli e invocano strumenti su server Model Context Protocol (MCP), di solito per conto di una persona o di un'azienda. L'elemento distintivo è che è un modello, non una persona, a scegliere l'azione successiva all'interno del compito assegnato.
Il traffico di agenti AI si sovrappone a forme più vecchie di automazione come crawler e script, ma si comporta in modo diverso. Gli agenti perseguono obiettivi, si adattano a ciò che trovano e spesso interagiscono con parti di un'applicazione progettate solo per le persone.
Dove si manifesta
- Website e app SaaS: assistenti che leggono la documentazione, confrontano pagine di prezzo o completano workflow multi-step all'interno di una sessione autenticata. Gli operatori AI documentano parte di questo traffico: OpenAI's ChatGPT-User e Anthropic's Claude-User recuperano pagine quando una persona fa una domanda.
- API: agenti che chiamano endpoint direttamente con credenziali API, spesso con ritmo e pattern diversi da quelli di un'integrazione guidata da una persona.
- server MCP: client AI che invocano strumenti, dove ogni chiamata è per definizione automatizzata e la domanda è quale client stia chiamando e cosa possa fare. Vedi MCP server.
Come riconoscerlo
Nessun singolo segnale identifica in modo affidabile il traffico di agenti. I team combinano evidenze di diversa forza, come illustrato in how to tell if website traffic comes from AI agents:
Evidenza verificata
Alcuni operatori di agenti firmano le richieste usando HTTP Message Signatures (RFC 9421), con chiavi pubblicate sotto un dominio che controllano, seguendo il lavoro IETF su Web Bot Auth. Una firma che risulta valida è una forte evidenza di quale client dell'operatore ha inviato la richiesta.
Evidenza dichiarata
I client possono descriversi da soli: una stringa user-agent, un nome client MCP, un header. Sono utili ma facili da imitare, ed è per questo che user-agent spoofing è una preoccupazione costante.
Evidenza inferita
Il timing delle richieste, i pattern di navigazione, il contesto browser mancante e i dettagli di protocollo possono suggerire automazione. Le inferenze possono essere sbagliate, quindi dovrebbero sempre essere etichettate come inferenze.
Quando nessuno di questi elementi supporta una determinazione, il risultato onesto è Unknown.
Perché è importante
Il traffico di agenti non è intrinsecamente buono o cattivo. Un assistente agli acquisti che confronta piani, un agente interno che sincronizza record e uno scraper che ignora i tuoi termini possono apparire simili a livello di rete. Ciò che cambia è cosa dovrebbe fare la tua applicazione:
- Offrire agli agenti che desideri servire una risposta strutturata o una API.
- Applicare limiti a livello di route dove il volume automatizzato potrebbe mettere sotto pressione le risorse.
- Richiedere credenziali più forti prima di azioni ad alto impatto.
- Mantenere l'esperienza umana rapida e ordinata.
Trattare tutta l'automazione come abuso compromette integrazioni legittime. Ignorarla significa che azioni sensibili possono essere eseguite senza il contesto che il tuo team presume.
Idee sbagliate comuni
"Gli agenti si identificano sempre." Molti non lo fanno, e le dichiarazioni possono essere false.
"Un agente firmato è un agente affidabile." Una firma mostra quale chiave ha firmato la richiesta. Non mostra che l'azione sia autorizzata o sicura. Vedi agent authorization.
"Bloccare l'automazione protegge l'app." Spesso blocca le integrazioni su cui i clienti fanno affidamento, mentre gli attori malevoli determinati si adattano.
Come Proof of Actor gestisce il traffico di agenti
Proof of Actor classifica ogni interazione come Human, Human + AI, Agent o Unknown (la tassonomia è spiegata qui), e indica se il risultato è verified, declared o inferred. I team osservano prima, poi instradano il traffico degli agenti con le proprie policy. Vedi How It Works oppure apply for early access.
Fonti
- Model Context Protocol specification (2026-07-28): la revisione corrente di MCP a novembre 2026
- RFC 9421: HTTP Message Signatures: lo standard alla base delle richieste firmate dagli agenti
- IETF Web Bot Auth working group: lavoro di standardizzazione sull'autenticazione dei client automatizzati
- OpenAI: Overview of OpenAI Crawlers: ChatGPT-User e altri user agent OpenAI documentati
- Anthropic: crawler and fetcher documentation: Claude-User e altri bot Anthropic