Benchling esegue codice di agenti AI su migliaia di tenant senza incidenti

Benchling dichiara oltre 600 sessioni di esecuzione del codice al giorno e più di 250 tenant serviti a settimana, con zero incidenti di sicurezza, per codice scientifico generato da agenti AI¹.

Il traguardo arriva dopo che il team di sicurezza ha giudicato insufficiente il solo sandboxing tradizionale per eseguire codice non fidato su larga scala. La necessità era chiara: isolare in modo rigoroso migliaia di tenant nel settore life sciences e mantenere il controllo dell’uscita di rete oltre i default di sistema¹.

Il post tecnico spiega che Benchling ha costruito una difesa in profondità per eseguire codice generato da agenti AI in un contesto multi-tenant. La soluzione adotta Amazon Bedrock AgentCore, descritto come una piattaforma per creare, connettere e ottimizzare agenti a scala¹. L’obiettivo è mettere in sicurezza l’esecuzione del codice prodotto dagli agenti per una platea di clienti numerosa e differenziata¹.

I controlli di rete standard da soli non bastavano al loro modello di minaccia. Questi controlli bloccano HTTP, restringono le porte di egress e limitano le connessioni in uscita. Ma spesso lasciano la risoluzione DNS ancora permessa. E anche quando le impostazioni di sistema la limitano, può mancare visibilità o controllo su quelle restrizioni. Questa era la sfida concreta incontrata nel distribuire agenti AI su migliaia di tenant¹.

Per rispondere a questa sfida, il team ha puntato a ottenere pieno controllo sull’isolamento di rete al di là dei default di sistema. L’architettura rafforza i controlli esistenti e imposta confini chiari su come il codice generato dagli agenti può comunicare all’esterno. Il risultato misurabile, riportato nell’uso quotidiano, è l’assenza di incidenti nelle sessioni di esecuzione dichiarate¹.

La scelta di Amazon Bedrock AgentCore si colloca in questo disegno. La piattaforma offre gli strumenti per lavorare con agenti su larga scala e si integra con l’approccio di sicurezza a livelli descritto nel post. Insieme, questi elementi mirano a gestire l’esecuzione di codice non fidato con requisiti di isolamento stringenti, tipici degli scenari multi-tenant nel life sciences¹.

Il caso mette in evidenza un punto pratico per chi costruisce servizi con agenti: i default di rete non coprono tutti i canali d’uscita. La risoluzione DNS può restare attiva e poco governata se ci si affida soltanto alle impostazioni di base. Servono controlli che diano visibilità e possibilità di intervento anche su questo livello, oltre ai blocchi di protocollo, alle restrizioni di porta e ai limiti sulle connessioni in uscita¹.

Per le organizzazioni che devono eseguire su larga scala codice generato da agenti, l’indicazione è netta: trattare DNS, egress e isolamento come componenti di prima classe del modello di minaccia. Il caso di Benchling mostra che fissare questo perimetro, e farlo oltre i default, può sostenere volumi giornalieri elevati e una base ampia di tenant senza incidenti riportati¹.