Jason Mars presenta Jac e Jaseci per mettere gli agenti IA al centro

Jac e Jaseci vogliono spostare il baricentro dello sviluppo: gli agenti come “primi cittadini” del linguaggio e del runtime, non accessori a valle degli strumenti umani¹.

Sul palco di All Things Open, a Raleigh, Jason Mars dell’University of Michigan ha mostrato un linguaggio simile a Python, Jac, insieme al runtime Jaseci. L’idea è trattare agenti e IA come entità di prima classe, con primitive e orchestrazione dedicate. Non come utenti di fortuna di tool pensati per persone. “Non stiamo più usando questi strumenti. Stiamo usando gli agenti, e gli agenti stanno usando quegli strumenti. Quindi non voglio nuovi strumenti, ma voglio strumenti per i miei agenti”, ha detto al pubblico¹.

Il bersaglio è la “complessità poliglotta” che oggi soffoca i flussi di lavoro: pipeline in più linguaggi, API disallineate, passaggi manuali. Secondo Mars, questi percorsi funzionano per sviluppatori umani, ma non per agenti che devono comporre capacità attraverso sistemi eterogenei. Se l’agente è il soggetto che usa gli strumenti, il modello di programmazione deve rifletterlo: operazioni, stato, coordinamento e diritti devono essere disponibili direttamente nell’ambiente in cui l’agente vive ed esegue¹.

La dimostrazione ha messo in scena questa impostazione: Jac per esprimere agenti e comportamenti, Jaseci per eseguirli e orchestrare le interazioni. L’obiettivo dichiarato, anche sul piano accademico, è ripensare il rapporto tra linguaggi, runtime e agenti nel nuovo contesto di lavoro con modelli generativi. Non un altro strato di glue code, ma un modello dove l’agente è il punto di partenza, non la destinazione¹.

Per illustrare costi e attriti dell’approccio attuale, Mars ha citato Jarred Sumner, creatore di Bun. Nel talk ha riferito che Sumner ha speso 165.000 dollari in token Anthropic per convertire il codice di Bun da Zig a Rust, usando una versione pre‑release di Mythos. Qui, ha argomentato, il costo non veniva solo dalla difficoltà del compito, ma dal modo in cui l’agente ha dovuto muoversi tra strumenti e sistemi non pensati per lui¹.

Nella lettura proposta, casi come questo non sono eccezioni. Sono il sintomo di catene di strumenti che costringono gli agenti a navigare ambienti disallineati. Jac e Jaseci rispondono puntando su un modello unico, dichiarativo, centrato su agenti che orchestrano e compongono capacità senza attraversare continuamente confini artificiali tra linguaggi e runtime¹.

Il punto pratico, per chi costruisce sistemi con modelli generativi, è la riduzione dell’attrito operativo: meno colla tra tool, più espressività nativa per agenti che devono pianificare, chiamare servizi, mantenere stato e coordinarsi. La richiesta di Mars è chiara e concreta: strumenti progettati per gli agenti, non agenti adattati a strumenti esistenti¹.

La scommessa ora passa ai progetti che cercano di automatizzare compiti su stack eterogenei. Se l’agente diventa davvero il “primo cittadino”, il banco di lavoro cambia: meno integrazioni ad hoc, più attenzione a come si modella l’azione dell’agente fin dal codice e nell’esecuzione¹.