Aptos ha presentato un nuovo pacchetto di strumenti pensati per consentire agli assistenti di programmazione basati su intelligenza artificiale di accedere direttamente alla documentazione della rete Move e di interagire con le sue API tramite richieste in linguaggio naturale. La proposta combina un server del Model Context Protocol (MCP), feed di documentazione ottimizzati per i grandi modelli di linguaggio e le Aptos Agent Skills, orientate a compiti di sviluppo e sicurezza.

Un server MCP per collegare IA e blockchain

Il cuore della soluzione è il server MCP di Aptos, la cui documentazione è stata aggiornata il 9 ottobre 2026. MCP consente di collegare assistenti IA a strumenti e fonti di informazione esterne; nello specifico, il server permette di interrogare le API di Aptos e i dati on‑chain mediante istruzioni espresse in linguaggio naturale.

In pratica, un sviluppatore può descrivere a parole ciò di cui ha bisogno – ad esempio “crea un nuovo token con capacità di minting limitato” – e chiedere all’assistente di gestire l’interazione con le API, senza dover scrivere manualmente ogni passaggio di connessione. La documentazione indica che il server è utile sia per compiti di codifica sia per generare lo scheletro iniziale di un progetto, anche se non specifica quali risultati siano garantiti per ogni richiesta.

L’installazione avviene con un semplice comando npx, come indicato nella guida di Aptos. Il server è compatibile con Claude Code, Cursor, OpenAI Codex e GitHub Copilot, collocandosi quindi all’interno degli ambienti di sviluppo IA più diffusi e evitando di limitare l’uso a un singolo assistente.

Documentazione formattata per LLM

Il pacchetto include anche dei feed standardizzati denominati LLMs.txt. Questi presentano la documentazione di Aptos in un formato di testo più facilmente elaborabile dai grandi modelli di linguaggio. Sono disponibili due versioni: una completa e una condensata, in modo da offrire flessibilità a seconda delle esigenze dell’assistente.

Questo approccio risponde a un problema comune: gli assistenti possono dare risposte sicure ma privi del contesto necessario su tecnologie di nicchia. Fornendo loro la documentazione specifica di Move, Aptos intende ancorare le risposte a fonti verificate, anche se la presenza dei feed non garantisce automaticamente l’accuratezza o l’aggiornamento di ogni risposta.

Aptos Agent Skills: dal coding al testing

Le Aptos Agent Skills, di cui la documentazione è stata aggiornata al 14 settembre 2026, coprono tre aree chiave:

Scrittura di contratti sicuri in Move V2.
Audit di sicurezza approfonditi.
Generazione di test con copertura dichiarata del 100 %.

Queste capacità non si limitano alla semplice produzione di codice: orientano l’assistente verso pratiche di revisione e verifica. Tuttavia, la copertura totale di test è indicata come una capacità prevista, non come una garanzia assoluta che ogni contratto generato sia privo di vulnerabilità.

Perché Move è una sfida per le IA

Move è nato originariamente per il progetto Diem di Facebook, successivamente abbandonato, e si è poi evoluto all’interno di Aptos. Il suo design pone forte enfasi su due concetti:

Sicurezza delle risorse: gli asset digitali sono trattati come oggetti che non devono essere copiati o scomparire accidentalmente.
Verifica formale: consente di dimostrare matematicamente che il codice si comporta come previsto.

Queste caratteristiche aumentano la sicurezza ma richiedono ai programmatori una comprensione approfondita delle regole di Move. Gli assistenti IA, tradizionalmente addestrati su linguaggi più diffusi come JavaScript o Python, potrebbero non gestire con la stessa abilità le specificità di Move.

Storia di Aptos e l’intelligenza artificiale

Il nuovo lancio non è il primo approccio di Aptos all’IA applicata a Move. Nel 2024, la piattaforma ha collaborato con FLock.io per migliorare l’interazione dei modelli di IA con il linguaggio Move. Le attuali toolchain si presentano come un’estensione di quell’esperienza, puntando a un’integrazione più profonda e a un flusso di lavoro più fluido.

Minore attrito, ma revisione umana obbligatoria

Per gli sviluppatori, la proposta di Aptos rappresenta una via di ingresso più diretta: invece di inserire manualmente la documentazione in un chatbot, possono configurare assistenti già noti affinché consultino le informazioni della rete e supportino attività di costruzione. L’accesso combinato a documentazione, dati on‑chain e capacità di generare scaffolding di progetto riduce i passaggi manuali, ma non elimina la necessità di definire con precisione le proprie intenzioni e di valutare i risultati prodotti.

Il potenziale beneficio è significativo in un ecosistema dove la scrittura di contratti richiede familiarità con le peculiarità di Move. Le guide per Move V2, le funzioni di audit e i test automatizzati possono indirizzare l’assistente verso pratiche più rigorose, ma la logica interna di questi strumenti non trasforma automaticamente una risposta IA in codice pronto per il deployment.

Rischi e raccomandazioni

Il codice generato da IA dipende interamente dalla revisione umana. Un assistente capace di produrre contratti più rapidamente può anche introdurre errori più velocemente. Le Agent Skills di audit e test aiutano a mitigare i rischi, ma non sostituiscono l’esame approfondito da parte di sviluppatori esperti.

In sintesi, il lancio di Aptos combina una promessa di maggiore produttività con una limitazione cruciale: facilitare l’accesso a Move non equivale a delegare la responsabilità della sicurezza di un contratto intelligente. La qualità finale continuerà a dipendere dalla capacità degli sviluppatori di verificare il codice, confermare il suo comportamento atteso e comprendere le scelte delegate all’assistente IA.

Conclusioni

Le nuove toolchain di Aptos – server MCP, feed LLMs.txt e Aptos Agent Skills – offrono una soluzione innovativa per ridurre la frizione nello sviluppo su Move, integrando assistenti IA con documentazione ufficiale e dati on‑chain. Tuttavia, la natura specialistica di Move e le implicazioni della sicurezza di risorse e verifica formale richiedono ancora una supervisione umana rigorosa. Gli sviluppatori che sapranno bilanciare l’efficienza offerta dall’IA con le pratiche di revisione tradizionali potranno trarre il massimo vantaggio da queste novità.