Nutanix Enterprise AI 2.8 bringt MCP-Governance für KI-Agenten

Nutanix hat Enterprise AI 2.8 am 26. August 2026 allgemein verfügbar gemacht. Die neue Version erweitert die Kontrolle über KI-Agenten, Modelle und private Inference. Im Mittelpunkt steht ein MCP-Gateway, das Zugriffe von Agenten auf Tools und Daten zentral steuern soll.

Für Unternehmen verschiebt sich damit der Schwerpunkt von der reinen Modellwahl zur laufenden Kontrolle. Agentic AI verbindet Modelle mit Anwendungen, APIs und Datenquellen. Dadurch wächst auch die Zahl der Zugriffe, die IT-Teams absichern und überwachen müssen.

Was ist neu in Nutanix Enterprise AI 2.8?

Der Nutanix Agent Gateway selbst ist nicht neu. Nutanix hatte ihn bereits im Mai 2026 mit Enterprise AI 2.7 allgemein verfügbar gemacht. Damals befand sich die Verwaltung des Model Context Protocol, kurz MCP, noch in einer Tech Preview.

Mit Enterprise AI 2.8 gibt Nutanix diese MCP-Funktionen nun für den produktiven Einsatz frei. Unternehmen können lokale und entfernte MCP-Server über einen gemeinsamen Zugang anbinden. Administratoren können Berechtigungen für einzelne Tools, Nutzer und API-Schlüssel festlegen. Lokale MCP-Server unterstützen außerdem Rolling Updates.

Nutanix erweitert zugleich die rollenbasierte Zugriffskontrolle. Administratoren können eigene Rollen aus mehr als 30 Berechtigungen zusammenstellen. Diese betreffen unter anderem Nutzer, Modelle, Endpunkte, API-Schlüssel und Observability. Einzelne importierte Modelle können Administratoren gezielt für Nutzer oder Gruppen freigeben.

Wie kontrolliert das MCP-Gateway KI-Agenten?

MCP ist ein offener Standard, über den KI-Anwendungen auf externe Tools und Datenquellen zugreifen. Agenten können dadurch Funktionen aufrufen, Informationen abrufen oder Aktionen in angebundenen Systemen auslösen.

Genau an dieser Stelle setzt der Nutanix Agent Gateway an. Er bündelt den Zugriff auf mehrere MCP-Server und soll Richtlinien zentral durchsetzen. Unternehmen erhalten damit einen Kontrollpunkt für Agenten, Modelle und Tool-Zugriffe. Nutanix führt außerdem Nutzungsdaten zusammen, damit IT-Teams Aktivitäten und Token-Verbrauch nachvollziehen können. Die Security bei KI-Agenten gewinnt dadurch zusätzlich an Bedeutung.

Nicht jede angekündigte Funktion eignet sich bereits für den Produktivbetrieb. Ein headerbasiertes Rate-Limiting für Token-Budgets führt Nutanix zunächst als Tech Preview. Nutanix kennzeichnet solche Tech-Preview-Funktionen ausdrücklich als nicht für produktive Umgebungen vorgesehen.

Was ändert sich bei privaten LLMs und Inference?

Nutanix erweitert auch die Private-Inference-Funktionen. Unternehmen können Modelle mit weniger als acht Milliarden Parametern per LoRA auf eigene Domänendaten anpassen. Nutanix unterstützt dafür einen Single-GPU-Betrieb und kann die erzeugten Adapter direkt in die Bereitstellung übernehmen.

Für regulierte oder abgeschottete Umgebungen ergänzt Nutanix den Air-Gap-Betrieb von NVIDIA NIM. Die Pressemitteilung nennt außerdem skalierbares Multi-GPU-Serving, Batch Inference und Speculative Decoding. Multi-Node- und Multi-GPU-Inference sowie KV-Cache-Offloading führt der technische Produktblog zunächst als Tech Preview.

Damit richtet sich Enterprise AI 2.8 nicht nur an Teams, die öffentliche KI-Dienste verwenden. Die Plattform soll auch selbst betriebene Modelle und externe Anbieter über gemeinsame Schnittstellen verwalten. Wer zunächst grundsätzlich bewerten will, was lokale LLMs für den eigenen Betrieb bedeuten, sollte dabei Hardware, Security und Betriebsaufwand getrennt betrachten.

Warum ist Nutanix Enterprise AI 2.8 für IT-Entscheider relevant?

Der relevante Punkt ist weniger ein weiteres Werkzeug für generative KI. Nutanix versucht, eine zentrale Kontrollschicht zwischen Agenten, Modellen, MCP-Servern und Unternehmenssystemen zu etablieren. Das adressiert ein Problem produktiver KI-Agenten: Zugriffe, Kosten und Verantwortlichkeiten verteilen sich schnell auf viele Systeme.

Für bestehende Nutanix-Umgebungen kann diese Bündelung den Betriebsaufwand reduzieren. Gleichzeitig wächst die Abhängigkeit von Nutanix, wenn Authentifizierung, Richtlinien, Modellzugriffe und MCP-Verbindungen über dieselbe Plattform laufen. Unternehmen sollten deshalb prüfen, wie gut sie Modelle, Endpunkte und Richtlinien später auf andere Plattformen übertragen können.

Wichtig ist auch die Protokollkompatibilität. Die öffentlich zugängliche API-Dokumentation von Enterprise AI 2.8 nennt für MCP-Connectoren die MCP-Spezifikation 2025-06-18. Das MCP-Projekt veröffentlichte am 28. Juli 2026 bereits die Spezifikation 2026-07-28 mit Änderungen an Transport und Autorisierung. Vor einem Rollout sollten Teams klären, welche MCP-Versionen ihre Clients und Server tatsächlich benötigen.

Was sollten Unternehmen vor einem Einsatz prüfen?

IT-Teams sollten zuerst festlegen, welche Agenten auf welche Tools und Daten zugreifen dürfen. Danach braucht es klare Rollen, getrennte API-Schlüssel und nachvollziehbare Protokolle. Auch Token-Budgets und Modellkosten gehören in die Betriebsregeln.

Zudem sollten Unternehmen Tech-Preview-Funktionen klar vom produktiven Umfang trennen. Das betrifft bei Enterprise AI 2.8 unter anderem Teile des Rate-Limitings und der verteilten Inference. In den geprüften Ankündigungsquellen nennt Nutanix keine konkreten Preise. Eine Produktnotiz weist jedoch auf eine separat verwaltbare Lizenz für Agent-Gateway-Funktionen hin.

Nutanix Enterprise AI 2.8 zeigt damit, wohin sich Enterprise-KI entwickelt. Entscheidend sind nicht nur Modelle und GPUs, sondern kontrollierte Zugriffe auf Daten und Systeme. Für IT-Entscheider wird Governance damit zu einer Architekturfrage und nicht erst zu einer späteren Compliance-Aufgabe.

Sie wollen Entwicklungen rund um KI-Infrastruktur, Agenten und Governance im Blick behalten? Der IT-Dock Newsletter fasst die wichtigsten IT-News wöchentlich zusammen.