MCP: il ponte tra intelligenza artificiale, dati e strumenti
Un modello di intelligenza artificiale può essere estremamente intelligente.
Può comprendere una richiesta complessa, ragionare su un problema, analizzare informazioni e suggerire una soluzione.
Ma c'è una differenza importante tra sapere cosa fare e poterlo fare.
Se chiediamo a un modello quali clienti hanno ridotto maggiormente gli acquisti negli ultimi mesi, l'AI può capire perfettamente la domanda. Ma se non può accedere ai dati delle vendite, non può conoscere la risposta.
Se le chiediamo quali appuntamenti abbiamo domani, deve poter consultare il nostro calendario.
Se vogliamo sapere se un determinato prodotto è disponibile, deve poter interrogare il sistema che gestisce il magazzino.
E se vogliamo che prepari un'attività all'interno di un software, deve esistere un modo attraverso il quale possa interagire con quel software.
Nel precedente articolo ho parlato degli agenti AI e del passaggio da un'intelligenza artificiale che risponde a una capace di utilizzare strumenti e compiere azioni.
Ma rimane una domanda fondamentale:
come colleghiamo l'intelligenza artificiale a tutti questi strumenti?
Una delle risposte più interessanti è MCP.
Cos'è MCP?
MCP significa Model Context Protocol.
È un protocollo aperto nato per standardizzare il modo in cui applicazioni basate sull'intelligenza artificiale possono collegarsi a strumenti, sistemi e fonti di informazione.
Il concetto, almeno a livello generale, è sorprendentemente semplice.
Oggi utilizziamo moltissimi software diversi.
Database.
CRM.
Gestionali.
File system.
Servizi cloud.
API.
Applicazioni interne.
Ognuno di questi sistemi ha le proprie regole, i propri metodi di autenticazione e il proprio modo di comunicare.
Se vogliamo collegarli a un sistema AI possiamo naturalmente sviluppare delle integrazioni dedicate.
Il problema nasce quando iniziamo a moltiplicare i sistemi.
Abbiamo diversi modelli AI.
Diversi strumenti.
Diverse fonti dati.
Diverse applicazioni che vogliamo rendere disponibili agli agenti.
Costruire e mantenere un'integrazione diversa per ogni combinazione diventa rapidamente complicato.
MCP cerca di introdurre un linguaggio comune tra il mondo dell'intelligenza artificiale e quello degli strumenti.
Pensiamolo come una porta standard
Una delle analogie che trovo più semplici è quella delle porte USB.
Prima della diffusione di standard comuni, collegare periferiche differenti significava spesso utilizzare porte, cavi e protocolli diversi.
Uno standard non rende identici tutti i dispositivi.
Semplicemente definisce un modo comune per farli comunicare.
MCP prova a portare un principio simile nel mondo dell'intelligenza artificiale.
Un database rimane un database.
Un CRM rimane un CRM.
Un gestionale continua ad avere la propria logica.
Non dobbiamo trasformare tutti questi sistemi in qualcosa di nuovo.
Possiamo invece costruire un livello che permetta all'intelligenza artificiale di comprendere quali capacità sono disponibili e come utilizzarle.
Ed è qui che entra in gioco il server MCP.
Cos'è un server MCP?
Un server MCP è, semplificando, un componente che rende disponibili determinate capacità a un sistema AI attraverso il protocollo MCP.
Supponiamo di avere un database aziendale contenente clienti, ordini e vendite.
Potremmo creare un server MCP che esponga strumenti come:
Cerca cliente
Leggi ordini
Analizza vendite
Verifica disponibilità prodotto
Il modello non ha bisogno di conoscere necessariamente la struttura completa del database.
Non deve sapere quali tabelle esistono, come sono collegate o quale query SQL deve essere eseguita.
Gli viene presentato uno strumento.
Lo strumento ha un nome, una descrizione e determinati parametri.
L'intelligenza artificiale può comprendere quando quello strumento è utile, utilizzarlo e ricevere il risultato.
A quel punto può continuare il proprio ragionamento.
La differenza è importante.
Non stiamo semplicemente mettendo un database dentro un chatbot.
Stiamo creando un'interfaccia controllata attraverso la quale l'AI può utilizzare determinate capacità del nostro sistema.
L'AI non deve conoscere come funziona tutto
Questo approccio introduce una separazione che trovo particolarmente interessante.
L'intelligenza artificiale deve capire cosa vuole ottenere.
Il server MCP deve sapere come interagire con il sistema necessario per ottenerlo.
Torniamo alla domanda:
Quali clienti hanno ridotto maggiormente gli acquisti negli ultimi tre mesi?
L'agente può comprendere che ha bisogno dei dati relativi alle vendite.
Scopre che tra gli strumenti disponibili esiste qualcosa che gli permette di analizzarle.
Richiama quello strumento.
Il server MCP si occupa di comunicare con il sistema aziendale.
Il risultato torna all'agente.
L'agente lo interpreta e costruisce la risposta.
Questo significa anche che possiamo cambiare ciò che avviene dietro lo strumento senza necessariamente cambiare il modo in cui l'AI lo utilizza.
Dietro Analizza vendite potrebbe esserci una query SQL, un'API, un servizio interno o una combinazione di più sistemi.
Per l'agente ciò che conta è sapere che quella capacità esiste e come può utilizzarla.
Tools, resources e prompts
MCP non riguarda soltanto l'esecuzione di azioni.
Il protocollo permette di mettere a disposizione dell'applicazione AI diversi tipi di capacità e contesto.
Tre concetti sono particolarmente utili da conoscere: tools, resources e prompts.
I tools sono probabilmente la parte più intuitiva.
Sono operazioni che il sistema può utilizzare per fare qualcosa: interrogare un servizio, cercare un'informazione, eseguire un calcolo o avviare un processo.
Le resources permettono invece di rendere disponibili informazioni e contenuti che possono essere utilizzati come contesto.
I prompts consentono di mettere a disposizione modelli di interazione o istruzioni riutilizzabili.
Non è necessario conoscere questi elementi per utilizzare quotidianamente un sistema basato su MCP.
Ma fanno capire una cosa importante:
MCP non è semplicemente un modo per chiamare delle API.
È un protocollo pensato specificamente per creare un collegamento strutturato tra applicazioni AI e ciò che esiste al di fuori del modello.
Il modello non si collega direttamente a tutto
Quando iniziamo a ragionare su queste architetture, è facile immaginare un'intelligenza artificiale collegata direttamente a database, applicazioni e servizi.
In realtà preferisco pensarla in modo diverso.
Il modello dovrebbe vedere soltanto ciò che abbiamo deciso di mostrargli.
Questo è particolarmente importante in un contesto aziendale.
Supponiamo che un agente debba analizzare le vendite.
Potremmo tecnicamente concedergli accesso completo al database aziendale.
Ma perché dovrebbe averlo?
Se deve soltanto leggere determinati dati, possiamo progettare il server MCP affinché gli permetta esclusivamente quelle operazioni.
L'agente non ha bisogno di poter modificare un cliente.
Non ha bisogno di eliminare un ordine.
Non ha bisogno di vedere tabelle che non hanno nulla a che fare con il suo compito.
Il fatto che un'AI possa avere accesso a uno strumento non significa che debba avere accesso a tutto.
La sicurezza inizia da ciò che decidiamo di esporre
Questo è probabilmente uno degli aspetti di MCP che trovo più interessanti.
Quando costruiamo un server MCP possiamo ragionare secondo un principio molto semplice:
esporre soltanto ciò che serve.
Se un agente deve consultare le vendite, possiamo concedere accesso in sola lettura.
Se deve lavorare soltanto con alcuni dati, possiamo limitare ciò che gli strumenti restituiscono.
Se un'operazione è particolarmente delicata, possiamo richiedere un'approvazione umana prima dell'esecuzione.
Possiamo separare strumenti destinati a funzioni diverse.
Possiamo registrare le operazioni effettuate.
Possiamo applicare controlli prima ancora che una richiesta raggiunga il sistema sottostante.
In altre parole, il server MCP può diventare anche un confine tra l'intelligenza artificiale e i sistemi che vogliamo proteggere.
E questo cambia molto il modo in cui possiamo pensare all'adozione dell'AI nelle organizzazioni.
Non dobbiamo necessariamente scegliere tra un'intelligenza artificiale completamente isolata e una con accesso indiscriminato ai nostri sistemi.
Possiamo costruire qualcosa nel mezzo.
Un esempio concreto
Immaginiamo un'azienda che utilizzi un gestionale, un CRM e un sistema documentale.
Potremmo mettere a disposizione dell'agente tre differenti server MCP.
Uno permette di consultare ordini e vendite.
Uno permette di cercare informazioni sui clienti.
Uno permette di recuperare documenti.
A questo punto potremmo chiedere:
Analizza i clienti che hanno ridotto gli acquisti negli ultimi tre mesi e verifica se ci sono informazioni recenti che possono aiutarmi a comprenderne il motivo.
Per noi è una singola richiesta.
Per l'agente potrebbe diventare una sequenza di operazioni.
Prima consulta i dati delle vendite.
Individua i clienti interessanti.
Poi utilizza un altro strumento per recuperarne le informazioni.
Successivamente cerca eventuali documenti rilevanti.
Infine mette insieme tutto ciò che ha trovato e prepara un'analisi.
Nessuno dei singoli sistemi conosce l'intero processo.
È l'agente che utilizza le capacità disponibili per raggiungere l'obiettivo.
Ed è qui che MCP e agenti iniziano a diventare particolarmente potenti insieme.
Un'infrastruttura di capacità
C'è un altro modo in cui mi piace pensare ai server MCP.
Non semplicemente come integrazioni, ma come capacità riutilizzabili.
Costruiamo una volta una capacità per interrogare determinati dati.
Poi possiamo renderla disponibile a più applicazioni AI compatibili.
Costruiamo un server che permette di cercare nella documentazione aziendale.
Quella stessa capacità può essere utilizzata da un assistente, da un agente specializzato o da altri strumenti.
Questo può aiutare a separare due mondi che oggi cambiano a velocità molto differenti.
Da una parte abbiamo i nostri sistemi aziendali, che possono rimanere operativi per molti anni.
Dall'altra abbiamo modelli e applicazioni AI che evolvono continuamente.
Legare troppo strettamente le due cose rischia di creare infrastrutture difficili da mantenere.
Uno standard aperto può diventare un livello intermedio.
I modelli possono cambiare.
Le applicazioni AI possono cambiare.
Ma le capacità che abbiamo costruito intorno ai nostri dati possono rimanere.
MCP non rende automaticamente un sistema intelligente
Come accade spesso nel mondo dell'intelligenza artificiale, è facile attribuire alla tecnologia più di quello che realmente fa.
MCP non rende migliore un modello.
Non rende automaticamente autonomo un agente.
Non decide quali dati sia corretto esporre.
Non sostituisce la progettazione di una buona architettura.
È un protocollo.
E proprio per questo può essere estremamente importante.
Gli standard più utili spesso non sono interessanti per ciò che fanno direttamente, ma per ciò che permettono di costruire sopra di essi.
MCP fornisce un modo comune attraverso il quale l'intelligenza artificiale può scoprire e utilizzare capacità esterne.
Come utilizzeremo quelle capacità rimane una nostra decisione.
Dal modello al sistema
Negli ultimi anni abbiamo parlato moltissimo di modelli.
Quale modello è più intelligente?
Quale ragiona meglio?
Quale possiede più parametri?
Quale ha la finestra di contesto più grande?
Sono domande importanti, ma credo che progressivamente ne diventerà centrale un'altra:
a cosa può accedere quel modello?
Un modello molto potente ma completamente isolato può fare moltissimo.
Lo stesso modello collegato in maniera sicura ai dati e agli strumenti corretti può diventare parte di qualcosa di molto più grande.
Ed è per questo che trovo MCP così interessante.
Sposta parte della conversazione dall'intelligenza del singolo modello verso l'architettura del sistema nel quale quell'intelligenza viene inserita.
Un linguaggio comune per l'AI che agisce
Nel primo articolo di questo blog ho parlato di Human × AI.
Nel secondo, del passaggio dall'AI che risponde all'AI che agisce.
MCP rappresenta un altro pezzo dello stesso percorso.
Se vogliamo che gli agenti siano realmente utili, dobbiamo permettere loro di lavorare con il mondo digitale che abbiamo già costruito.
Dati.
Software.
Documenti.
Servizi.
Processi.
Ma dobbiamo farlo senza perdere controllo, sicurezza e possibilità di scegliere quali confini non devono essere superati.
I server MCP possono diventare uno dei modi attraverso cui costruire questo collegamento.
Non perché permettono all'intelligenza artificiale di accedere a tutto.
Ma, al contrario, perché possiamo progettare esattamente ciò a cui vogliamo permetterle di accedere.
Ed è forse questa la parte più interessante.
Un modello fornisce l'intelligenza.
Un agente utilizza quell'intelligenza per perseguire un obiettivo.
Un server MCP gli mette a disposizione gli strumenti per interagire con il mondo.
E la persona continua a decidere quale mondo vogliamo mettergli a disposizione.
← Torna al blog
