MCP (Model Context Protocol) è uno standard aperto, introdotto da Anthropic a fine 2024, che definisce come le applicazioni AI si collegano a strumenti e dati esterni. Invece di costruire un'integrazione su misura per ogni modello e sistema, un singolo server MCP espone uno strumento una volta sola e qualsiasi client AI compatibile può usarlo.
Ogni progetto AI che prendiamo in mano prima o poi sbatte contro lo stesso muro. Il modello è capace, ma vive dentro una scatola. Non vede il CRM, non sa gli ordini di ieri, non riesce a tirare fuori un documento dalla cartella condivisa. Così scrivi un'integrazione. Poi un'altra per lo strumento successivo. Sei mesi dopo ti ritrovi a mantenere una pila di connettori su misura che fanno più o meno la stessa cosa, ognuno a modo suo.
MCP esiste per far fuori quella pila. Sta per Model Context Protocol, uno standard aperto che Anthropic ha pubblicato a fine 2024, ed è diventato in fretta il modo in cui le applicazioni AI parlano con i sistemi che hanno attorno.
Cos'è MCP, davvero
MCP è un protocollo, non un prodotto. Definisce un linguaggio comune tra un'applicazione AI e gli strumenti o i dati che le servono. Il paragone che ha attecchito è l'USB-C: prima ogni dispositivo aveva il suo cavo, dopo un connettore solo va bene per tutto. MCP prova a essere quel connettore per l'AI.
L'impianto ha tre parti. L'host è l'applicazione AI, per esempio un assistente o un agente. Il client vive dentro l'host e parla il protocollo. Il server sta davanti a un sistema (un database, un CRM, un archivio di file) e lo espone nella forma che MCP si aspetta. Scrivi un server per il tuo CRM e qualsiasi AI compatibile con MCP può usarlo.
Perché uno standard conta
Senza uno standard, ogni combinazione di modello e strumento è un'integrazione su misura. Dieci strumenti su tre applicazioni AI fanno trenta connettori da costruire e tenere in vita. Con MCP lo strumento si descrive una volta sola, lato server, e qualsiasi client può consumarlo. Il conto passa da una moltiplicazione a una somma.
Vuol dire anche che non resti legato a un solo modello. Se costruisci su MCP e più avanti cambi il modello sotto, i server continuano a funzionare. È lo stesso ragionamento dietro il progettare i sistemi API-first: il contratto sopravvive all'implementazione.
Le tre cose che un server MCP espone
Un server può offrire tre tipi di cose. I tool sono azioni che il modello può richiamare, come "crea una fattura" o "cerca gli ordini". Le risorse sono dati che il modello può leggere, come un documento o un record di database. I prompt sono modelli già pronti per compiti ricorrenti. Nella maggior parte degli usi aziendali si parte da tool e risorse.
Dove si incastra in un'azienda
Esempio concreto. Un assistente di supporto che deve controllare lo stato di un ordine, leggere la politica sui resi e aprire un ticket. Tre sistemi. Con MCP esponi ognuno tramite un server, e l'assistente li chiama attraverso lo stesso protocollo. L'anno prossimo cambi lo strumento di ticketing e sostituisci un server, non l'assistente.
È lo strato naturale sotto gli agenti AI di cui abbiamo scritto: l'agente decide cosa fare, MCP è il modo in cui allunga la mano e lo fa. Lo stesso vale per un assistente che risponde dai tuoi documenti, dove i documenti arrivano tramite un server che l'assistente ha il permesso di leggere.
Sicurezza: decide il server, non il modello
Il modello non ha mai carta bianca. Il server MCP controlla esattamente cosa viene esposto e cosa ogni operazione può fare. Il modello può chiamare solo ciò che il server offre, con i permessi che il server impone. Fatto bene, l'AI tocca i tuoi dati attraverso una porta stretta e tracciabile, non con un passe-partout.
Quando conviene, e quando no
MCP rende quando una funzione AI deve toccare più di uno o due sistemi, o quando ti aspetti che quei sistemi cambino. Per un'integrazione singola e stabile una chiamata diretta è spesso più semplice, e va benissimo. Il senso di uno standard non è usarlo ovunque, è smettere di reinventare il connettore ogni volta che cresce il numero di strumenti. Quando portiamo l'AI dentro un'azienda, di solito è qui che si prendono le decisioni sull'impianto.
Il cambiamento interessante non è che l'AI ora può usare i tuoi strumenti. È che collegarla smette di essere un lavoro su misura ogni singola volta. È questo che trasforma una demo di AI in qualcosa che puoi davvero far girare e mantenere.
