Introduzione al mondo MCP

Il Model Context Protocol, o MCP, è nato da un’idea semplice ma potente: i modelli di intelligenza artificiale sono efficaci solo quanto il contesto che hanno a disposizione. Sviluppato da Anthropic, l’MCP è un protocollo aperto che definisce il modo in cui le applicazioni di AI interagiscono con strumenti e fonti di dati esterni.
Prima, quando volevamo far usare a un’AI i nostri dati o strumenti (come i file sul computer o servizi web), ogni sviluppatore o azienda creava il proprio metodo personalizzato. Questo causava frammentazione e incompatibilità tra i diversi sistemi. MCP risolve questo problema creando un “linguaggio comune” che tutte le applicazioni AI possono parlare per accedere a risorse esterne.

Pensate alla porta USB-C del vostro computer: non importa quale dispositivo collegate, la porta comunica con tutti usando lo stesso standard. Allo stesso modo, MCP permette a qualsiasi applicazione AI di collegarsi a qualsiasi fonte di dati o strumento esterno in modo standard.

La struttura di MCP si basa su tre componenti principali:
• Host: è l’applicazione che usiamo direttamente, come Claude Desktop. È l’interfaccia che gestisce tutto il sistema e chiede il nostro permesso prima di condividere dati o eseguire azioni.
• Client MCP: vive dentro l’applicazione Host. Si occupa di comunicare con un Server specifico. Un’applicazione può avere più Client, ognuno collegato a un Server diverso.
• Server MCP: è un “adattatore” per uno strumento o una fonte di dati. Rende disponibili funzioni specifiche all’applicazione Host. Ogni Server si concentra su un compito specifico: uno per i file, uno per un database, uno per tradurre testi, e così via.

I Server possono offrire tre tipi di funzionalità:
• Tools: permettono all’AI di agire nel mondo reale: inviare email, creare documenti, cercare sul web. È l’AI che decide quando usarli in base alla conversazione. Questa capacità di agire autonomamente è ciò che trasforma un modello linguistico in un vero agente AI.
• Resources: sono dati che il Server mette a disposizione, come una lista di file o informazioni da un database. Possono essere statiche o dinamiche, e l’applicazione decide quando utilizzarle.
• Prompt: sono prompt predefiniti per le richieste comuni. Invece di spiegare ogni volta come svolgere un compito ripetitivo, si può usare un Prompt già pronto.

Anthropic ha creato la soluzione MCP come soluzione condivisa per costruire sistemi AI collegati ai dati, non è una rivoluzione totale ma porta standardizzazione in un campo che altrimenti sarebbe piuttosto caotico.

MCP e Agenti AI

Il vero potenziale di MCP si realizza quando viene applicato agli agenti AI. A differenza delle AI conversazionali tradizionali, che si limitano a rispondere alle domande, gli agenti AI sono sistemi capaci di agire autonomamente per svolgere compiti complessi. Possono prendere decisioni, utilizzare strumenti e interagire attivamente con altri sistemi per raggiungere obiettivi specifici.

MCP è il fondamento ideale per costruire questi agenti perché:
• Fornisce un modo standardizzato per gli agenti di interagire con qualsiasi sistema esterno
• Permette agli agenti di scoprire e utilizzare nuove capacità dinamicamente
• Separa la logica dell’agente dalle specifiche implementazioni degli strumenti

Nella visione di Anthropic, un agente efficace è essenzialmente un “LLM aumentato” che funziona in un ciclo continuo. MCP si posiziona come lo strato che permette al LLM di accedere a sistemi di recupero dati, strumenti e memoria, tutto in modo standardizzato.

Questo approccio offre un vantaggio significativo: gli agenti possono espandere le proprie capacità anche dopo essere stati programmati. Un agente che non è stato specificamente progettato per interagire con un servizio come GitHub può comunque scoprire un Server MCP per GitHub e imparare ad utilizzarlo durante l’esecuzione.

Una caratteristica particolarmente potente di MCP è il suo essere componibile. Gli agenti stessi possono essere sia Client che Server MCP, permettendo di creare sistemi gerarchici dove diversi agenti specializzati lavorano insieme. Ad esempio, un agente orchestratore può delegare compiti a sub-agenti specializzati in ricerca, analisi dei dati o codifica, ognuno con accesso ai propri Server MCP specifici.
In questo ecosistema, gli sviluppatori di agenti possono concentrarsi sulla logica dell’agente stesso (come gestisce il contesto, come prende decisioni), lasciando che l’MCP gestisca tutte le interazioni con i sistemi esterni.

MCP con Claude Desktop: installazione e configurazione

Claude Desktop è un’applicazione che può usare MCP per trasformare Claude in uno strumento potente, ad esempio capace di collegarsi agli strumenti e ai dati sul vostro computer.

Per iniziare, servono due cose:
• L’applicazione Claude Desktop installata sul computer (disponibile per Mac e Windows).
• Node.js, un software che serve a far funzionare molti Server MCP. Potete verificare se è già installato aprendo il terminale e digitando “node -v”. Se non lo avete, potete scaricarlo gratuitamente dal sito ufficiale di Node.js.

Una volta pronti, ci sono tre modi principali per aggiungere un Server MCP a Claude Desktop:
• Modificare un file di configurazione sul computer: il file claude_desktop_config.json (su Mac si trova in ~/Library/Application Support/Claude/, mentre chi ha un sistema Windows lo trova in %APPDATA%Claude ) contiene le istruzioni per Claude Desktop su quali Server MCP avviare. Si può considerare come una lista di strumenti che l’agente AI può utilizzare.
• Usare un comando nel terminale: Claude Desktop include uno strumento che vi guida nell’aggiungere un nuovo Server. Basta digitare “claude mcp add” e seguire le istruzioni: dare un nome al Server, decidere se renderlo disponibile sempre e indicare come avviarlo.
• Usare strumenti creati da altre aziende: offrono Server MCP già pronti per servizi popolari. Esistono già migliaia di Server MCP, molti dei quali sono disponibili come open source.

Indipendentemente dal metodo scelto, dopo aver aggiunto un Server dovete riavviare completamente Claude Desktop per permettergli di vedere e connettersi ai nuovi Server. Dopo il riavvio, Claude Desktop impiegherà qualche momento per caricare i Server e rendere disponibili le loro funzionalità.
Un aspetto importante da considerare è che molti Server MCP sono semplici da creare: spesso sono solo poche centinaia di righe di codice, e possono essere sviluppati in poco tempo. Ogni nuovo Server aggiunto aumenta le capacità dell’agente AI, permettendogli di svolgere compiti sempre più complessi.

Come si gestiscono gli MCP attraverso Claude Desktop

Una volta configurati i Server MCP e riavviato Claude Desktop, potete iniziare a usare le nuove funzionalità semplicemente conversando con Claude, che ora agisce come un vero agente AI.

Non c’è una schermata di controllo complicata da imparare. Claude capisce, in base alle vostre richieste, quali Server sono disponibili e quali strumenti sono utili per il compito. È questa autonomia che lo rende un agente, capace di scegliere e utilizzare gli strumenti giusti senza bisogno di istruzioni dettagliate.
Tuttavia, soprattutto con il crescere della complessità dei collegamenti attivabili, quando si vuole utilizzare uno specifico MCP conviene sempre nominarlo all’inizio dell’interazione.

Claude Desktop fa da centro di controllo. Non solo mostra le risposte di Claude, ma può anche presentare le informazioni raccolte dai Server (come liste di problemi o file) e chiedervi conferma prima di eseguire azioni importanti.
Le Risorse possono apparire nell’interfaccia come allegati che potete decidere di includere nella conversazione. I Prompt possono essere attivati con comandi speciali nella chat (come “/analizza_dati“), semplificando interazioni comuni.

Entrare nel mondo MCP

Per chi vuole iniziare subito a sperimentare con MCP, Claude Desktop rappresenta una soluzione pronta all’uso. L’applicazione funziona come Client MCP e permette di installare e utilizzare facilmente i Server disponibili, trasformando Claude in un agente capace di interagire con numerosi strumenti esterni.

L’ecosistema MCP, nonostante sia una tecnologia recente, ha già visto uno sviluppo significativo con numerose risorse disponibili per chi vuole iniziare. Per trovare i Server MCP si possono utilizzare i siti che li indicizzano, uno da cui partire è quello indicato dalla stessa Anthropic github.com/modelcontextprotocol/servers

Questo articolo è una tappa del Percorso Cos’è MCP e come è diventato standard, che lo unisce ad altri articoli del blog su questo tema.

Vai al Percorso →