Model Context Protocol

Il Model Context Protocol è uno standard aperto che definisce un modo unico per collegare i modelli linguistici (LLM) a strumenti, dati e servizi esterni. Serve a superare i due limiti strutturali di un LLM (conoscenza ferma ai dati di addestramento e incapacità di compiere azioni oltre la generazione di testo) offrendo un’interfaccia unificata al posto di tante integrazioni custom. La documentazione ufficiale lo descrive come “una porta USB-C per le applicazioni di intelligenza artificiale”.

MCP è stato sviluppato da Anthropic e reso pubblico come standard aperto a fine novembre 2024. Da allora è stato adottato da gran parte dell’ecosistema AI: OpenAI (nell’Agents SDK), Google e Microsoft, oltre ai principali strumenti di sviluppo come VS Code, Cursor e GitHub Copilot.

Un’API espone le funzionalità di un singolo servizio con le sue convenzioni, i suoi formati e la sua autenticazione. MCP non sostituisce le API: le standardizza verso l’LLM. Invece di scrivere un’integrazione diversa per ogni coppia modello-servizio (un problema M×N), ogni host e ogni server implementano lo standard MCP una sola volta (un problema M+N), riducendo la complessità e rendendo le soluzioni più portabili e manutenibili.

Il tool (o function) calling è il meccanismo con cui un LLM decide di invocare una funzione; MCP è il protocollo che standardizza come quelle funzioni e le risorse e i prompt, vengono esposte e scoperte, indipendentemente dal framework che usi. Nel corso vedi entrambe le cose in azione: come un server espone i tool e come un agente li scopre e li invoca.

MCP segue il paradigma client-server: un Host (es. Claude Desktop, un IDE, un agente) contiene uno o più Client, ciascuno con una connessione 1:1 a un Server MCP. Il server espone capabilities (tools, risorse e prompt) verso risorse locali (file, database) o remote (API, servizi). Nel corso costruisci sia i server sia gli host che li consumano.

Per la parte di costruzione dei server serve una conoscenza di base di Python, perché usiamo la libreria FastMCP. La parte finale su n8n, invece, mostra come lavorare con MCP anche in una piattaforma visuale di automation, avvicinando lo standard anche a chi predilige un approccio low-code.