Il Model Context Protocol è probabilmente la novità più concreta degli ultimi mesi per chi vuole portare l'intelligenza artificiale dentro i processi reali di un'azienda. Non è un modello più potente né l'ennesimo chatbot: è uno standard aperto che permette a un'AI di collegarsi ai tuoi strumenti — gestionale, email, CRM, documenti, database — in modo uniforme. In pratica, trasforma un assistente che "sa parlare" in un agente che "sa fare".
Per chi costruisce agenti e automazioni, come facciamo in Studiollice, è un tassello che cambia il modo di lavorare. Vediamo cos'è, quale problema risolve e cosa può fare già oggi per un'impresa.
Cos'è il Model Context Protocol
Il Model Context Protocol (MCP) è un protocollo aperto presentato da Anthropic il 25 novembre 2024. L'idea è semplice ma potente: definire un linguaggio comune con cui qualsiasi applicazione AI può chiedere dati ed eseguire azioni su qualsiasi sistema esterno.
L'analogia ufficiale è quella della USB-C. Prima esisteva un cavo diverso per ogni dispositivo; oggi una sola porta li collega tutti. Allo stesso modo, MCP offre un unico "connettore" standard tra l'AI e il mondo esterno. Inoltre, essendo open source, non è proprietà di un singolo fornitore: la specifica, gli SDK e decine di server pronti all'uso sono pubblici.
Il problema che risolve: la giungla delle integrazioni
Fino a ieri, collegare un'AI a un sistema aziendale significava scrivere un'integrazione su misura per ogni coppia strumento-modello. Con tre modelli e cinque applicazioni servivano quindici integrazioni diverse da costruire e mantenere. È il classico problema "M×N": cresce in fretta e diventa ingestibile.
MCP ribalta la logica. Ogni strumento espone un solo server compatibile con lo standard, e ogni AI parla quel linguaggio una volta sola. Il risultato è che si costruisce l'integrazione una volta e la si riusa ovunque. Tuttavia il vantaggio non è solo tecnico: significa meno codice fragile, aggiornamenti più semplici e la possibilità di cambiare modello senza rifare tutto da capo.
Come funziona: server, client e i tre "primitivi"
L'architettura è client-server. L'applicazione AI — per esempio Claude, un IDE come VS Code o un agente custom — fa da host e apre una connessione dedicata verso ogni server MCP. Il server è il programma che dà accesso a un sistema: il filesystem, un database Postgres, GitHub, Slack, un gestionale interno.
Ogni server può esporre tre cose, i cosiddetti "primitivi":
- Tools — azioni eseguibili: interrogare un database, inviare un messaggio, creare un ticket.
- Resources — dati di contesto: il contenuto di un file, i record di una tabella, lo storico di un progetto.
- Prompts — modelli di interazione riutilizzabili, per guidare l'AI su compiti ricorrenti.
I server possono girare in locale (sulla stessa macchina, via input/output diretto) o da remoto via HTTP, con autenticazione OAuth o token. Quest'ultimo punto è ciò che ha reso MCP utilizzabile su scala aziendale: un server remoto può servire molti utenti in sicurezza. Chi vuole i dettagli tecnici li trova nella documentazione ufficiale del protocollo.
Cosa può fare oggi un'azienda
La teoria è interessante, ma i casi concreti lo sono di più. Dal maggio 2025 Claude collega tramite MCP una serie di servizi molto usati dalle imprese: Atlassian (Jira e Confluence), Zapier (che a sua volta apre le porte a migliaia di app), Asana, Linear, Intercom, PayPal, Square, Sentry e altri. Aziende come Block e Apollo lo hanno adottato già dai primi mesi.
Tradotto in operatività quotidiana, significa per esempio:
- Un agente che legge i ticket di supporto, li smista e prepara le risposte attingendo alla knowledge base interna.
- Un assistente che, partendo da un feedback utente, apre il bug su Jira, aggiorna la pagina Confluence e avvisa il team.
- Un flusso che estrae i dati da un gestionale e li riversa nel CRM senza copia-incolla manuale.
Sono esattamente il tipo di automazioni che costruiamo un agente alla volta. Se vuoi capire il quadro d'insieme, ne parliamo in come si costruisce una flotta di agenti verticali e in cosa può fare concretamente un agente AI.
Non serve essere una big: il vantaggio per le PMI
Si potrebbe pensare che uno standard del genere riguardi solo le grandi aziende con team tecnici dedicati. In realtà è il contrario. Proprio perché il Model Context Protocol abbatte il costo delle integrazioni, mette alla portata di una piccola o media impresa automazioni che prima richiedevano progetti su misura costosissimi.
Inoltre, MCP è indipendente dal modello: non ti lega a un singolo fornitore. Se domani un modello diverso lavora meglio sul tuo caso d'uso, gli stessi server continuano a funzionare. Per una PMI questo significa investire su un'infrastruttura che non diventa obsoleta al primo cambio di tecnologia — un tema che tocchiamo spesso quando parliamo di adozione dell'AI senza rivoluzionare tutto.
MCP e sicurezza: cosa valutare prima
Dare a un'AI la capacità di agire sui tuoi sistemi è potente, ma va governato. Il principio guida resta quello dei permessi minimi: ogni server MCP deve poter fare solo ciò che serve, con credenziali dedicate e tracciabilità delle azioni. Infatti il protocollo raccomanda OAuth proprio per non disseminare chiavi ovunque.
La domanda giusta, quindi, non è "posso collegare tutto?", ma "quale singolo processo mi conviene automatizzare per primo, e con quali confini?". È da lì che parte ogni progetto serio. Studiollice progetta agenti e automazioni su misura, scegliendo con te il primo processo da mettere in mano all'AI — con la sicurezza e i controlli giusti fin dall'inizio.