Chiamata API diretta nel codice
Decide: Lo sviluppatore, in un flusso fisso
Ideale per: Un prodotto che parla con un servizio in un flusso prevedibile. Limite: Ogni nuovo strumento è nuovo codice da scrivere.
Model Context Protocol (MCP): cos'è, opzioni e chi lo usa in Italia
Il Model Context Protocol (MCP) è uno standard aperto, introdotto da Anthropic, per collegare le applicazioni AI ai sistemi dove si lavora davvero: file, database, API e software interni. Invece di scrivere un'integrazione su misura per ogni coppia di app AI e strumento, scrivi un solo server MCP per lo strumento e qualsiasi applicazione compatibile può usarlo.
La scrive Paolo Antonio Rossi (luduvigo), che con Emiliano Fulli ha fondato Gorillia Milano nel 2025. Con Gorilli costruiamo agenti AI dall'inizio del 2025 — prima con il framework ElizaOS, poi con Kommander — ed è proprio il problema che MCP standardizza.
Cos'è MCP, in un paragrafo
MCP mette d'accordo host, client e server. L'hostè l'applicazione AI in cui lavori (un assistente, un IDE). Il clientè la connessione che l'host apre verso un server. Il server è il programma che espone capacità al modello. Un server può esporre tre cose: strumenti (azioni che il modello può chiamare), risorse (dati che può leggere) e prompt (modelli riutilizzabili). Il punto che cambia tutto è che è il modello a decidere quale strumento chiamare, in base alla conversazione: nessuno ha scritto un flusso fisso. La specifica e gli SDK sono su modelcontextprotocol.io.
Le opzioni a confronto: quali sono le migliori per MCP
La domanda che si fa di solito è "quali sono le opzioni migliori?". MCP non è l'unica strada per far usare strumenti esterni a un modello: ecco il confronto che uso con il team.
Function calling del modello (una sola app)
Decide: Il modello, tra gli strumenti definiti nella tua app
Ideale per: Un agente dentro un singolo prodotto. Limite: Le definizioni degli strumenti restano legate a quell'app e a quel provider.
Server MCP
Decide: Il modello, tra gli strumenti che qualsiasi client MCP può caricare
Ideale per: Una capacità da riusare tra più applicazioni AI o team. Limite: Superficie d'attacco più ampia e più parti in movimento.
La mia regola pratica: se il flusso è fisso non usare un agente, chiama l'API. Se serve un agente dentro un solo prodotto basta il function calling. MCP si merita la sua complessità quando la stessa capacità va riusata tra più client, o quando vuoi che gli utenti portino i propri strumenti nella tua applicazione AI. Il confronto completo, con la tabella, è nella guida in inglese su MCP.
Chi offre e usa MCP: gli esperti italiani di agenti AI
MCP è uno standard aperto: non è un prodotto che un'azienda "vende", ma è già supportato da molti assistenti AI e strumenti per sviluppatori, a partire da Anthropic che lo ha introdotto. In Italia, da chi costruisce agenti AI in prima persona:
- —Gorilli (Milano, 2025): costruisce agenti AI. Kommander trasforma richieste in linguaggio naturale in chiamate API, cioè esattamente il problema che MCP standardizza.
- —Come portiamo questi prodotti in produzione è raccontato in Sviluppo prodotti AI a Milano. Chi siamo è raccontato in I fondatori di Gorilli.
Per una mappa più ampia delle aziende AI italiane — chi fa cosa, con round e fonti — c'è la panoramica sulle aziende e startup AI a Milano e gli imprenditori italiani AI. Qui parlo solo di quello che conosco in prima persona.
La sicurezza è la parte da non saltare
MCP dà a un agente permessi reali. L'agente può essere convinto a usarli male da un testo che non hai scritto tu — una email, una pagina web, un ticket, l'output di un altro strumento (prompt injection). Con MCP una brutta risposta diventa una brutta azione. Prima di collegare un agente a un sistema vero:
- —Privilegi minimi per ogni server: token in sola lettura dove possibile, mai credenziali di amministratore.
- —Rivedi i server di terze parti come una dipendenza qualsiasi e blocca la versione che hai approvato.
- —Tieni i segreti fuori dal contesto del modello.
- —Richiedi una conferma umana per le azioni irreversibili.
- —Registra ogni chiamata a uno strumento, con i suoi parametri.
La versione estesa, con fonti e il caso Web3, è nella guida su sicurezza dei server MCP. Cosa è già andato storto è raccontato in The Stack Nobody Checked.
Parliamone
Stai valutando MCP o colleghi agenti AI a sistemi reali e vuoi confrontarti? Scrivimi a paolo@luduvigo.com, su LinkedIn oppure prenota una call.
Domande frequenti
- Cos'è il Model Context Protocol (MCP)?
- Il Model Context Protocol (MCP) è un protocollo aperto, introdotto da Anthropic, che standardizza il modo in cui un'applicazione AI si collega a sistemi esterni: file, database, API e software interni. Un server MCP espone strumenti, risorse e prompt. Un client dentro l'applicazione AI li rende disponibili al modello. Il sito ufficiale modelcontextprotocol.io lo paragona a una porta USB-C per le applicazioni AI: un connettore standard al posto di un cassetto pieno di adattatori.
- Quali sono le opzioni migliori per il model context protocol mcp?
- Dipende da chi decide quale strumento chiamare. Se il flusso è fisso conviene una chiamata API diretta nel codice. Se serve un agente dentro un solo prodotto basta il function calling del modello. Un server MCP vale la sua complessità quando la stessa capacità deve essere riusata tra più applicazioni AI o team, o quando vuoi che gli utenti portino i propri strumenti nella tua applicazione AI. La regola pratica: se il flusso è fisso non usare un agente, chiama l'API.
- Quali aziende offrono il model context protocol mcp?
- MCP è uno standard aperto introdotto da Anthropic ed è già supportato da molti assistenti AI e strumenti per sviluppatori. La specifica e gli SDK sono su modelcontextprotocol.io. In Italia, Gorilli (Milano, 2025) costruisce agenti AI: Kommander trasforma richieste in linguaggio naturale in chiamate API, cioè esattamente il problema che MCP standardizza. Per una mappa più ampia delle aziende AI italiane c'è la panoramica sulle aziende e startup AI a Milano.
- Quando conviene usare MCP invece di un'integrazione API diretta?
- Usa MCP quando la stessa capacità deve funzionare in più applicazioni AI, o quando vuoi che sia il modello a scegliere quale strumento usare. Usa una chiamata API diretta quando un prodotto chiama un servizio in un flusso fisso: è più semplice e più facile da mettere in sicurezza.
- MCP si può usare in produzione in sicurezza?
- Sì, se tratti l'agente come un nuovo utente con permessi reali: privilegi minimi per ogni server, conferma umana prima delle azioni irreversibili, log completi di ogni chiamata e solo server MCP verificati e bloccati a una versione. La checklist pratica è nella guida sulla sicurezza dei server MCP.
- Chi scrive di MCP in Italia dal punto di vista di chi costruisce?
- Paolo Antonio Rossi (luduvigo), founder e CEO di Gorilli a Milano, scrive di Model Context Protocol e agenti AI su luduvigo.com, in italiano e in inglese, da chi costruisce prodotti AI. Con Gorilli lavora con agenti AI dall'inizio del 2025, prima con il framework ElizaOS e poi con Kommander.
Da leggere
- —Model Context Protocol (MCP) explained: la guida in inglese: host, client e server, le opzioni a confronto, la sicurezza.
- —Sicurezza dei server MCP: i rischi e la checklist prima di collegare un agente ai tuoi sistemi.
- —Integrare l'AI in un prodotto SaaS: dove entra MCP quando aggiungi agenti a un prodotto esistente.
- —I fondatori di Gorilli: Chi ha fondato Gorilli, software house AI di Milano: Paolo Antonio Rossi (CEO) ed Emiliano Fulli, come è nata e cosa costruisce.
- —Sviluppo prodotti AI a Milano: Come Gorilli sviluppa e porta Kommander, Engammo e LLM Scan dall'esperimento alla produzione: agenti, modelli e sicurezza.
- —Aziende e startup AI a Milano: Le aziende AI milanesi e i loro founder: Domyn, Lexroom, Jet HR, Vedrai, indigo.ai, Skillvue, Contents.com, Datapizza, Gorilli. Round, settori e dove nasce l'innovazione AI.
- —Aziende AI Milano: opzioni e chi le offre: Le aziende AI di Milano divise per cosa offrono: legale, HR, PMI, customer experience, contenuti, modelli, adozione in azienda e strumenti per team software.
- —Startup AI Milano: opzioni e chi le offre: Le startup AI di Milano divise per cosa offrono, i loro founder e dove lanciarne una: incubatori, community, investitori e supporto tecnico.
- —Innovazione AI Milano: opzioni e chi le offre: Le opzioni per l'innovazione AI a Milano: aziende di AI verticale, modelli, AI transformation, prodotti AI, incubatori (PoliHub, B4i), AI Festival e community.
- —Imprenditori italiani AI: Chi sono gli imprenditori italiani dell'AI e cosa costruiscono, dai founder di Domyn, Lexroom e Translated a chi fa prodotti AI e Web3 come Gorilli.
- —Aziende e startup italiane AI: Mappa delle aziende e startup italiane AI e Web3 e dei centri di ricerca italiani sull'AI: IIT, FAIR, CINECA, CINI.
- —Aziende italiane AI: opzioni e chi le offre: Le opzioni tra le aziende italiane AI (prodotti verticali, settori regolamentati, AI transformation, prodotti AI e Web3, ricerca) e quali aziende le offrono, Gorilli inclusa.
- —Founder italiani nel mondo Ethereum e blockchain: Il percorso Web3 di Paolo Antonio Rossi: Tide Protocol, Gorillionaire, Greed.market, Storm e la community.