Il Model Context Protocol (MCP) sta cambiando il modo in cui costruiamo gli agenti AI. Un agente che prima richiedeva ore di configurazione per collegarsi a Gmail, Google Calendar o un database, ora richiede pochi minuti. In questo articolo vediamo cos’è MCP, perché non è l’ennesimo trend passeggero e come usarlo nella pratica per creare un agente AI connesso a servizi esterni.
Come funzionavano gli agenti AI prima di MCP
Prima di MCP, costruire un agente AI significava configurare manualmente ogni singolo tool. Per ogni servizio esterno - Gmail, WhatsApp, Google Calendar - bisognava:
- Configurare l’autenticazione separatamente per ogni tool
- Impostare parametri e variabili manualmente, istruendo l’AI su quali dati estrarre dalla richiesta dell’utente (soggetto dell’email, destinatario, corpo del messaggio)
- Gestire le chiamate API verso ciascun software esterno
- Manutenere tutto ogni volta che un servizio aggiornava le proprie API - se Gmail cambia il modo in cui i software interagiscono col proprio sistema, il tool smette di funzionare e va riconfigurato a mano
Un esempio concreto: un agente su n8n collegato a Gmail con i tool “manda email”, “rispondi email”, “sposta email”, “leggi email” richiede di configurare parametri, variabili e autenticazione per ciascun tool separatamente.
L’analogia calzante è quella di una macchina costruita da zero, componente per componente. Ogni tool - cofano, carburatore, gomme - va assemblato manualmente. Se qualcosa si rompe, bisogna capire quale componente ha causato il problema e aggiustarlo a mano.
Cos’è MCP e perché cambia tutto per gli agenti AI
MCP (Model Context Protocol) è un protocollo che permette agli agenti AI di collegarsi a servizi esterni con una sola autenticazione. Invece di configurare ogni tool singolarmente, ci si connette a un server MCP - ad esempio il server MCP di Gmail - e automaticamente si ha accesso a tutti i servizi di quel software: mandare email, leggere email, spostare email, rispondere.
I tre vantaggi chiave del Model Context Protocol:
- Autenticazione unica: ci si autentica una volta sola per servizio e il server MCP gestisce tutto il resto
- Parametri automatici: non serve più istruire l’AI su quali variabili estrarre dalla conversazione - il server MCP compila i parametri in automatico
- Aggiornamenti trasparenti: se un software cambia le proprie API, il server MCP si aggiorna automaticamente senza nessun intervento manuale
Tornando all’analogia: con MCP non si costruisce più nulla da zero. Si guidano macchine già pronte all’uso - una per Gmail, una per Google Sheets, una per Google Calendar. Basta salire e partire.
MCP nella pratica: demo con Gmail, Calendar e Sheets
Per dimostrare cosa si può fare concretamente con il Model Context Protocol, abbiamo creato un GPT personalizzato connesso a tre server MCP tramite Zapier. Ecco cosa abbiamo chiesto all’agente in un’unica conversazione:
1. Ricerca lead urgenti nel database
L’agente si è connesso a Google Sheets tramite il server MCP, ha individuato il file “MCP”, cercato nella colonna “urgenza” il valore “alta” e ha restituito due lead - Gianni e Marlena. Nessuna configurazione manuale dei parametri: il server MCP ha gestito tutto.
2. Verifica disponibilità in calendario
Si è connesso a Google Calendar, ha verificato gli eventi dal lunedì al venerdì della settimana successiva e ha confermato che non c’erano impegni. Ha capito autonomamente che “prossima settimana” significava il range 15-20 aprile.
3. Invio email personalizzate ai lead
Si è connesso a Gmail tramite il server MCP e ha inviato due email separate a Gianni e Marlena, proponendo tre slot di disponibilità per una chiamata. Soggetto, corpo e firma sono stati generati dall’agente in modo autonomo.
Tutto questo è successo in una singola conversazione, senza toccare una riga di codice. È esattamente questo tipo di automazione che applichiamo nei progetti con i nostri clienti.
Come configurare MCP con Zapier e ChatGPT
Ecco i passaggi per creare un agente AI con MCP usando Zapier e un GPT personalizzato di ChatGPT:
- Crea un account su Zapier MCP: cerca “Zapier MCP” e clicca su “Get Started”
- Crea un GPT personalizzato: su ChatGPT, vai su “I miei GPT” e crea un nuovo GPT
- Importa lo schema Zapier: nel GPT, aggiungi una nuova azione e clicca “Import da URL” con il link fornito da Zapier - lo schema JSON si compila automaticamente
- Aggiungi le istruzioni: copia il template di istruzioni fornito da Zapier nel prompt di sistema del GPT
- Seleziona i server MCP: su Zapier, vai su “My Actions” → “Edit Actions” e aggiungi i servizi che vuoi collegare (Gmail, Google Calendar, Google Sheets, LinkedIn, Notion). Per ogni servizio fai l’autenticazione una sola volta
- Copia le azioni nel GPT: torna sul GPT, sostituisci le “required actions” con le tue e salva
Fatto. Il tuo GPT è ora connesso a più server MCP e può interagire con tutti i servizi configurati in un’unica conversazione.
Per le aziende:
MCP riduce i tempi di sviluppo degli agenti AI aziendali da settimane a giorni. Un agente che accede a CRM, email e calendario non richiede più sviluppo custom per ogni integrazione - con il Model Context Protocol, tutto si connette tramite un unico protocollo standardizzato.
Limiti attuali di MCP e sviluppi futuri
Il Model Context Protocol non è ancora perfetto. Zapier rende l’utilizzo dei server MCP molto semplice e accessibile a tutti, ma il catalogo dei servizi disponibili è limitato - manca ad esempio il server MCP di WhatsApp. Piattaforme come n8n offrono un catalogo molto più ampio, ma richiedono competenze tecniche maggiori per la configurazione.
Nonostante questi limiti, MCP è già sorprendente nello stato attuale e rappresenta un cambio di paradigma nella costruzione degli agenti AI. Con l’adozione crescente da parte dell’intera industria - oggi supportato da OpenAI, Google e i principali IDE - il Model Context Protocol si sta affermando come lo standard per le integrazioni AI. Chi costruisce agenti AI autonomi oggi non può ignorarlo.