La domanda sul Model Context Protocol arriva quasi sempre da chi ha già un assistente AI in azienda. Il team lo usa per scrivere, riassumere, analizzare file. Poi qualcuno chiede perché non può guardare direttamente il gestionale, invece di ricevere un export ogni volta. La risposta tecnica a quella domanda oggi si chiama quasi sempre MCP.
Martes AI sviluppa agenti e soluzioni AI collegati ai sistemi delle aziende italiane. Quello che segue viene dalla documentazione ufficiale su modelcontextprotocol.io e dalle pagine di Anthropic, lette il 9 novembre 2026. Il resto viene dai progetti in cui abbiamo collegato l’AI al lavoro vero.
Model Context Protocol: cos’è in pratica
Un assistente AI sa scrivere e ragionare ma non sa cosa c’è nel tuo gestionale. Per arrivarci servono due cose: un modo di leggere i dati e un modo di fare azioni. Prima di MCP ogni prodotto AI aveva il suo sistema di integrazione e ogni collegamento andava rifatto per ogni prodotto.
MCP mette un linguaggio comune in mezzo. Chi gestisce un sistema costruisce un server MCP che descrive cosa si può leggere e cosa si può fare. Ogni assistente che parla MCP lo usa senza altro lavoro. La documentazione ufficiale porta esempi concreti: un agente che legge Google Calendar e Notion, Claude Code che costruisce un’applicazione da un progetto in Figma, un assistente aziendale collegato a più database dell’organizzazione per analizzare i dati in chat.
Come funziona: host, client e server
L’architettura ha tre parti. Servono per capire cosa chiedere a un fornitore, non per costruirle.
| Parte | Cos’è | Esempio |
|---|---|---|
| Host | L’applicazione AI che la persona usa | Claude Desktop, Claude Code, Visual Studio Code |
| Client | Il pezzo dell’host che tiene aperto il collegamento con un server | Uno per ogni server collegato |
| Server | Il programma che dà all’AI accesso a un sistema | Un server sul gestionale, uno sul CRM, uno sulle cartelle |
Un server offre all’assistente tre cose:
- Strumenti: azioni che l’AI può chiedere di eseguire. Cercare un ordine, creare un’attività, interrogare un database.
- Risorse: dati che danno contesto. Il contenuto di un file, una scheda cliente, la risposta di un sistema.
- Prompt: modelli di istruzioni già pronti per un compito ricorrente.
Il server può stare sullo stesso computer dell’assistente oppure in rete. In rete la documentazione raccomanda OAuth per l’autenticazione, cioè lo stesso tipo di accesso con cui oggi si autorizza un’app a leggere la propria posta.
Chi lo supporta e chi lo governa
MCP è nato in Anthropic. L’annuncio del 25 novembre 2024 lo presentava come uno standard per collegare gli assistenti AI ai sistemi in cui vivono i dati, con server pronti per Google Drive, Slack, GitHub e Postgres.
A dicembre 2025 Anthropic lo ha donato all’Agentic AI Foundation, un fondo della Linux Foundation fondato con Block e OpenAI, sostenuto da Google, Microsoft, AWS, Cloudflare e Bloomberg. Nello stesso annuncio Anthropic parla di oltre 10.000 server MCP pubblici attivi e di più di 97 milioni di download al mese dei kit di sviluppo per Python e TypeScript.
Per un’azienda questo conta per una ragione sola: un collegamento costruito su MCP non lega a un fornitore di modelli. Lo stesso server sul gestionale funziona con Claude oggi e con un altro assistente domani.
Cosa si collega in un’azienda
Le fonti sono quasi sempre le stesse:
- Posta, calendario e file condivisi. Esistono connettori pronti per gli ambienti più diffusi. Si accendono in poco tempo.
- CRM e strumenti di progetto diffusi. Spesso il produttore ha già un server MCP ufficiale.
- Gestionale. Qui quasi mai c’è qualcosa di pronto, perché ogni installazione è personalizzata. Serve un server costruito sopra le sue API o sul suo database.
- Software scritti in casa. Nessun server pronto per definizione.
Per Better Bookings, tour operator attivo su sette mercati che si scrive da solo le applicazioni, il problema era proprio questo: informazioni divise fra sistemi diversi e la persona giusta da trovare per ogni domanda. Il Company Brain che abbiamo costruito rende quei sistemi interrogabili con una domanda in italiano, lasciando i software dove sono. Con Kerby, l’agente che gestisce le richieste di offerta di Kerberos Energy, abbiamo visto l’altro lato della stessa regola: le API e i punti di integrazione costruiti per il primo agente diventano infrastruttura per tutte le funzioni dopo. È l’idea su cui si regge anche MCP: si collega una volta, si usa molte volte.
Sicurezza e permessi: le domande da fare
Il protocollo non decide cosa l’AI può fare. Lo decide chi costruisce e configura il server. Anthropic, nella pagina sui connettori personalizzati con MCP remoto, mette in fila le avvertenze:
- Solo server di cui ci si fida. Un connettore può collegare Claude a servizi che Anthropic non ha verificato.
- Istruzioni nascoste. Uno strumento malevolo può contenere testo pensato per dirottare l’assistente.
- Credenziali condivise. Sui piani Team ed Enterprise una chiave condivisa dà a tutti lo stesso accesso al servizio. Va usata una chiave con permessi limitati.
- Approvazioni. “Consenti sempre” va dato solo agli strumenti che si possono lasciar girare senza supervisione.
- Server raggiungibile. Per i connettori remoti di Claude il server deve essere raggiungibile da internet, perché il collegamento parte dai server di Anthropic.
Sui piani Team di Claude i connettori personalizzati li aggiungono solo i proprietari dell’organizzazione. Su Enterprise anche i ruoli con il permesso di gestirli. Poi ogni persona si collega con il proprio account. Quali connettori attivare e cosa decide l’amministratore è nella guida sui connettori Claude.
Server pronto
- Il sistema è diffuso e il produttore ne pubblica uno ufficiale
- Le operazioni esposte sono quelle che servono
- Le credenziali sono per persona
Server su misura
- Gestionale personalizzato o software scritto in casa
- Il server pronto espone scrittura e cancellazione quando basta la lettura
- Servono regole sui permessi uguali a quelle che l'azienda ha già
Quando serve un server MCP su misura
La regola che usiamo è semplice. Se il produttore del sistema pubblica un server MCP ufficiale e le operazioni esposte vanno bene, si usa quello. Se il sistema è personalizzato, se il server pronto espone troppo o se servono regole sui permessi che il server pronto non conosce, si costruisce.
Un server su misura fatto bene ha tre caratteristiche. Espone poche operazioni con nomi chiari, perché l’assistente sceglie meglio fra cinque strumenti che fra cinquanta. Parte in sola lettura e aggiunge la scrittura solo su operazioni precise e tracciate. Rispetta i permessi che esistono già: se l’ufficio acquisti non vede le buste paga, l’assistente collegato per conto di quella persona non le vede.
È il lavoro che facciamo nello sviluppo AI su misura: partiamo da cosa l’AI deve leggere e fare nel processo, poi costruiamo il collegamento. Martes AI è una società di Roma che sviluppa agenti AI e fa formazione per aziende italiane. Come si porta l’AI dentro gestionale e CRM senza toccare i processi critici è nella guida su come integrare l’AI nei software che già usi. Cos’è un agente che usa questi strumenti da solo è nella guida sugli agenti AI.