In breve: MCP, Model Context Protocol, standardizza il modo in cui un’applicazione AI scopre e usa dati, risorse e strumenti esterni. In azienda può collegare un assistente a CRM, ERP, documenti e API, ma non elimina la progettazione: autorizzazioni minime, separazione dei sistemi, tracciamento e conferma umana restano indispensabili.

Che cos’è il Model Context Protocol?

MCP è un protocollo aperto per mettere in comunicazione applicazioni basate su modelli linguistici e sistemi esterni. Un server MCP può esporre risorse da consultare, strumenti da invocare e prompt controllati. Il client gestisce la connessione, mentre l’applicazione host coordina autorizzazioni, contesto e interazione con l’utente.

La documentazione ufficiale descrive un’architettura host-client-server basata su confini chiari. Il server non dovrebbe vedere l’intera conversazione né accedere automaticamente agli altri server. Questa separazione è importante in azienda: il connettore documentale, il CRM e l’ERP possono avere permessi e responsabilità differenti.

Perché MCP è rilevante per le applicazioni AI aziendali?

Molti progetti AI iniziano con integrazioni costruite una per una. Ogni assistente usa chiamate, formati e credenziali proprie. Quando aumentano strumenti e casi d’uso, la manutenzione diventa complessa. MCP introduce un contratto comune per descrivere ciò che un sistema mette a disposizione.

Questo non rende tutte le integrazioni intercambiabili, ma può ridurre codice ripetuto e facilitare la composizione. Un’applicazione può interrogare una base documentale, leggere lo stato di una commessa e preparare un’azione sul CRM attraverso interfacce dichiarate. La decisione finale resta governata dal processo e dai permessi.

Quali casi d’uso può abilitare in una PMI?

Esigenza Risorsa o strumento MCP Controllo consigliato
Ricerca documentale Procedure, manuali, contratti e schede tecniche Filtri per ruolo, fonte e versione
Supporto commerciale Clienti, opportunità, attività e catalogo Lettura separata dalle modifiche al CRM
Assistenza Ticket, storico e knowledge base Escalation e approvazione delle risposte sensibili
Produzione Commesse, avanzamenti, distinte e tempi Accesso minimo e blocco dei comandi critici
Report direzionali Dati aggregati da ERP, CRM e web app Definizioni condivise e tracciamento delle fonti

Il primo progetto dovrebbe privilegiare lettura e supporto alle decisioni. Consentire a un agente di modificare ordini, pagamenti, anagrafiche o parametri di produzione richiede controlli più forti, ambienti separati e una chiara attribuzione delle responsabilità.

MCP sostituisce le API?

No. MCP usa e organizza capacità che spesso dipendono ancora dalle API dei sistemi aziendali. L’API definisce come leggere o modificare una risorsa; MCP rende quelle capacità comprensibili e utilizzabili da un’applicazione AI attraverso primitive comuni. Se il gestionale non espone dati affidabili o non applica autorizzazioni corrette, aggiungere MCP non risolve il problema.

Un server MCP può quindi essere un livello sopra API esistenti, non una scorciatoia intorno alle regole. DLM Design parte dalla mappa delle integrazioni tra CRM, ERP ed e-commerce e decide quali operazioni esporre all’assistente.

Qual è la differenza tra MCP, RAG e function calling?

La RAG recupera contenuti da una base di conoscenza e li fornisce al modello per produrre una risposta più contestuale. Il function calling consente al modello di proporre la chiamata di una funzione descritta dall’applicazione. MCP definisce un protocollo più ampio per scoprire e usare risorse, strumenti e prompt attraverso una connessione standardizzata.

Le tecniche possono convivere. Un server MCP può esporre una ricerca documentale basata su RAG e uno strumento per aprire un ticket. L’applicazione host decide quali server collegare, quale contesto condividere e quando richiedere il consenso dell’utente.

Come si proteggono dati e credenziali?

Il protocollo non sostituisce autenticazione, autorizzazione e sicurezza delle API. Le specifiche MCP richiamano OAuth, validazione del destinatario del token, PKCE e divieto di inoltrare indiscriminatamente token ricevuti verso servizi a valle. In termini pratici, ogni server deve accettare soltanto credenziali destinate a lui e usare credenziali separate quando chiama un altro sistema.

  • Privilegio minimo: esporre soltanto risorse e azioni necessarie al caso d’uso.
  • Separazione: distinguere consultazione, proposta e modifica dei dati.
  • Consenso: chiedere conferma prima di azioni con effetti commerciali o operativi.
  • Tracciabilità: registrare utente, strumento, parametri, esito e sistema coinvolto.
  • Ambienti: collaudare su dati controllati prima di collegare la produzione.

Vanno considerati anche prompt injection, dati manipolati e descrizioni di strumenti non affidabili. Il contenuto letto dall’assistente non può diventare automaticamente un’istruzione autorizzata.

Dove deve intervenire il controllo umano?

La supervisione non deve essere un’etichetta generica. Il progetto identifica le azioni che richiedono una scelta esplicita: inviare una comunicazione, cambiare un prezzo, approvare un rimborso, creare un ordine o comandare una macchina. L’interfaccia deve mostrare cosa verrà fatto, su quali dati e con quali conseguenze.

Per le operazioni a basso rischio si possono usare limiti, regole e controlli automatici. Per quelle ad alto impatto è prudente mantenere una fase di proposta e approvazione. Il nostro articolo sugli agenti AI, chatbot e workflow chiarisce le differenze di autonomia.

Come si realizza un progetto pilota MCP?

  1. Obiettivo: scegliamo una domanda o un’azione frequente con valore verificabile.
  2. Sistemi: identifichiamo fonti dati, API disponibili e proprietari delle informazioni.
  3. Confini: definiamo risorse in lettura, strumenti consentiti e operazioni escluse.
  4. Identità: colleghiamo utente, ruoli, autorizzazioni e credenziali minime.
  5. Prototipo: costruiamo un server o adattatore limitato in ambiente di test.
  6. Valutazione: misuriamo accuratezza, errori, tempi, autorizzazioni e utilità per l’operatore.

Un pilota riuscito non si limita a una risposta impressionante. Deve dimostrare che il dato proviene dalla fonte corretta, che un utente non vede informazioni non autorizzate e che l’azione può essere compresa, annullata o recuperata quando necessario.

Quando MCP non è la scelta giusta?

Se l’applicazione usa un’unica API stabile e un solo caso d’uso, un’integrazione diretta può essere più semplice. Se i dati sono disordinati, l’identità degli utenti non è definita o i sistemi legacy non hanno interfacce sicure, la priorità è sistemare queste fondamenta. Anche per processi rigidamente deterministici un workflow tradizionale può essere più prevedibile di un agente.

MCP diventa interessante quando esistono più strumenti, più assistenti o la necessità di rendere le integrazioni componibili. La scelta deve tenere conto della rapida evoluzione delle specifiche e prevedere versionamento, test e manutenzione.

Quanto costa collegare l’AI ai sistemi aziendali con MCP?

La stima dipende da qualità delle API, numero di sistemi, ruoli, azioni esposte, autenticazione, dati da preparare, requisiti di audit e ambiente di esecuzione. Un server in sola lettura per documenti controllati è diverso da un sistema che modifica CRM ed ERP.

DLM Design può integrare MCP in un progetto di automazione AI o in una web app aziendale. Prima del preventivo definiamo risultato, confini, controlli umani e modalità di manutenzione, evitando di proporre il protocollo quando non porta un vantaggio concreto.

Fonti tecniche

Analisi e documentazione verificate il 12 settembre 2026. MCP è in evoluzione: versione e compatibilità vanno controllate all’avvio di ogni progetto.

Domande frequenti su MCP e AI aziendale

MCP è un modello di intelligenza artificiale?

No. È un protocollo che consente alle applicazioni AI di scoprire e usare risorse e strumenti esterni. Il modello linguistico, l’applicazione host e i sistemi aziendali restano componenti distinti.

MCP può collegarsi a un gestionale o a un CRM?

Sì, normalmente attraverso le API e le autorizzazioni del sistema. Il server MCP espone soltanto le funzioni definite, mentre CRM o gestionale restano le fonti dei dati.

Usare MCP rende automaticamente sicura un’integrazione AI?

No. Servono identità, permessi minimi, token corretti, validazione degli input, log, separazione degli ambienti e conferma umana per le azioni sensibili.

Qual è la differenza tra MCP e RAG?

La RAG recupera informazioni per arricchire una risposta. MCP standardizza l’accesso a risorse e strumenti. Un sistema può esporre tramite MCP anche una funzione di ricerca RAG.

DLM Design sviluppa server e integrazioni MCP?

Sì, quando il protocollo è adatto al caso d’uso. Analizziamo API, dati, identità e rischi, realizziamo un pilota controllato e definiamo test, monitoraggio e manutenzione.

Approfondisci le nostre automazioni AI per aziende, l’integrazione dell’AI nei gestionali e lo sviluppo di web app e software su misura.

Valuta un progetto MCP o AI