Comprendere gli MCP: Colmare il Divario tra Modelli AI e Dati Esterni
I Model Contextualization Protocol (MCP) possono essere concettualizzati come API standardizzate che fungono da collegamento cruciale tra fonti di dati o applicazioni esterne e modelli linguistici di grandi dimensioni (LLM) come ChatGPT o Claude. Questi protocolli consentono ai modelli AI di accedere a dati in tempo reale da siti web di viaggi, gestire calendari e persino manipolare file su un computer.
Mentre alcuni strumenti AI come Claude, Cursor e OpenAI impiegano già funzionalità di integrazione personalizzate, gli MCP offrono un formato universale e standardizzato per tutte queste interazioni, migliorandone notevolmente la versatilità.
Un MCP è composto principalmente da due componenti: un client (ad esempio, ChatGPT) e un server (ad esempio, un sito web di pianificazione dei voli). Quando vengono utilizzati insieme, conferiscono ai modelli AI la capacità di accedere a dati in tempo reale, eseguire azioni online e funzionare più come agenti proattivi che come chatbot statici.
Attualmente, due tipi principali di MCP stanno guadagnando terreno. Il primo tipo si rivolge agli sviluppatori, esemplificato da strumenti come Cursor o Claude Code, che possono essere eseguiti su dispositivi come laptop per gestire file ed eseguire script. Il secondo tipo è orientato alle applicazioni del mondo reale, concentrandosi su attività come la ricerca di prodotti, la registrazione di domini, la prenotazione di eventi o l’invio di e-mail.
Per esplorare le implicazioni pratiche, sono stati sviluppati due tipi distinti di MCP. Il primo, denominato GPT Learner, è un server di sviluppo progettato per aiutare gli utenti a guidare Cursor nel ricordare gli errori ed evitarne la ripetizione. Se Claude o Cursor sovrascrivono erroneamente il codice, lo strumento consente agli utenti di registrare e imparare dall’errore, memorizzando l’approccio corretto per riferimento futuro.
Il secondo progetto è un MCP del mercato delle previsioni che collega modelli linguistici di grandi dimensioni a un sito web, betsee.xyz, che aggrega i mercati delle previsioni in tempo reale. Quando un utente pone a Claude una domanda come: “Quali sono gli effetti secondari della sospensione delle tariffe da parte di Trump e su cosa scommette la gente?”, l’MCP restituisce i mercati pertinenti e le probabilità in tempo reale da Polymarket o Kalshi.
Perché gli MCP Non Sono Ancora Pronti per il Grande Pubblico
La costruzione di questi due MCP ha rivelato diverse intuizioni chiave, principalmente che gli MCP non sono ancora pronti per l’adozione diffusa.
L’attuale esperienza utente con gli MCP è tutt’altro che ideale. La maggior parte dei chatbot, come ChatGPT, non supporta ancora i server MCP. Di quelli che lo fanno, l’installazione richiede spesso la modifica manuale di JSON, un processo tutt’altro che intuitivo. Chatbot come Cursor e Claude tendono a richiedere agli utenti ogni richiesta e restituiscono frequentemente informazioni incomplete o output JSON grezzi, rendendo l’esperienza goffa e insoddisfacente.
Utilizzando la versione desktop di Claude per interrogare l’MCP del mercato delle previsioni, spesso non forniva link o prezzi a meno che non venisse chiesto esplicitamente e, occasionalmente, non chiamava affatto il server. I continui prompt pop-up di Claude quando venivano utilizzati gli MCP hanno ulteriormente diminuito l’interesse degli utenti. Mentre l’elaborazione senza interruzioni e le risposte significative degli MCP sono previste in futuro, la tecnologia non ha ancora raggiunto quella fase.
La sicurezza è un’altra preoccupazione significativa. Data la loro capacità di eseguire operazioni esterne e accedere a sistemi in tempo reale, gli MCP affrontano numerose sfide di sicurezza. L’iniezione di prompt, l’installazione di strumenti dannosi, l’accesso non autorizzato e gli attacchi di cavalli di Troia sono minacce molto reali. Attualmente, vi è una mancanza di sandboxing, livelli di verifica e un ecosistema maturo per gestire questi casi limite.
Questi problemi rendono chiaro che MCP è ancora una tecnologia sperimentale.
Il Ruolo Decisivo del Client
Una lezione importante appresa durante la costruzione di questi server è che il client, non il server, decide in definitiva il futuro degli MCP.
Coloro che controllano l’interazione con i grandi modelli controllano anche quali strumenti vedono gli utenti, quali vengono attivati e quali risposte vengono visualizzate. Si potrebbe creare il server MCP più utile al mondo, ma il client potrebbe non chiamarlo, potrebbe mostrare solo la metà del suo output o potrebbe persino non consentirne l’installazione.
MCP e l’Emergenza dei Gatekeepers
Il potere critico del client significa che gli MCP saranno in definitiva governati come motori di ricerca e app store. I principali fornitori di applicazioni di grandi modelli, come OpenAI e Anthropic, diventeranno i nuovi “gatekeepers”, decidendo quali MCP possono essere elencati e curandone la rilevabilità attraverso algoritmi di raccomandazione.
Fin dalla sua nascita alla fine degli anni ‘90, Google ha controllato quali contenuti vengono presentati agli utenti, il che li ha aiutati a costruire un’attività estremamente redditizia. I chatbot stanno ora acquisendo questa capacità, sostituendo i tradizionali “10 link blu” del motore di ricerca con risposte dirette. Possono decidere quali contenuti mostrare, quali escludere e come formattarli.
Il processo di installazione dell’MCP assomiglierà probabilmente al modello dell’app store. Proprio come Apple e Google hanno plasmato l’ecosistema mobile decidendo quali app vengono raccomandate, preinstallate o approvate, i client di grandi modelli determineranno quali server MCP vengono presentati, promossi e persino consentiti sulla piattaforma. Questa dinamica porterà probabilmente alla concorrenza tra le aziende, coinvolgendo potenzialmente pagamenti ai fornitori di modelli per raccomandazioni ed esposizione nel nuovo ecosistema, favorendo la creazione di piattaforme di distribuzione MCP ad alto profitto.
Gli utenti installeranno gli MCP o le “applicazioni di chat AI” da “store MCP” accuratamente curati. Strumenti come Gmail, HubSpot, Uber e Kayak aggiungeranno endpoint MCP, integrandosi direttamente nei flussi di lavoro basati sulla chat. Sebbene gli utenti possano teoricamente scegliere di installare qualsiasi MCP desiderino, la maggior parte probabilmente si affiderà alle raccomandazioni fornite dal client, come quelle di ChatGPT. Queste raccomandazioni non saranno arbitrarie ma deriveranno da partnership lucrative, con grandi aziende che pagano per diventare l’opzione predefinita nelle categorie di shopping, viaggi, ricerca di domini o ricerca di servizi. Questo livello di visibilità si tradurrebbe in milioni di utenti, offrendo un’immensa esposizione, dati e valore commerciale.
Alcuni store di app MCP lato client (MAS) offriranno una selezione di MCP più indulgente e aperta, consentendo una gamma più ampia di sperimentazione e MCP sviluppati dalla comunità. Altri avranno processi di approvazione rigorosi, dando la priorità alla qualità, alla sicurezza e alla monetizzazione. In ogni caso, il client stabilisce le condizioni per la partecipazione e le regole per il successo.
I client MCP come OpenAI e Claude diventeranno le nuove piattaforme iOS e Android, con i server MCP che svolgeranno il ruolo di app. Invece di icone, queste applicazioni verranno invocate tramite comandi utente, offrendo risposte ricche, strutturate e interattive alle esigenze degli utenti attraverso l’interazione linguistica.
Col tempo, potremmo vedere emergere client specializzati, su misura per settori o domini specifici. Immagina un assistente di chat AI focalizzato sulla pianificazione dei viaggi, che integra perfettamente i servizi di compagnie aeree, catene alberghiere e agenzie di viaggio per offrire agli utenti un’esperienza completa di pianificazione dei viaggi. Oppure un client MCP focalizzato sulle risorse umane, che fornisce accesso unificato a dati legali, record dei dipendenti e strumenti organizzativi, trasformando il modo in cui vengono gestite le aziende.
Mentre la maggior parte degli utenti si atterrà ai client tradizionali, emergeranno alcuni chatbot AI open source. Questi chatbot faranno appello ai professionisti che desiderano il controllo completo sugli MCP che installano, liberi dalle limitazioni imposte dai gatekeepers. Tuttavia, come i sistemi desktop Linux, questi prodotti open source rimarranno probabilmente mercati di nicchia.
Nuove Opportunità nell’Ecosistema Emergente
Si prevede che emergeranno diversi tipi di aziende e strumenti per servire il panorama MCP in evoluzione, tra cui:
MCP Wrapper e Server Pack: Questi raggrupperanno più MCP correlati in un singolo pacchetto di installazione, semplificando la configurazione. Immagina un singolo pacchetto che fornisce un calendario, un’e-mail, un sistema di gestione delle relazioni con i clienti e un MCP di archiviazione di file che è pronto per l’uso senza alcuna configurazione. Tali pacchetti semplificheranno i processi del personale e saranno particolarmente utili nei mercati verticali. Possono anche includere strumenti di confezionamento (“Imposta il calendario e invia e-mail”).
Motori di Shopping MCP: Alcuni server MCP fungeranno da motori di confronto basati sull’intelligenza artificiale, offrendo prezzi in tempo reale e elenchi di prodotti di vari fornitori. Monetizzeranno tramite link di affiliazione, guadagnando commissioni di referral. Questo approccio rispecchia l’ottimizzazione dei motori di ricerca e il marketing di affiliazione iniziali.
App di Contenuti MCP-First: Questi servizi ottimizzeranno la consegna dei contenuti per modelli linguistici di grandi dimensioni tramite server MCP, piuttosto che progettare siti web per i visitatori umani. Immagina dati ricchi e strutturati e tag semantici restituiti tramite chiamate MCP. Le entrate proverranno da abbonamenti o sponsorizzazioni incorporate e posizionamenti di prodotti, piuttosto che da visualizzazioni di pagina.
Provider da API a MCP: Molti provider API esistenti desiderano partecipare a questo nuovo ecosistema ma non dispongono delle risorse per farlo. Ciò guiderà l’emergere di strumenti middleware che convertono automaticamente le API REST tradizionali in server MCP conformi e rilevabili, semplificando l’adesione per le piattaforme SaaS.
Cloudflare per MCP: La sicurezza è una delle principali preoccupazioni. Questi strumenti si troveranno tra il client e il server, sanificando gli input, registrando le richieste, bloccando gli attacchi e monitorando le anomalie. Proprio come Cloudflare ha reso il web moderno più sicuro, questo tipo di servizio svolgerà un ruolo simile nell’ecosistema MCP.
Soluzioni MCP “Private” Aziendali: Le grandi aziende inizieranno a collegare i loro servizi interni a server MCP privati e a utilizzare prodotti AI open source. Queste configurazioni interne diventeranno parte dei flussi di lavoro AI dietro il firewall, dando alle aziende il controllo.
Client MCP Focalizzati Verticalmente: Mentre molti chatbot possono soddisfare le esigenze generali degli utenti, determinati scenari, come l’approvvigionamento industriale e il lavoro di conformità, richiedono interfacce utente e logica aziendale specifiche. Emergeranno client MCP focalizzati verticalmente, con operazioni, linguaggio e layout personalizzati per soddisfare queste esigenze uniche.