Cos'è l'MCP — la "presa USB universale" per l'AI
Il Model Context Protocol (MCP) è uno standard aperto, sviluppato da Anthropic e oggi adottato anche da altri laboratori, che permette a un'AI di collegarsi a dati e strumenti esterni in modo sicuro e uniforme. L'analogia più efficace: è come una presa USB-C universale per l'intelligenza artificiale. Prima dell'MCP, ogni integrazione (l'AI che legge il tuo calendario, il tuo database, il tuo CRM) richiedeva codice su misura, scritto e mantenuto da zero. Con l'MCP, scrivi un "server" una volta sola, e qualsiasi client compatibile (Claude, Claude Code, Cursor, VS Code…) può collegarsi e usarlo, senza reinventare l'integrazione ogni volta.
Standard aperto e riutilizzabile
Un server, molti client compatibili
Oggi generabile anche senza saper programmare
🔌 L'analogia USB, spiegata
💬 Claude
🖱️ Cursor
📝 VS Code
↓ ↓ ↓
🔌 Server MCP (scritto una volta)
↓ ↓ ↓
🗃️ Database
📧 Email
🌐 API esterna
Ogni client "collegato" può usare lo stesso server — nessuna integrazione ripetuta da zero
🧩 Le tre cose che un server MCP può offrire
🛠️
Tools (strumenti)
Funzioni eseguibili che l'AI può chiamare: invia un'email, interroga un database, calcola un preventivo. La parte più potente e più usata nella pratica.
📄
Resources (risorse)
Dati statici o dinamici che l'AI può leggere: un file di log, un record di database, un documento di riferimento.
💬
Prompts (modelli)
Template di istruzioni predefinite che guidano l'interazione, es. "Analizza questi log di errore" già pronto da richiamare.
💡 Per la maggior parte degli usi didattici e professionali, i Tools sono la parte su cui concentrarsi: permettono all'AI di "fare cose" concrete nel tuo ecosistema di strumenti, non solo di conversare.
🪄 Come crearlo SENZA scrivere codice — il punto centrale di questa guida
Costruire un server MCP tradizionalmente richiede Python o TypeScript. Ma nel 2026 la strada più realistica per chi non programma è farlo scrivere all'AI stessa, descrivendo a parole cosa deve fare il server — esattamente come per un sito con ChatGPT Work Mode (guida dedicata) o una Skill di Claude. La differenza è che qui il "prodotto finale" non è un file HTML da pubblicare, ma un piccolo programma da eseguire ed eseguire in locale o su un servizio cloud.
1
Descrivi lo strumento che ti serve, non il codice
Non dire "scrivimi un server FastMCP con un endpoint" — descrivi il risultato: "voglio che l'AI possa leggere i dati di vendita dal mio foglio Google e calcolare il totale del mese".
2
Usa Claude (o Claude Code) per generare il server completo
Claude conosce a fondo la specifica MCP e può scrivere ed eseguire il codice al posto tuo, spiegando ogni passaggio in linguaggio semplice mentre procede — tu resti "il committente", non lo sviluppatore.
3
Fatti spiegare cosa fa ogni parte, prima di eseguirla
Anche se non scrivi tu il codice, chiedi sempre una spiegazione in italiano semplice di cosa fa ogni "tool" esposto dal server — è la stessa prudenza da avere con qualsiasi codice eseguibile.
4
Testa con MCP Inspector prima di collegarlo davvero
Uno strumento gratuito (npx @modelcontextprotocol/inspector) elenca gli strumenti del tuo server e permette di chiamarli direttamente in un'interfaccia visuale — verifichi che funzioni prima di collegarlo a Claude o ad altri client.
5
Collega il server al tuo client AI
Una volta testato, aggiungi il server alla configurazione del tuo client (Claude Desktop, Claude Code…) seguendo le istruzioni che l'AI stessa ti fornisce per il tuo sistema operativo.
📝 Esempio di richiesta efficace per generare un server MCP:
"Voglio un server MCP minimo, in Python con FastMCP, che espone un solo strumento: dato il nome di una città, restituisce una frase di saluto personalizzata. Scrivi il codice completo, spiegami passo-passo come lo eseguo sul mio computer (ho un Mac), e come lo testo con MCP Inspector prima di collegarlo a Claude Desktop. Vai piano e spiegami ogni comando del terminale prima che io lo esegua."
💡 Perché funziona anche senza saper programmare: il vero lavoro concettuale — decidere COSA deve fare lo strumento — resta tuo. La parte tecnica (sintassi, struttura del codice, configurazione) la gestisce l'AI, che oggi conosce lo standard MCP a fondo essendo stato sviluppato dalla stessa Anthropic che produce Claude.
🗂️ Cosa genera l'AI — la struttura di un server MCP minimo
il-mio-server-mcp/
├── server.py ← il codice del server, generato dall'AI
├── requirements.txt ← elenco librerie necessarie (es. fastmcp)
└── README.md ← istruzioni su come avviarlo, scritte dall'AI
💡 Non serve capire ogni riga di server.py: serve capire cosa espone (quali strumenti, con quali parametri) e come si avvia. Chiedi sempre all'AI un riepilogo in linguaggio semplice di queste due cose dopo la generazione.
⚠️ Prudenza sui server MCP di terze parti
Un server MCP può eseguire codice ed accedere a dati reali (email, database, file). Prima di collegare un server MCP scaricato da altri (non generato/verificato da te), leggine il codice — o fattelo riassumere da un'AI — per capire davvero a cosa accede e cosa può fare. È lo stesso principio di prudenza già visto per le Skill di terze parti.
⚠️ Errori comuni per chi inizia con l'MCP
🌫️
Descrivere lo strumento in modo troppo vago
"Voglio un server che mi aiuti con i dati" produce codice generico e spesso inutilizzabile. Descrivi l'input, l'output e un esempio concreto di chiamata.
🧪
Saltare il test con MCP Inspector
Collegare subito il server non testato a un client reale rende più difficile capire dove sta un problema. Testa isolato, prima di integrare.
🔑
Chiavi e credenziali scritte in chiaro nel codice
Se il server accede a un servizio esterno (email, database), le credenziali non vanno mai scritte direttamente nel file — chiedi all'AI di usare variabili d'ambiente, come già visto per RapidAPI nella guida sull'integrazione API.
🌐
Confondere MCP con una semplice API
L'MCP non sostituisce un'API REST — la "confeziona" in un formato che l'AI sa usare in modo standard. Se hai già un'API (guida Backend), l'MCP è il livello che la rende accessibile agli agenti AI in modo uniforme.
⚖️ MCP, Skill o automazione? Come scegliere
| Esigenza | Strumento giusto |
|---|
| L'AI deve accedere in tempo reale a dati/strumenti esterni durante la conversazione | MCP |
| Una procedura testuale ripetuta, senza bisogno di accesso a sistemi esterni live | Skill (guida dedicata) |
| Automazione schedulata o innescata da eventi (webhook, orari) | Pipedream (guida dedicata) |
💡 Questi tre strumenti si combinano: un server MCP può esporre uno strumento che internamente chiama un webhook Pipedream; una Skill può istruire Claude su come e quando usare un determinato server MCP. Non sono alternative esclusive, sono livelli diversi dello stesso ecosistema.
✏️ Esercitazioni pratiche
ESERCIZIO 1Descrivere prima di costruire
Scegli un'esigenza reale del tuo lavoro didattico (es. "l'AI deve poter consultare l'elenco degli studenti e i loro voti"). Scrivi la descrizione completa dello strumento MCP che vorresti, seguendo l'esempio della guida: cosa fa, quale input riceve, quale output restituisce, un esempio concreto di utilizzo. Non generarlo ancora — l'esercizio è imparare a descrivere bene PRIMA di chiedere il codice.
⏱️ 40 min📦 Consegna: descrizione completa dello strumento MCP👤 Individuale
ESERCIZIO 2Il tuo primo server MCP minimo
Usa la descrizione dell'esercizio 1 (o l'esempio della guida) per farti generare da Claude un server MCP con un solo strumento. Fatti spiegare ogni comando del terminale prima di eseguirlo. Documenta il processo: cosa hai chiesto, cosa ha generato l'AI, quali comandi hai eseguito per avviarlo.
⏱️ 90 min📦 Consegna: codice generato + log dei comandi eseguiti + screenshot del server avviato👥 Coppia
ESERCIZIO 3Testare con MCP Inspector
Prendi il server dell'esercizio 2 e testalo con npx @modelcontextprotocol/inspector. Chiama lo strumento esposto con 3 input diversi (incluso un caso limite, es. un valore vuoto o inatteso) e osserva come si comporta. Il server gestisce bene i casi imprevisti, o restituisce errori poco chiari? Chiedi all'AI di migliorarlo se necessario.
⏱️ 45 min📦 Consegna: 3 test documentati + eventuali correzioni richieste👥 Coppia
ESERCIZIO 4MCP, Skill o Pipedream? Il caso del cliente
Uno studio professionale ha tre esigenze: (a) l'AI deve poter cercare in tempo reale un cliente nel gestionale interno durante la chat; (b) ogni nuovo contratto firmato deve automaticamente generare una notifica email e una riga in un foglio di calcolo; (c) le risposte alle domande frequenti dei clienti devono seguire sempre lo stesso tono e format. Per ciascuna esigenza: MCP, Skill o automazione Pipedream? Motiva ogni scelta collegandola alle guide del corso.
⏱️ 45 min📦 Consegna: 3 schede decisionali motivate👥 Gruppo 3-4