Perché i leader IT dovrebbero pensare al Model Context Protocol?

Lo scorso novembre, Anthropic ha lanciato il Model Context Protocol (MCP), che inizialmente ha attirato un interesse modesto. La società ha inserito la notizia in un post del blog, definendo l’MCP come uno standard aperto volto a “aiutare i modelli di frontiera a produrre risposte migliori e più pertinenti”.

Ma mentre gli sviluppatori hanno appreso di più sull’MCP, è diventato chiaro quanto fosse potente. In pochi mesi, società come OpenAI, Google e Microsoft hanno adottato lo standard. Ciò ha alimentato l’interesse per l’MCP, poiché la crescita assomigliava a quella di un’applicazione consumer di successo, e non a uno strumento di infrastruttura per sviluppatori.

Il repository GitHub per l’MCP si è rapidamente trasformato in una comunità vivace. Attualmente, ci sono oltre 64.500 stelle e circa 7.500 fork. Poi ci sono i migliaia di server che sono apparsi su vari siti web.

Una tale velocità è rara per l’infrastruttura di sviluppo. Tuttavia, mostra l’importanza dell’MCP, poiché è stato definito come il “USB C per le app AI”.

Vediamo quindi perché questo standard aperto è diventato così popolare e come i leader IT dovrebbero pensarci.

I vantaggi dell’MCP

Prima dell’introduzione dell’MCP, costruire sistemi generativi di intelligenza artificiale avanzati o agentic era un processo laborioso. Ogni grande modello linguistico (LLM) richiedeva un’integrazione personalizzata con ogni strumento o fonte di dati che utilizzava. Ciò ha creato ciò che è noto come il “problema MxN”. Questo è dove M modelli devono essere connessi manualmente a N strumenti diversi.

Ad esempio, se si utilizzano tre LLM diversi per lavorare con dieci applicazioni, sarà necessario costruire 30 integrazioni separate. Ciò non solo richiederà risorse di ingegneria significative, ma la base di codice sarà difficile da mantenere poiché gli strumenti, le API e i modelli evolvono.

Ma con lo standard MCP, il processo è notevolmente migliorato. Fornisce due capacità importanti: contesto e utilizzo degli strumenti con gli LLM. Ciò consente non solo risposte più pertinenti, ma anche maggiore accuratezza e produttività.

Ad esempio, con il contesto, un’applicazione AI può accedere a una vasta gamma di fonti di dati pubblicamente disponibili, ad esempio per i dati meteo o finanziari. L’MCP può anche accedere a fonti di dati private come Slack o biglietti Jira.

In termini di utilizzo degli strumenti, un MCP può eseguire azioni come attività CRUD per i database, pianificazione di eventi o promemoria, o aggiornamenti per i CRM o gli ERP.

Oltre a fornire la standardizzazione per il contesto e l’utilizzo degli strumenti, ci sono altri vantaggi con l’MCP. Uno di questi è la sicurezza, poiché supporta l’autorizzazione basata su OAuth. Inoltre, i modelli non sono strettamente collegati agli strumenti o alle fonti di dati. In altre parole, quando le API cambiano o viene adottato un nuovo strumento, non è necessario eseguire riscritture importanti.

L’MCP aiuta anche a migliorare la governance e la conformità a causa della centralizzazione dell’utilizzo degli strumenti e dei flussi di dati. Ciò rende più facile applicare le politiche e le verifiche.

Alla luce di questi vantaggi, non dovrebbe essere una sorpresa che l’MCP sia diventato un sistema molto popolare per la costruzione di applicazioni generative di intelligenza artificiale e agentiche.

Le sfide dell’MCP

L’MCP ha ancora bisogno di molto lavoro per renderlo più stabile e maturo. Le interfacce utente sono spesso goffe e non intuitive. Per migliorare la sicurezza, l’MCP dovrebbe anche avere approcci fortemente tipizzati per minimizzare i potenziali vettori di attacco. Altrettanto importante è l’autorizzazione fine-grana. Ad esempio, dovrebbe essere possibile autorizzare un server o un agente MCP solo per azioni specifiche.

La scoperta dell’MCP rimane un problema. Ciò che serve sono registri per convalidare e certificare i server, simili a come funzionano i negozi di app. Questi registri possono servire diversi settori, come IT, sicurezza e finanza. Le imprese sono probabilmente sviluppare registri interni per fornire un controllo ancora maggiore.

Infine, l’MCP potrebbe avere implicazioni più ampie, anche minacciando i modelli di business. Ad esempio, questi sistemi potrebbero ridurre gli utenti attivi giornalieri (DAU) per le applicazioni web e le app mobili. Il motivo è che gli agenti AI sfrutteranno l’MCP per eseguire azioni, il che significa meno necessità per gli utenti umani di visitare le piattaforme.

Sicurezza come fondamento

L’MCP consente un’innovazione molto più rapida. Ciò è particolarmente importante poiché le imprese affrontano una crescente pressione per mostrare risultati tangibili dai loro investimenti in intelligenza artificiale. Tuttavia, la spinta per la velocità non deve avvenire a scapito della sicurezza e della conformità. Tagliare gli angoli in queste aree può creare rischi significativi, considerando che l’MCP non solo accede a dati sensibili, ma può anche eseguire azioni dirette con essi.

Un’implementazione dell’MCP dovrebbe incorporare la governance, la registrazione e la verifica in ogni livello. Le politiche devono definire chiaramente chi può autorizzare gli agenti, quali azioni sono autorizzate a eseguire e come quelle attività sono monitorate. L’autorizzazione granulare, combinata con la supervisione continua, riduce la possibilità di abuso mentre assicura la trasparenza necessaria per la conformità.

Conclusione

L’MCP sta rapidamente diventando un elemento fondamentale per la costruzione della prossima generazione di sistemi generativi di intelligenza artificiale e agentic. Per i leader IT, l’MCP rappresenta sia un’opportunità che una responsabilità. C’è l’opportunità di sbloccare nuove efficienze e capacità, e la responsabilità di implementarlo con le giuste protezioni in atto.

Nel lungo termine, le imprese che trattano la sicurezza e la conformità come integrali, e non opzionali, saranno meglio posizionate per catturare il pieno valore dell’MCP. Bilanciando l’innovazione con una forte governance, i leader IT possono assicurarsi che le loro iniziative di intelligenza artificiale non siano solo potenti e trasformative, ma anche affidabili, sostenibili e resilienti.