Che cos'è il Model Context Protocol?

L'integrazione dell'intelligenza artificiale (IA) nei flussi di lavoro quotidiani è un obiettivo fondamentale per molte aziende e sviluppatori. Rendere gli strumenti di IA generativa e gli agenti di IA "idonei" a interagire con il mondo esterno è un prerequisito essenziale affinché possano assumere autonomamente compiti reali su vasta scala. Tuttavia, per molto tempo, raggiungere questo obiettivo è stato difficile per gli sviluppatori, che dovevano dedicare un notevole sforzo alla creazione di codice complesso e su misura.

Questo problema ha portato allo sviluppo di diversi protocolli negli ultimi mesi, tutti volti a fornire una soluzione standardizzata. Tra questi, si è distinto in particolare il Model Context Protocol (MCP), rilasciato alla fine del 2024 dal fornitore di IA Anthropic. Il MCP mira a creare una base standardizzata per le interazioni basate sull'IA, facilitando notevolmente l'integrazione dell'IA nei vari flussi di lavoro.

In questo articolo, scoprirete:

• come si definisce un MCP (o un server MCP);
• qual è la differenza tra MCP, RAG e le chiamate di funzione; e
• come funziona il Model Context Protocol.

Definizione del Model Context Protocol

Il Model Context Protocol è uno standard open-source che collega i sistemi di intelligenza artificiale a database, file system e altri strumenti. Questo crea anche un modo efficiente e standardizzato per costruire agenti di IA. Il MCP funziona attraverso un'architettura client-server, che ne definisce i componenti e le modalità di comunicazione.

Definizione del server MCP

Prima di esaminare le varie componenti dell'architettura MCP, è fondamentale definire il termine "server MCP", che è ormai quasi diventato un sinonimo del protocollo stesso. Un server MCP è un programma leggero che si interpone tra un sistema di IA e un servizio o una fonte di dati. Il server MCP funge da ponte, comunicando con l'IA tramite un client MCP in un formato standardizzato. La connessione con altri servizi o fonti di dati avviene tramite le API che questi mettono a disposizione. I server MCP sono relativamente semplici da creare, anche perché molti di questi server sono disponibili gratuitamente, ad esempio tramite GitHub.

MCP, RAG e Function Calling a confronto

Il MCP non è la prima tecnica sviluppata per connettere l'IA con il mondo esterno. Ad esempio, la Retrieval Augmented Generation (RAG) consente ai modelli linguistici di grandi dimensioni (LLM) di includere documenti che non fanno parte dei loro dati di addestramento. Ciò richiede, tuttavia, il trasferimento dei dati target in un database vettoriale.

Diversi LLM supportano anche la funzionalità di chiamate di funzione (Function Calling). Questi modelli linguistici riconoscono quando un prompt dell'utente richiede l'uso di uno strumento ausiliario per completare un compito o recuperare informazioni specifiche.

Il Model Context Protocol si basa su questa capacità di chiamata di funzione, ma offre un modo più standardizzato per stabilire una connessione a servizi e fonti di dati. In questo modo, diventa possibile collegare i sistemi di IA a fonti esterne senza dover reinventare, o meglio, riprogrammare la ruota ogni volta, ottimizzando il processo di sviluppo e riducendo il tempo e lo sforzo necessari per l'integrazione.

L'architettura MCP

Esaminiamo ora le diverse componenti dell'architettura MCP e il loro funzionamento congiunto, che dimostra la modularità e la flessibilità del protocollo.

L'Host MCP

L'Host MCP è l'applicazione basata sull'IA che stabilisce la connessione con il mondo esterno. Quando Anthropic ha introdotto il MCP, ha integrato il protocollo nella sua applicazione desktop di Claude, che è diventata uno dei primi Host MCP. Tuttavia, gli Host non sono limitati ai chatbot basati su LLM. Anche un IDE (ambiente di sviluppo integrato) supportato dall'IA potrebbe, ad esempio, fungere da Host. Un programma Host comprende l'LLM principale e una varietà di programmi ausiliari che ne estendono le capacità.

Il Client MCP

Il Client MCP è il più importante di questi programmi ausiliari. Ogni LLM richiede un Client che sia adattato al modo in cui chiama gli strumenti e elabora i dati. Tutti i Client MCP, tuttavia, offrono ai loro Host un set standard di servizi. Essi cercano i server disponibili e riportano tali servizi, nonché i parametri necessari per la loro chiamata. Tutte queste informazioni vengono incorporate nel contesto del prompt dell'LLM. Quando l'LLM riconosce un input dell'utente che richiede la chiamata di un servizio disponibile, invia una richiesta corrispondente tramite il Client al rispettivo server MCP.

Il Server MCP

Ogni Server MCP è strutturato in modo da comunicare con una fonte di dati o un servizio esterno in un linguaggio che questi possano "comprendere". Comunica inoltre con il Client MCP, fungendo quindi da una sorta di intermediario tra le due componenti. Questa capacità di traduzione e mediazione è cruciale per la standardizzazione e la facilità d'uso del protocollo.

Lo strato di trasporto MCP

Client MCP e Server MCP comunicano tra loro in un formato basato su JSON. Lo Strato di Trasporto MCP converte i messaggi del protocollo MCP nel formato JSON-RPC per la trasmissione e riconverte i messaggi JSON-RPC sul lato ricevente. È importante notare che un server può essere eseguito localmente sullo stesso computer del client o online. Nel primo caso, la comunicazione client-server avviene tramite stdio, nel secondo caso tramite HTTP in streaming, offrendo flessibilità nella distribuzione.

È possibile immaginare l'interazione dei componenti MCP come un diagramma intricato ma efficiente, simile a quello fornito da Foundry, che illustra il flusso di dati e comandi tra Host, Client e Server attraverso lo strato di trasporto.

L'ecosistema dei server MCP

Sebbene l'architettura con le sue componenti possa apparire complessa a prima vista, la modularità, la portabilità e la standardizzazione del MCP facilitano il lavoro degli sviluppatori. Infatti:

• Un server MCP può comunicare con qualsiasi applicazione di IA che contenga un client MCP correttamente implementato. Se si desidera rendere il proprio servizio disponibile per gli agenti di IA, è possibile creare un unico server e avere la certezza che questo funzionerà con diversi tipi di LLM. Questo riduce la duplicazione del lavoro e aumenta l'interoperabilità.
• Un client MCP, al contrario, deve essere adattato a un Host specifico, ma può essere collegato a qualsiasi server MCP correttamente implementato. Non è quindi necessario capire come uno specifico LLM possa essere connesso a Google Docs, a un database MySQL o a un servizio di previsioni meteorologiche. Basta creare un client MCP. Questo può stabilire una connessione a servizi di ogni tipo tramite i server MCP, rendendo l'integrazione di nuove funzionalità esterne estremamente agevole.

Per approfondimenti sull'ecosistema dei server MCP, si consiglia una visita al Repository dei server MCP su GitHub, dove è possibile trovare risorse e contributi della comunità.