Cos'è il Model Context Protocol? - computerwoche.de

L'integrazione di strumenti di intelligenza artificiale generativa e agenti AI con il mondo esterno è un prerequisito fondamentale affinché possano assumere autonomamente compiti reali. Per molto tempo, realizzare questo obiettivo su larga scala è stato difficile per gli sviluppatori, poiché richiedeva un notevole sforzo nella creazione di codice complesso e su misura. Negli ultimi mesi, diversi protocolli sono stati lanciati per risolvere questo problema. Tra questi, si è distinto in particolare il Model Context Protocol (MCP), pubblicato dal fornitore di intelligenza artificiale Anthropic alla fine del 2024.

Il Model Context Protocol facilita notevolmente l'integrazione dell'AI nei flussi di lavoro, creando una base standardizzata per le interazioni basate sull'intelligenza artificiale. In questo articolo, approfondiremo gli aspetti chiave di questa tecnologia. Scoprirete come si definisce un MCP (o un server MCP), qual è la sua differenza rispetto a tecniche come RAG (Retrieval Augmented Generation) e Function Calling, e come funziona concretamente il Model Context Protocol.

Cos'è il Model Context Protocol? Definizione

Il Model Context Protocol è uno standard open source progettato per connettere i sistemi di intelligenza artificiale a database, file system e altri strumenti. In questo modo, offre un modo efficiente e standardizzato per costruire agenti basati sull'AI. Il funzionamento di MCP si basa su un'architettura client-server, che permette una comunicazione fluida e strutturata tra le diverse componenti e i servizi esterni.

Il server MCP definito

Prima di addentrarci nelle varie componenti dell'architettura MCP, è essenziale definire il termine "server MCP", che è ormai diventato quasi sinonimo del protocollo stesso. Un server MCP è un programma leggero che si interpone tra un sistema di intelligenza artificiale e un servizio o una fonte di dati. Agisce come un ponte, comunicando con l'AI tramite un client MCP in un formato standardizzato. La connessione con altri servizi o fonti di dati avviene attraverso l'API che questi mettono a disposizione. I server MCP sono relativamente semplici da creare; molti di essi sono disponibili gratuitamente, ad esempio tramite piattaforme come GitHub, facilitando ulteriormente la loro adozione e implementazione.

MCP, RAG e Function Calling: le differenze

Il Model Context Protocol non è la prima tecnica sviluppata per connettere l'intelligenza artificiale con il mondo esterno. Esistono infatti altre metodologie che mirano a scopi simili, ma con approcci diversi. Comprendere queste differenze è fondamentale per apprezzare il valore aggiunto offerto da MCP.

Ad esempio, la Retrieval Augmented Generation (RAG) consente ai grandi modelli linguistici (LLM) di incorporare documenti che non fanno parte dei loro dati di training. Questo approccio, tuttavia, richiede il trasferimento dei dati di destinazione in un database vettoriale, un passaggio che può aggiungere complessità e specificità all'implementazione.

Diversi LLM supportano anche la funzionalità di chiamata di funzioni (Function Calling). Questi modelli linguistici sono in grado di riconoscere quando un prompt dell'utente richiede l'uso di uno strumento ausiliario e possono quindi invocare una funzione predefinita per eseguire l'azione richiesta. Questa capacità è cruciale per permettere agli LLM di interagire con il software esterno.

Il Model Context Protocol si basa proprio su questa capacità di Function Calling, ma va oltre, offrendo un modo più standardizzato per stabilire una connessione con servizi e fonti di dati. In pratica, MCP permette di connettere sistemi AI a fonti esterne senza dover "reinventare la ruota" o programmare una nuova interfaccia ogni volta. Questo si traduce in una maggiore efficienza e una scalabilità notevolmente migliorata per gli sviluppatori.

L'architettura del Model Context Protocol

Esaminiamo ora le diverse componenti dell'architettura MCP e come queste interagiscono tra loro per creare un sistema funzionale e robusto. La modularità è un aspetto chiave di questa architettura, che ne garantisce flessibilità e adattabilità.

L'host MCP

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

Il client MCP

Il client MCP è il più importante di questi programmi di utilità. Ogni LLM richiede un client che sia adattato al modo in cui chiama gli strumenti e elabora i dati. Tuttavia, tutti i client MCP offrono ai loro host un set standard di servizi. Cercano i server disponibili e riportano questi servizi, insieme ai parametri necessari per la loro invocazione. Tutte queste informazioni vengono incorporate nel contesto del prompt dell'LLM. Quando l'LLM riconosce un input utente che richiede l'invocazione di un servizio disponibile, invia una richiesta corrispondente tramite il client al rispettivo server MCP. Questo processo garantisce una comunicazione efficiente e mirata.

Il server MCP

Ogni server MCP è costruito in modo tale 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 funzione di mediazione è cruciale per la standardizzazione e l'interoperabilità che il protocollo MCP intende fornire.

Il livello di trasporto MCP

Client e server MCP comunicano tra loro in un formato basato su JSON. Il livello di trasporto MCP converte i messaggi del protocollo MCP nel formato JSON-RPC per la trasmissione e riconverte i messaggi JSON-RPC in entrata. 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, mentre nel secondo caso avviene tramite HTTP streamabile, offrendo flessibilità nelle modalità di deployment.

Un'illustrazione visiva (non riproducibile qui) dimostra in modo chiaro come le componenti MCP interagiscono tra loro, evidenziando il flusso di informazioni e le relazioni tra host, client, server e il livello di trasporto, sotto il titolo "A colpo d'occhio: l'interazione delle componenti MCP" (Foundry).

L'ecosistema del server MCP

Sebbene l'architettura con le sue componenti possa apparire complessa a prima vista, la modularità, la portabilità e la standardizzazione del Model Context Protocol semplificano notevolmente il lavoro degli sviluppatori. Questi aspetti chiave garantiscono che l'integrazione e la gestione dei sistemi AI siano più agevoli ed efficienti.

Ecco i vantaggi principali:

• Un server MCP può comunicare con qualsiasi applicazione AI che contenga un client MCP correttamente implementato. Ciò significa che se si desidera rendere il proprio servizio disponibile agli agenti AI, è possibile creare un unico server con la certezza che funzionerà con diversi tipi di LLM. Questo riduce drasticamente lo sforzo di sviluppo e manutenzione per 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 connettere uno specifico LLM a Google Docs, a un database MySQL o a un servizio di previsioni meteorologiche ogni volta. Basta creare un client MCP, che potrà connettersi a servizi di ogni tipo tramite i server MCP. Questa standardizzazione elimina la necessità di soluzioni personalizzate per ogni integrazione, accelerando lo sviluppo e la distribuzione.

Per approfondire l'ecosistema dei server MCP e scoprire le risorse disponibili, si consiglia vivamente di visitare il MCP Servers Repository su GitHub. Qui gli sviluppatori possono trovare esempi, documentazione e contributi della comunità per facilitare l'implementazione del protocollo.

Desiderate leggere altri interessanti contributi su diversi temi dal mondo IT? Le nostre newsletter gratuite vi forniranno tutto ciò che i professionisti IT dovrebbero sapere, direttamente nella vostra casella di posta!

ABBONATEVI ALLA NOSTRA NEWSLETTER

Dalle nostre redazioni direttamente nella vostra casella di posta. Iniziate inserendo la vostra email qui sotto.