Introduzione a MCP per gli sviluppatori
In questa pagina
Aggiornamento del 2 novembre 2026 — Le Chat è ora Vibe. Dal 28 maggio 2026, Le Chat è stato rinominato Vibe (sempre all’indirizzo chat.mistral.ai): un unico agente per lavoro e codice, che mantiene le tue conversazioni, impostazioni e abbonamenti. L’esperienza legacy di Le Chat rimane accessibile nella modalità Chat; nella modalità Work, gli agenti sono diventati competenze (invocate con
@), le memorie sono diventate la base di conoscenza e la ricerca approfondita è diventata la competenza Deep Research. I piani si chiamano ora Mistral Free, Pro, Team ed Enterprise. Questa lezione utilizza il nome Vibe; alcuni menu qui descritti potrebbero aver cambiato nome o posizione.
Perché MCP è una svolta per gli sviluppatori
Il Model Context Protocol (MCP) è uno standard aperto che ridefinisce il modo in cui le applicazioni di IA interagiscono con il mondo esterno. Prima di MCP, ogni framework imponeva la propria grammatica per dichiarare e chiamare uno strumento: LangChain ne aveva una, CrewAI un’altra, e Mistral Agents e OpenAI Assistants ne avevano ancora altre diverse. In pratica, uno sviluppatore che scriveva un connettore per la propria API di fatturazione in LangChain doveva riscriverlo completamente per farlo funzionare in CrewAI, e poi una terza volta per un agente interno personalizzato. Il lavoro veniva duplicato a ogni cambio di strumentazione e la condivisione di uno strumento tra i team era un’operazione frammentaria.
MCP risolve questo problema con un protocollo di comunicazione unificato tra un client AI e i server degli strumenti. La migliore analogia è una porta USB: indipendentemente dal client (Claude, Vibe, Cursor, VS Code) e dal server (GitHub, Notion, la tua API interna), il formato di connessione rimane lo stesso. Scrivi il tuo connettore una volta sola e funziona ovunque.
L’architettura client-server
MCP si basa su un’architettura client-server volutamente semplice. Da un lato, il client è l’applicazione che implementa l’IA: un chatbot come Vibe di Mistral o Claude, un ambiente di sviluppo come VS Code o Cursor, o un SDK per agenti come il Mistral Agent SDK o il Claude Agent SDK. Dall’altro lato, il server è il programma che espone le funzionalità (strumenti, risorse e prompt) a quel client.
L’intera conversazione tra i due avviene in JSON. Il client inizia chiedendo al server quali strumenti offre; il server risponde con una descrizione testuale di ciascuno: nome, parametri, ruolo e formato di ritorno. Il modello linguistico utilizza questa descrizione, e solo questa, per decidere quando e come chiamare uno strumento.
Client (Vibe) Server MCP (GitHub)
| |
|--- "Quali strumenti hai?" --->|
|<-- Descrizioni JSON strumenti -|
| |
|--- Chiamata: create_issue({}) ->|
|<-- Risultato JSON ------------|
Come MCP differisce dalla chiamata di funzione
La classica chiamata di funzione e MCP non si escludono a vicenda; tracciano semplicemente il confine in punti diversi. Con la chiamata di funzione, definisci gli strumenti lato client, li passi al modello e ne gestisci tu stesso l’esecuzione, avendo ogni framework il proprio formato di definizione. Con MCP, gli strumenti risiedono su un server, locale o remoto; il client conosce solo la descrizione testuale e il server gestisce l’esecuzione.
Il vantaggio decisivo è la riutilizzabilità. Un server MCP per GitHub, scritto una volta sola, si collega indifferentemente a Vibe, Claude, Cursor o al tuo SDK personale senza riscrivere nemmeno una riga di codice. È questo che trasforma un connettore interno in un blocco costruibile condivisibile su scala aziendale.
Le tre primitive del protocollo
MCP non si limita agli strumenti. Il protocollo definisce tre tipi di funzionalità, distinte in base a ciò che il server rende effettivamente disponibile. Gli strumenti sono funzioni eseguibili: creare un ticket, inviare un’email, interrogare un’API; il modello li attiva per agire sul mondo. Le risorse sono dati leggibili (file, database, documentazione) che il client può leggere senza attivare alcuna azione; esporre il contenuto di un file di configurazione rientra in questa categoria, non in quella degli strumenti. Infine, i prompt sono modelli di prompt riutilizzabili con parametri: un server di team può così distribuire un’istruzione collaudata per la revisione del codice, invece di lasciare che ognuno la riscriva a memoria.
In pratica, gli strumenti rappresentano circa il 90% dei casi d’uso attuali: sono la prima cosa che colleghi e spesso l’unica che implementi. Tuttavia, risorse e prompt aprono possibilità che esploreremo nel dettaglio nella Lezione 3.
Il flusso decisionale del modello
Quando un utente pone una domanda al client, il modello esegue un ciclo di cinque passaggi:
- Riceve la domanda e l’elenco degli strumenti disponibili (descrizioni MCP)
- Decide: rispondere direttamente o chiamare uno strumento?
- Se chiama uno strumento, formula gli argomenti in JSON
- Il server esegue e restituisce il risultato
- Il modello integra il risultato e formula la sua risposta (o chiama un altro strumento)
Questo ciclo si ripete tante volte quante ne richiede il compito. Immagina un utente che chieda di trasformare un reclamo individuato su Reddit in un ticket di sviluppo: il modello interroga Reddit, crea una voce in Linear, quindi apre la corrispondente issue su GitHub: tre server concatenati, senza che l’utente debba mai lasciare l’interfaccia di chat.
Un ecosistema in rapida espansione
Ad aprile 2026, sono disponibili centinaia di server MCP: GitHub, Notion, Slack, Gmail, PayPal, Hugging Face, Semgrep e molti altri. I principali client AI supportano il protocollo nativamente. Ancora più importante, nulla ti limita a consumare ciò che esiste già: puoi creare i tuoi server per esporre i tuoi strumenti interni, database aziendali o procedure personalizzate.
Questo è esattamente l’obiettivo di questo corso: permetterti di comprendere, utilizzare e costruire server MCP in Python.
Punti chiave
- MCP è uno standard aperto per la comunicazione client-server nell’IA
- Unifica l’ecosistema frammentato della chiamata di funzione
- L’architettura si basa su un client (chatbot, IDE, SDK) e un server (strumenti, risorse, prompt)
- La comunicazione avviene in JSON utilizzando descrizioni testuali
- Un server MCP è riutilizzabile su tutti i client compatibili