Cosa sono gli strumenti MCP e come li usano i modelli di IA?

Gli strumenti MCP sono funzioni che un modello di IA può chiamare per svolgere un'attività al di fuori della conversazione. Ad esempio, cercare nelle tue note o interrogare un database. Ogni strumento risiede su un server MCP (Model Context Protocol) e ha un nome e una breve descrizione che aiutano il modello a decidere quando usarlo.

Il termine “strumento MCP” viene usato anche in altri modi. Nell'uso comune, si dice “strumenti MCP” per indicare i server MCP (le applicazioni che offrono gli strumenti) o le directory che elencano quei server. MCP Tools è anche il nome di un programma a riga di comando che consente di elencare e chiamare gli strumenti di un server MCP.

Questa guida tratta le funzioni del protocollo, non i server, le directory o le righe di comando. Spiega in cosa consiste uno strumento, quali tipi di strumenti offrono i server e in cosa gli strumenti differiscono da risorse, prompt e function calling. Illustra poi i passaggi che un modello segue per usare uno strumento e si chiude con i problemi più comuni legati al loro utilizzo.

Cosa sono gli strumenti MCP?

Uno strumento MCP è una funzione che permette ai modelli di IA di completare attività con altre applicazioni software. Ad esempio, i miei agenti e flussi di lavoro di IA usano strumenti MCP per scrivere bozze di email in Gmail (create_draft), creare schede Trello (trelloWriteCard) e ottenere risultati di ricerca in tempo reale da DataForSEO (serp_organic_live_advanced), solo per citarne alcuni.

Le app software spesso offrono più strumenti MCP sui propri server MCP. Ad esempio, il server MCP di Trello dispone attualmente di 14 strumenti MCP che consentono ai modelli di IA di leggere e aggiornare bacheche, liste, checklist, schede e altro ancora.

E poiché MCP standardizza il modo in cui gli strumenti vengono descritti e offerti, qualsiasi app di IA che supporta il protocollo può usare lo stesso strumento MCP.

Cosa include uno strumento MCP

Ogni strumento MCP include tre elementi:

• Nome: un identificatore breve che il modello usa quando chiama lo strumento (ad es. get_event in Google Calendar).
• Descrizione: una spiegazione in linguaggio semplice di cosa fa lo strumento e di quando è utile. Il modello linguistico di grandi dimensioni (LLM) la legge per decidere se lo strumento è adatto alla tua richiesta (ad es. “Returns a single event on the given calendar.”).
• Input: le informazioni di cui lo strumento ha bisogno per essere eseguito, come il nome di un cliente e una data per una ricerca nelle note. Sono definite in JSON e gli sviluppatori chiamano questa definizione schema di input, perché stabilisce il formato di ciascun input (testo, numero o elenco).

Espandi

Alcuni strumenti aggiungono metadati aggiuntivi: un nome visualizzato, una descrizione dei risultati che restituiscono (uno schema di output) e annotazioni sul comportamento dello strumento.

Il modello di IA non vede mai il codice alla base di uno strumento. Si basa su ciò che lo strumento dice di sé, quindi un nome o una descrizione vaghi portano il modello a scegliere lo strumento sbagliato.

Quali tipi di strumenti MCP esistono

Gli strumenti MCP si dividono in quattro gruppi in base a ciò che fanno:

• Strumenti di ricerca e consultazione: trovano o recuperano informazioni (ad es. cercare nelle note, leggere un file o interrogare un database).
• Strumenti di azione: creano o modificano qualcosa in un'altra app (ad es. aggiungere un'attività, creare un evento nel calendario, aprire un ticket di assistenza o inviare un'email).
• Strumenti di elaborazione dati: trasformano o analizzano dati (ad es. analizzare un foglio di calcolo o eseguire un calcolo).
• Strumenti di sistema: interagiscono con il sistema locale (ad es. eseguire un comando in un terminale).

Strumenti MCP vs. risorse & prompt

Oltre agli strumenti MCP, un server MCP può offrire altri due tipi di elementi costitutivi, che il protocollo chiama primitive: risorse e prompt.

Espandi

Ad esempio, il server MCP ufficiale di GitHub offre:

• Uno strumento chiamato issue_write che crea o aggiorna le issue,
• Una risorsa chiamata repository_content che dà accesso ai file di un repository,
• Un prompt chiamato issue_to_fix_workflow che imposta i passaggi per segnalare un problema come issue e far generare all'agente di programmazione Copilot di GitHub una pull request che lo risolva.

La differenza sta in cosa fa ciascuno e in chi decide quando usarlo: tu, l'app di IA in cui stai lavorando (ad es. Perplexity) o il modello di IA in esecuzione all'interno di quell'app.

• Uno strumento MCP esegue azioni o cerca informazioni. Il modello di IA decide autonomamente quando chiamare uno strumento e la tua app di IA inoltra la chiamata al server. È il modello di IA a scegliere gli strumenti; la tua app di IA dovrebbe mostrarti ogni chiamata e permetterti di rifiutarla.
• Una risorsa è un contenuto disponibile sul server MCP, come un file o un insieme di record, ciascuno con il proprio indirizzo (un URI). La tua app di IA chiede al server quali risorse ha, legge quella che le serve tramite il suo indirizzo e aggiunge il contenuto alla conversazione come contesto.
• Un prompt è un modello di messaggio predefinito fornito dal server, a volte con campi vuoti da compilare. La tua app di IA ti mostra i prompt disponibili e tu ne scegli uno, spesso tramite un comando slash.

Come i modelli di IA usano gli strumenti MCP

Un modello di IA usa uno strumento MCP in cinque passaggi: individuazione, selezione dello strumento, invocazione, risultati e gestione degli errori. È la tua app di IA a fare da tramite per tutte le comunicazioni tra il modello e il server.

Espandi

Supponiamo che tu chieda alla tua app di IA di controllare la tua lista Trello “Questa settimana” e di scrivere una bozza di email al tuo editor con un aggiornamento. Ecco cosa succede dall'inizio alla fine:

1. Individuazione: quando la tua app di IA si connette a un server MCP tramite i client MCP, richiede l'elenco degli strumenti disponibili sul server (una richiesta chiamata tools/list). L'LLM vede solo ciò che l'app gli trasmette: nome, descrizione e input di ciascuno strumento.
2. Selezione dello strumento: il modello di IA confronta la tua richiesta con quelle descrizioni e sceglie gli strumenti adatti. In questo caso, si tratta di trelloReadList di Trello per leggere la lista e di create_draft di Gmail per scrivere l'email. Inoltre compila gli input, ad esempio quale lista leggere.
3. Invocazione: il modello risponde con una richiesta strutturata di eseguire lo strumento (un passaggio chiamato “function calling”). La tua app di IA invia quella richiesta al server giusto (una richiesta tools/call). Dovrebbe anche mostrarti la chiamata e permetterti di rifiutarla.
4. Risultati: il server esegue la funzione e restituisce il result, in questo caso le schede della tua lista. La tua app di IA aggiunge il risultato alla conversazione e il modello decide cosa fare dopo: risponderti o chiamare un altro strumento, come create_draft con un'email basata su quelle schede.
5. Gestione degli errori: se lo strumento viene eseguito ma non riesce, ad esempio perché la lista non esiste, l'errore viene restituito come parte del risultato. Il modello può leggerlo e riprovare con input diversi. Se invece è la richiesta stessa a non essere valida, ad esempio perché chiama uno strumento che il server non ha, l'app riceve un errore di protocollo. In questo caso è meno probabile che il modello riesca a recuperare.

Il punto chiave è che il modello sceglie gli strumenti basandosi solo sulle loro descrizioni, mentre è la tua app di IA a occuparsi di tutta la comunicazione con i server.

Problemi comuni degli strumenti MCP e come evitarli

I problemi con gli strumenti MCP si riducono a quattro fattori: quanti strumenti sono connessi, come vengono denominati e descritti, quanti dati restituiscono e da quali server provengono.

Ecco come si presenta ciascun problema e cosa può aiutare:

Perché gli strumenti MCP richiedono la tua approvazione?

Gli strumenti MCP richiedono la tua approvazione perché, senza di essa, il modello di IA potrebbe apportare modifiche non volute o condividere dati sensibili con un server che non controlli.

Una richiesta fraintesa o uno strumento descritto in modo vago possono attivare l'azione sbagliata. Inoltre, ogni chiamata invia alcune delle tue informazioni a un server.

Per questo il protocollo prevede che le app di IA mantengano sempre una persona nel ciclo decisionale, con la possibilità di rifiutare qualsiasi chiamata a uno strumento.

Ecco un modo pratico per classificare gli strumenti in base a quanto controllo richiedono:

• Azioni di sola lettura: cercare qualcosa, come leggere una lista con trelloReadList di Trello, non modifica nulla. Queste chiamate possono essere eseguite senza chiedere prima, purché la tua app di IA mostri quale strumento è stato eseguito e cosa ha cercato.
• Azioni annullabili: creare una bozza di email con create_draft di Gmail o aggiungere una scheda Trello modifica qualcosa che puoi annullare. Controlla gli input prima che la chiamata venga eseguita.
• Azioni irreversibili: inviare un'email con send_message di Gmail, eliminare record o compiere qualsiasi operazione che coinvolga pagamenti o dati sensibili sono azioni che non si possono annullare. Concedi ogni volta un'autorizzazione esplicita.

Usare gli strumenti MCP in Perplexity

Perplexity funziona con gli strumenti MCP in entrambe le direzioni: può usare gli strumenti dei server MCP che connetti e offre i propri strumenti ad altre app di IA.

• Connetti server MCP a Perplexity: con i piani Pro, Max ed Enterprise, puoi connettere Perplexity a qualsiasi strumento o fonte di dati esterna dotata di un server MCP e usarli nelle risposte e nei flussi di lavoro agentici di Perplexity Computer. Nell'app per Mac, puoi anche connettere server MCP in esecuzione sul tuo computer
• Usa gli strumenti di Perplexity in altre app di IA: il server MCP di Perplexity offre quattro strumenti (perplexity_search, perplexity_ask, perplexity_research e perplexity_reason) a qualsiasi app di IA che supporta server MCP remoti, come Claude Code. Un server separato consente ad altre app di IA di affidare attività in più passaggi a Perplexity Computer.

Domande frequenti sugli strumenti MCP

MCP è solo tool calling?

No, MCP non è solo tool calling. Il tool calling è il modo in cui il modello richiede uno strumento, mentre MCP è il modo in cui l'app di IA trova gli strumenti e instrada ogni chiamata al server che la esegue.

Il tool calling (detto anche function calling) è la parte del lavoro che spetta al modello di IA: il modello vede un elenco di strumenti e risponde con una richiesta di eseguirne uno. Con il solo tool calling, ogni app di IA deve definire ed eseguire autonomamente ogni strumento.

MCP permette agli strumenti di risiedere sui server, così qualsiasi app di IA che supporta MCP può offrirli al proprio modello e inviare le richieste del modello al server giusto.

MCP sostituirà le API?

No, MCP non sostituirà le API, perché MCP e le API lavorano insieme. Gli strumenti MCP spesso si basano su API esistenti e, quando il modello chiama uno strumento, il server MCP in genere effettua una richiesta API.

Quali app di IA supportano gli strumenti MCP?

Gli strumenti MCP funzionano in assistenti di IA come Claude, ChatGPT e Perplexity, e in strumenti di sviluppo come Visual Studio Code e Cursor. La documentazione di MCP cita queste app e precisa che molte altre li supportano.

Il modello di IA stesso deve supportare MCP?

No. Il modello di IA non deve supportare MCP, perché è la tua app di IA a gestire il protocollo. L'app si connette ai server, passa i loro strumenti al modello e invia le richieste di strumenti del modello al server giusto. Il modello deve solo supportare il function calling.

MCP sta diventando obsoleto?

No, MCP è ancora in fase di sviluppo attivo. I suoi manutentori hanno rilasciato una nuova versione della specifica MCP a luglio 2026 e pubblicato una roadmap aggiornata ad agosto 2026, che prevede interventi per consentire ai server di mostrare i propri strumenti in modo graduale, man mano che la conversazione si fa più specifica.