Ogni pochi anni emerge un protocollo che cambia il modo in cui i componenti software comunicano tra loro. HTTP l'ha fatto per il web. OAuth l'ha fatto per l'autenticazione. GraphQL l'ha fatto per le API. Nel 2025, Model Context Protocol — MCP — lo sta facendo per gli strumenti degli agenti AI.
Il problema che MCP risolve è ingannevolmente semplice. Un agente AI ha bisogno di usare strumenti — cercare sul web, leggere file, interrogare database, chiamare API. Senza un protocollo standard, ogni integrazione di strumenti è un'implementazione personalizzata. Il framework dell'agente definisce il proprio formato per gli strumenti, il provider dello strumento implementa quel formato, e l'integrazione funziona per quel framework specifico e quello strumento specifico. Vuoi usare lo stesso strumento in un framework diverso? Riscrivi l'integrazione. Vuoi aggiungere un nuovo strumento al tuo agente? Scrivi un adattatore personalizzato.
MCP elimina quella tassa di integrazione per-framework, per-strumento. Uno strumento che parla MCP funziona con qualsiasi agente che parla MCP. Scrivi una volta, usa ovunque. L'analogia con USB-C è calzante — prima di USB-C, ogni dispositivo aveva il proprio caricatore. Dopo USB-C, un solo cavo funziona per tutto. MCP sta facendo la stessa cosa per gli strumenti degli agenti AI.
Cos'è davvero MCP
MCP è un protocollo basato su JSON-RPC che definisce come un agente AI scopre, invoca e riceve risultati da strumenti esterni. Un server MCP espone un set di strumenti con schemi tipizzati — descrizioni di cosa fa ogni strumento, quali parametri accetta e cosa restituisce. Un client MCP (l'agente) si connette al server, scopre gli strumenti disponibili e li invoca secondo necessità durante la conversazione.
Il protocollo gestisce le meccaniche che ogni integrazione personalizzata deve reinventare: scoperta degli strumenti (quali strumenti sono disponibili?), validazione dello schema (i parametri sono corretti?), invocazione (esegui lo strumento e restituisci i risultati) e gestione degli errori (cosa succede quando uno strumento fallisce?). Sono problemi già risolti che non hanno bisogno di essere risolti di nuovo per ogni integrazione.
Anthropic ha sviluppato MCP e l'ha reso open-source, ma non è un protocollo specifico di Anthropic. Qualsiasi provider AI può implementare il supporto client MCP, e qualsiasi sviluppatore può costruire server MCP. L'ecosistema sta crescendo rapidamente — esistono già server MCP per GitHub, Slack, database, filesystem, browser web e decine di altri servizi.
Come NanoClaw usa MCP
NanoClaw integra MCP attraverso l'MCP SDK, che fa parte della stessa toolchain Anthropic che include Claude Agent SDK. Quando un agente gira all'interno di un container NanoClaw, può connettersi ai server MCP che l'host ha configurato, ottenendo accesso agli strumenti senza alcun codice di integrazione personalizzato in NanoClaw stesso.
Questo è un punto architetturale sottile ma importante. NanoClaw non ha bisogno di implementare un'integrazione GitHub, un'integrazione Slack o un'integrazione database. Ha solo bisogno di supportare MCP, e poi qualsiasi server MCP fornisce quelle funzionalità. La superficie di integrazione è un protocollo, non decine di adattatori personalizzati.
In pratica, questo significa che un utente NanoClaw che vuole che il suo agente interagisca con GitHub installa il server MCP GitHub (un processo separato), configura NanoClaw per connettersi ad esso, e l'agente può immediatamente creare issue, leggere pull request e cercare nei repository. Nessuna modifica al codice di NanoClaw. Nessuna Claude Code skill necessaria. Nessun fork richiesto.
Il modello di isolamento tramite container funziona naturalmente con MCP. Il server MCP gira sull'host, fuori dal container. L'agente all'interno del container si connette ad esso attraverso un canale controllato. Il server MCP può applicare i propri controlli di accesso — accesso in sola lettura ai repository, solo canali Slack specifici, tabelle di database particolari — indipendentemente da ciò che l'agente richiede. Questa è difesa in profondità: anche se una prompt injection inganna l'agente facendogli richiedere qualcosa che non dovrebbe, il server MCP può negare la richiesta in base alla propria policy.
Perché MCP è importante per l'ecosistema
Il significato più ampio di MCP è che disaccoppia lo sviluppo degli strumenti dallo sviluppo degli agenti. Prima di MCP, costruire uno strumento AI utile significava scegliere un framework e implementare l'interfaccia strumenti di quel framework. Il tuo strumento GitHub funzionava con LangChain ma non con CrewAI. Il tuo strumento database funzionava con AutoGen ma non con NanoClaw. Ogni framework aveva il proprio formato per gli strumenti, e gli sviluppatori di strumenti dovevano scegliere quali framework supportare.
MCP rompe quell'accoppiamento. Uno sviluppatore di strumenti costruisce un server MCP, e funziona con ogni agente compatibile MCP. Uno sviluppatore di agenti supporta MCP una volta, e ogni server MCP diventa disponibile per i suoi utenti. L'ecosistema cresce in modo moltiplicativo anziché lineare — ogni nuovo server MCP beneficia ogni agente compatibile MCP, e ogni nuovo agente compatibile MCP beneficia di ogni server MCP esistente.
Per NanoClaw specificamente, MCP significa che il progetto non ha bisogno di costruire e mantenere integrazioni per ogni servizio che i suoi utenti potrebbero volere. Il modello delle Claude Code skills gestisce le integrazioni dei canali (Telegram, Discord, Slack), e MCP gestisce le integrazioni degli strumenti (GitHub, database, API). Tra i due, NanoClaw copre un'ampia gamma di casi d'uso senza l'onere di manutenzione di un grande codebase di integrazioni.
La configurazione pratica
Configurare MCP in NanoClaw è semplice. Esegui un server MCP — uno che hai costruito tu o uno dal crescente ecosistema di server open-source — e punti NanoClaw verso di esso. L'agente scopre automaticamente gli strumenti disponibili e può usarli nella conversazione.
L'esperienza dal punto di vista dell'utente è trasparente. Chiedi al tuo assistente WhatsApp "crea una issue su GitHub per il bug del login di cui abbiamo parlato ieri," e l'agente usa il server MCP GitHub per creare la issue, estraendo il contesto dalla memoria della conversazione per compilare i dettagli. Non hai bisogno di sapere che MCP è coinvolto. Chiedi semplicemente, e l'agente ha gli strumenti per fare ciò che hai chiesto.
Il protocollo è ancora giovane — l'inizio del 2025 è stato quando l'adozione ha iniziato ad accelerare — ma la traiettoria è chiara. MCP sta diventando il modo standard in cui gli agenti AI interagiscono con i servizi esterni, e i progetti che lo adottano presto ottengono accesso a un ecosistema crescente di strumenti senza costruirne nessuno. La scommessa di NanoClaw su MCP è una scommessa che l'ecosistema sarà più prezioso di qualsiasi set di integrazioni personalizzate.