L'argomento di oggi è uno di quelli di cui quasi tutti hanno sentito parlare, ma pochi sanno spiegare il modo MCP. Probabilmente lo hai visto chiamare HTTP per agenti di intelligenza artificiale, ma cosa significa esattamente? Entro la fine di questo episodio capirai cos'è MCP, cosa fa il server Azure a MCP e perché è importante per il modo in cui gli strumenti di intelligenza artificiale si connettono ai tuoi dati. Lo suddivideremo nei principali elementi costitutivi, iniziando dal quadro generale, quindi dal protocollo stesso, quindi dall'implementazione di Microsoft e infine dall'implementazione di Microsoft e infine utilizzato. Quadro generale. Perché è importante ora? Ecco la situazione in cui ci troviamo in questo modo. Tutti stanno creando agenti di intelligenza artificiale. Non solo aziende tecnologiche, ma anche banche, ospedali, produttori e persino piccole imprese. Stanno tutti cercando di creare assistenti di intelligenza artificiale in grado di fare effettivamente delle cose. Non solo di rispondere a delle domande, ma di intraprendere azioni lunghe. Aggiornare un record, controllare l'inventario, distribuire codici o riparare un server danneggiato. Ed è qui che si presenta il problema. Questi agenti devono connettersi a strumenti e dati reali, database, account di archiviazione, sistemi di ticketing, piattaforme CRM. Il modo in cui la maggior parte delle persone lo fa OGV. Crivano codice di integrazione personalizzato per ogni singolo strumento, ogni app e ogni fonte di dati. Un connettore per il database, un altro per l'archiviazione dei file, un terzo per il sistema di monitora. Ognuno ha bisogno della propria autenticazione, della propria gestione degli errori, del proprio modo di formattare richieste e risposte. Questo approccio è fragile, richiede tempo e non è scalabile. Ogni assistente AI che crea ha bisogno del proprio codice di colla per comunicare con i servizi di cui ha bisogno. Passa da una piattaforma AI a un'altra e ricostruisci tutto da zero. La maggior parte delle demo di AI che vedi funzionano benissimo da sole. Rispondono a domande, generano testo, hanno un aspetto impressionante. Ma nel momento in cui devono entrare in contatto con un sistema reale, crolla. È lì che risiede la complessità. MCP cambia tutto questo. Fornisce l'intelligenza artificiale un modo standard per raggiungere e ottenere. Un protocollo, un modo di comunicare con gli strumenti. Qualsiasi assistente AI che parla a MCP può utilizzare qualsiasi server MCP. È come la differenza tra avere un telecomando separato per ogni dispositivo in casa rispetto a un telecomando universale che funziona con tutto. Iniziamo quindi con la definizione più semplice. Cos'è MCP? Il protocollo spiegato. Cos'è esattamente MCP? Lasciate che ve lo spieghi in parole povere. MCP sta per Model Context Protocol ed è uno standard aperto che indica agli agenti di intelligenza artificiale come comunicare con strumenti esterni, API e origini dati. Consideratelo come un linguaggio comune per l'intelligenza artificiale. Prima di MCP, ogni assistente di intelligenza artificiale doveva imparare un linguaggio diverso per ogni strumento che voleva utilizzare. MCP afferma mettiamoci tutti d'accordo sul linguaggio e poi ogni strumento dovrà parlare solo quel linguaggio. In realtà si basa su JSON-RPC 2.0, un semplice formato di messaggio per inviare richieste e ottenere risposte. Niente di speciale ed è in circolazione da anni. Ciò che MCP aggiunge è la struttura. Definisce tre cose fondamentali che un agente di intelligenza artificiale può fare con qualsiasi serve l'MCP, strumenti, risorse e prompt. Gli strumenti sono azioni che l'intelligenza artificiale può eseguire come la creazione di ora, creazione di una web. Le risorse sono dati che l'intelligenza artificiale può leggere, come un profilo cliente o un file di registro. Prompt sono modelli che indicano come l'intelligenza artificiale dovrebbe comportarsi in determinate situazioni. Ecco il modo più semplice per pensare. Immagina di avere un telecomando universale. Quel telecomando può comunicare con la tua TV, il tuo impianto audio, il tuo box per lo streaming. Un telecomando a molti dispositivi. È quel telecomando per gli agenti di intelligenza artificiale. Un protocollo, molti strumenti. Crea un server MCP che espone i tuoi strumenti e dati e qualsiasi agente di intelligenza artificiale compatibile con MCP può utilizzarlo. GitHub, Copilot, Cloud, CACPT e agenti personalizzati parlano tutti lo stesso protocollo. E questa non è una cosa proprietaria di Microsoft. MCP è stato originalmente creato da Antropic, azienda dietro Cloud, ma è stato adottato da OpenAI, Google, Microsoft e molti altri. Sta diventando un modo standard per gli agenti di intelligenza artificiale di connettersi al mondo esterno. Non un vincolo con un fornitore, ma uno standard aperto che tutti possono utilizzare. Il problema è che MCP risolve. Ecco il vecchio modo di fare le cose. Prima di MCP ogni integrazione di intelligenza artificiale ha un progetto personale. Supponiamo che tu voglia che il tuo assistente di intelligenza artificiale controlli i livelli di inventario e tutto da bene. Ottimo, ora devi scrivere il codice. Devi capire come funziona l'autenticazione. In che modo l'intelligenza artificiale dimostra di essere autorizzata? Devi gestire gli errori. Cosa succede quando il database non funziona? Devi formatare la risposta. In che modo l'output del database viene trasformato in qualcosa che l'intelligenza artificiale può comprare? Settimane di sviluppo per una commissione a un database. Questa è la tassa di integrazione. Un assistente IA, un database. Settimane di lavoro. Ora moltiplica questo per ogni strumento che la tua IA deve toccare. I CRM, il sistema di ticketing, l'archiviazione dei file, i registri monitorali. Ognuno richiede il proprio codice personalizzato, il proprio schema di autenticazione, la propria gestione degli errori. E nessuno di quei codici funziona con nessun altro strumento. Stai creando la stessa cosa più e più volte, solo leggermente diverso ogni volta. Ed ecco il problema di sicurezza. Ogni integrazione personalizzata ha la propria autenticazione. Alcune usano chiavi API, altre usano OOT, alcune usano certificati, alcune usano l'autenticazione di base. Ti ritrovi con una dozzina di modi diversi per i tuoi dati IA e nessun modo coerente per gestirli. Chi ha accesso? Cosa può fare? Dove sono i registri? La maggior parte dell'organizzazione non è in grado di rispondere a queste domande per le proprie integrazioni di intelligenza artificiale, perché l'integrazione di intelligenza artificiale, perché le integrazioni sono state create da team diversi, in momenti diversi, con standard diversi, con standard diversi. Il problema della frammentazione è reale. Supponiamo che tu crei il tuo assistente di intelligenza artificiale su OpenAI. Scrivi tutte le tue integrazioni per il formato di chiamata delle funzioni di OpenAI. Poi, sei mesi dopo, la tua azienda decide di passare a cloud o vuoi utilizzare entrambi. Ora ricostruisci ogni singola integrazione. Stessi strumenti, stessi dati, formato diverso. Questo non è progresso e lavoro noioso. Il costo reale aumenta rapidamente. La maggior parte delle grandi organizzazioni gestisce già decine di agenti di intelligenza artificiale. Secondo i DC, l'azienda media ne gestisce 47, ognuno ha il suo mucchio di connettore di persone. Il 68% dei CIO non è nemmeno in grado di segnalare la spesa totale per gli agenti di intelligenza artificiale. Non sanno quanto stanno spendendo per queste integrazioni, perché è sparso tra team, progetti e budget. MCP capovolge l'intero modello. Invece di scrivere codice personalizzato per ogni strumento di intelligenza artificiale, crea un server MCP. Quel server espone i tuoi strumenti e dati tramite un'interfaccia standard. Quindi qualsiasi agente compatibile con MCP può utilizzarlo. Coppailo, Cloud, JGPT, agenti personalizzati, i tuoi strumenti interni. Scrivi una volta, usa WU. Questo è il cambiamento. Cos'è il server Azure MCP? Abbiamo quindi esaminato il problema che MCP risale. Ora parliamo della risposta di Microsoft. Il server Azure MCP è la versione ufficiale di MCP di Microsoft. Consideralo come un ponte che consente agli agenti di intelligenza artificiale di accedere in modo sicuro alle tue risorse di Azure gestibili. E voglio essere chiaro su cosa sia effettivamente questa cosa. Non è un prodotto separato che ha. Non è un nuovo servizio di Azure. È uno strumento, un server open source, che si trova proprio tra il tuo assistente di intelligenza artificiale e il tuo ambiente Azure. Funziona con la modalità agente GitHub Copilot. Funziona con Semantic Kern. Funziona con Cloud Desk. E funziona con qualsiasi agente MCP personalizzato che crei tu stesso. Qualsiasi client che parla a MCP può connettersi. Una volta connesso, l'agente ottiene l'accesso alle risorse di Azure tramite un linguaggio naturale. Non è necessario conoscere l'esatta chiamata API. Non è necessario ricordare il metodo SDK. Basta chiedere. Ecco l'idea di base. Azure offre decine di servizi, archiviazione, database, monitoraggio, configurazione e contenitori. Ognuno di essi è dotato del proprio SDK, della propria API e del proprio schema di autenticazione. Il server Azure MCP li racchiude tutti in unica interfaccia unificata, un server, un protocollo e tutti gli strumenti. Perché Microsoft ha creato? Perché il problema della frammentazione è particolarmente grave in Azure. Immagina di creare un agente di intelligenza artificiale che deve controllare i registri di Azure Monitor, aggiornare un'impostazione di configurazione dell'app e distribuire una nuova versione dell'app e distribuire una nuova versione del contenitore. Si tratta di tre SDK diversi, tre flussi di autenticazione diversi, tre diversi modi di gestire gli errori. Il server Azure MCP li comprime in un'unica sessione, un'unica autenticazione e un unico modo coerente di lavorare. Ecco la parte importante. Non è solo per gli sviluppatori. Sì, gli sviluppatori lo useranno, ma il vero potere che consente è il controllo in linguaggio naturale delle risorse di Azure. Chi non conosce PowerShell o l'interfaccia della riga di comando di Azure può chiedere al proprio assistente di intelligenza artificiale, mostrami gli errori dell'ultima ora per il servizio di pagamento e ottenere una risposta. Il server MCP gestisce la traduzione. Trasforma la richiesta in linguaggio naturale nella chiamata API appropriata, la esegui su Azure Monitor e restituisce il risultato. A partire da oggi, il server MCP di Azure è integrato in Visual Studio 2026, è open source su GitHub, è gestito attivamente dal team Azure SDK di Microsoft ed è in anteprima pubblica, il che significa che puoi usarlo subito, con nuove funzionalità aggiunte regolarmente. Servizi principali a cui puoi accedere. Quindi, cosa puoi fare effettivamente con il server MCP di Azure? Diamo un'occhiata ai servizi specifici che progetti. L'elenco è in crescita, ma ecco cosa è supportato al momento. Archiviazione di Azure Puoi elencare account di archiviazione, gestire contenitori blob, eseguire query sulle tabelle, tutto tramite linguaggio naturale. Invece di scrivere uno script per controllare l'archiviazione, devi solo chiedere. Mostrami i contenitori nel mio account di archiviazione e produzione. Il server MCP gestisce la chiamata API, formatta la risposta e ti fornisce la risposta. Azure Cosmos DB, questo è enorme. Puoi eseguire query sui database, gestire i contenitori ed eseguire query SQL sui tuoi dati non SQL. Se stai grande, un agente di intelligenza artificiale che deve cercare record dei clienti o cronologie degli ordini è così che ottiene quei dati. Nessun connettore personalizzato, nessun codice SDK, solo una chiamata allo strumento tramite Azure Monitor. È qui che si manifesta la vera potenza. Puoi eseguire query sui registri utilizzando QQL e custo query language, senza scrivere un singolo comando QQL. Elenca le aree di lavoro. Controlla le tabelle disponibili, chiedi, mostrami le ultime 24 ore di errori. E il server MCP traduce tutto ciò nella query corretta. La esegue su Log Analytics e restituisce risultati. Per chiunque abbia mai avuto difficoltà con la sintassica QL, questo da solo vale il prezzo dei biglietti. Configurazione app di Azure. Puoi gestire coppie chiave valore, gestire configurazioni di abilitazioni, impostazioni di blocco e sblocco. Se la tua applicazione legge la configurazione da configurazione app di Azure, il tuo agente di intelligenza artificiale può controllare quei valori, aggiornarli e verificare le modifiche, tutto tramite conversazione. E non si tratta solo di servizi. Anche l'interfaccia delle righe di comando di Azure e l'interfaccia delle righe di comando di Azure Developer a ZDT sono esposte come strumenti. Ciò significa che il tuo agente di intelligenza artificiale può eseguire dichiotamente quei stessi comando di Azure. Puoi eseguire il provisioning di risorse, distribuire applicazioni, gestire infrastruttura, gli stessi comandi che digiti in un terminale ma attivati dal linguaggio naturale tramite un assistente di intelligenza artificiale. Ciò significa in pratica che un MCP può sostituire decine di SDK e chiamate API e chiamate E. Non è necessario installare Azure Storage SDK, Cosmos DB SDK, Monitor SDK e apprendere tre diversi modelli di autenticazione. Installi un server MCP e esegui l'autenticazione una volta e tutte queste funzionalità sono disponibili tramite un'unica interfaccia. Pensa a uno scenario tipico di risoluzione dei problemi. La tua applicazione genera errori. Devi controllare i registri, esaminare la configurazione, verificare che l'account di archiviazione sia accessibile e controllare la connessione al database. Prima di MCP c'erano quattro strumenti diversi, quattro accessi diversi, quattro modi diversi per ottenere informazioni. Con il server Azure MCP è una conversazione. Mostrami gli errori, controlla la mia configurazione, verifica il mio archivio e testa la mia connessione al database. Il server gestisce tutto. Ecco come funziona in pratica. Diamo un'occhiata dietro le quinte. Come funziona in pratica dietro le quinte? L'autenticazione utilizza l'ID ENTRA, ovvero il tuo Azure Active Directory, tramite Azure Identity Library. Quando il tuo agente di intelligenza artificiale effettua una richiesta, esegue la tua indicazione utilizzando la tua identità dietro. Le stesse credenziali che usi per accedere al portale di Azure. Nessuna chiave IP separata, nessun account di servizio condiviso, solo la tua identità. Pensalo come una reception. Il server verifica il tuo ID prima di farti entrare. Ora, l'autorizzazione rispetta Azure Abba che ha chi controlla gli accessi in base al ruolo. Il server MCP non concede nuove autorizzazioni. Consente solo ciò per cui il tuo account è già autorizzato a fare. Se puoi leggere gli account di archiviazione nel portale, il server MCP può leggerli. Se non puoi eliminare il database, nemmeno il server MCP può farlo. E reddita il modello di sicurezza esistente di Azure. Non aggiunge nuove superfici di attacco. Quindi, se ti fidi già di Azure per l'esecuzione delle tue applicazioni, ti fidi già del modello di sicurezza. Per il trasporto ci sono due opzioni. HTTP trasmissibile in streaming per le connessioni remote. Quando il tuo assistente di intelligenza artificiale è in esecuzione nel cloud. O su una macchina diversa, SDI o per lo sviluppo locale quando esegui tutto sulla tua macchina. L'opzione HTTP trasmissibile in streaming è quella consigliata da Microsoft per la produzione perché funziona bene con i bilanciatori del carico e i proxy. Pensala come una telefonata per le connessioni remote e una conversazione diretta per quelle locali. Le sessioni sono importanti in questo caso. Il server MCP mantiene uno stato durante una conversazione. Quindi, quando il tuo agente pone una domanda, ottiene una risposta e poi pone una domanda di follow-up, il server ricorda cosa è successo prima. Gli strumenti possono basarsi sui messaggi precedenti. Puoi interrogare i registri, identificare un problema, creare una correzione e distribuirla. Tutto in un'unica sessione, senza perdere il contesto. È come fare una chiacchierata al bar in cui riprendi esattamente da dove è rimasto. Il server utilizza gli SDK di Azure in background, il che significa che è reddita tutta la logica di ripetizione dei tentativi, la gestione dei tentativi, la gestione degli errori integrate forniti da tali SDK. Se una richiesta non riesce a causa di un problema di rete temporaneo, riprova automaticamente. Se un servizio non è disponibile, gestisce l'errore in modo corretto. Non devi scrivere nulla di tutto ciò da solo. E' già integrato. Ora, il modello di sicurezza utilizza qualcosa chiamato per conto dell'autenticazione o OVO. Questo è importante. Quando l'agente di intelligenza artificiale chiama uno strumento, il server MCP passa la tua identità al servizio downstream. L'account di archiviazione vede la tua identità, non l'identità del server. Il database vede la tua identità, non un account di servizio condiviso. Ciò significa che ogni azione è attribuibile a te. Ogni registro di controllo mostra chi ha fatto cosa. Nessun account di servizio anonimo, eseguazioni che nessuno può taccare. Il server afferma, sono qui per conto di me. E il servizio vede te, non il server. Per le aziende che necessitano di un controllo ancora maggiore, puoi utilizzare Azure API Management per i server MCP. Ciò fornisce criteri di governance, limitazione della velocità, audit rate e controlli di sicurezza dei contenuti a livello di protocollo. È possibile controllare quali strumenti sono disponibili, chi può utilizzarli e con quale frequenza. È la stessa gestione API che si utilizza già per le API REST, ora applicata agli strumenti MCP. Ecco il punto chiave. Il server Azure MCP non inventa nuovi meccanismi di sicurezza. Utilizza quelli già presenti in Azure. ID entra per l'autenticazione, RBHatch per l'autorizzazione, SDK per l'affidabilità, gestione API per la governance. Se si considera Azure come affidabile per l'esecuzione delle applicazioni, si considera affidabile anche il modello di sicurezza utilizzato dal server MCP. Esempio pratico in azione. Vendiamo l'oreale con un esempio che si verificherebbe effettivamente. Immagina di eseguire un'app contenitore su Azure. Vai all'URL e ricevi un errore 404, l'app non si avvia. Il portale di Azure mostra un errore di attivazione ma nessun registra. Niente di utile. Sei bloccato. Vecchio modo di gestire questa situazione è complicato. Apri il portale. Esamini le impostazioni dell'app contenitore. Registro di distribuzione. Scrivi i comandi CLEAI per estrarre informazioni diagnostiche. Confronti i file di configurazione tra ambienti. Tracci manualmente la sequenza di avvio e cercando di capire cosa non funziona. Quest'operazione richiede ora. E presuppone che tu sappia già cosa cercare? Con il server Azure MCP l'esperienza è completamente diversa. Copi il messaggio di errore. Lo incolli in copilot. Abiliti gli strumenti Azure MCP e lasci che l'agente esegua la diagnosi. Tutto qui. L'agente legge i file di progetto e esamina le impostazioni dell'app. Verifica la configurazione dell'app contenitore e identifica il problema. La stringa di connessione della configurazione dell'app Azure è un valore segnaposto. Non è mai stata configurata a produzione. Quando l'app contenitore tenta di avviarsi non riesce a connettersi alla configurazione dell'app genera un'eccezione, non l'eccezione, non le c'è la via. L'agente non si limita a trovare il problema ma propone una soluzione. Crea un archivio di configurazione dell'app reale imposta le variabili di ambiente nell'app contenitore e aggiorna il codice per leggere dalle variabili di ambiente anziché dai segnaposto codificati esegui di nuovo la distribuzione e ti guida attraverso ogni passaggio chiedendoti l'autorizzazione prima di apportare modifiche. Ecco dove diventa impressionante. L'agente orchestra più operazioni di Azure in sequenza. Esegue query su Azure Resource Graph per trovare le app contenitore correlate al progetto identifica il gruppo di risorse crea l'archivio di configurazione dell'app nello stesso gruppo aggiorna l'app contenitore con la nuova variabile di ambiente apporta le modifiche al codice nel progetto avvia la distribuzione quindi verifica che l'endpoint funzioni tutto richiede pochi minuti. L'agente ha gestito ogni operazione di Azure leggendo le risorse, creandone di nuove, aggiornando le configurazioni attivando le distribuzioni e verificando i risultati non hai scritto un singolo comando e ce l'hai? non hai navigato nel portale? hai solo descritto il problema e hai provato i passaggi? ciò significa che la risoluzione dei problemi complessi diventa una conversazione anziché un processo manuale non devi essere un esperto di Azure per diagnosticare e risolvere i problemi l'agente apporta la competenza tu fornisci il contesto e l'approvazione e puoi provare tu stesso con un'app di prova non hai bisogni speciali non devi essere uno sviluppatore hai solo bisogno a sottoscrizioni di Azure ed un assistente di intelligenza artificiale compatibile con MCP come si collega a tutto? il quadro generale avrai capito le parti? MCP è protocollo standard il server Azure MCP e l'implementazione di Microsoft dei servizi Azure sono gli strumenti a cui si collega ma il valore reale non è un singolo elemento e che funzionano tutti insieme tramite un protocollo come si presenta in pratica? immagina un singolo agente in grado di interrogare i registri di Azure Monitor controllare le impostazioni di configurazione delle app creare nuove risorse e distribuire codice aggiornato tutto in un'unica sessione non si tratta di quattro integrazioni separate si tratta di un server MCP che esegue quattro operazioni in sequenza con il contesto trasmesso in ogni passaggio l'output di uno strumento diventa l'input per il successivo lo stato della sessione mantiene tutto connesso ciò crea effetti di interazione che non si ottengono con strumenti isolati l'agente legge i registri individe un problema di configurazione crea una correzione e la distribuisce senza che tu debba copiare manualmente le informazioni tra i passaggi anche l'effetto rete entra in gioco con la creazione di più server MCP ogni assistente AI ottiene accesso a più funzionalità Microsoft dispone già di server MCP per Azure DevOps Playwright e l'elaborazione dei documenti anche terze parti stanno sviluppando ogni nuovo server aggiunge strumenti che qualsiasi agente compatibile con MCP può utilizzare l'ecosistema diventa più prezioso con ogni server aggiunto vediamo un'occhiata dove sta andando tutto il server Azure MCP è già integrato in Visual Studio 2026 il server Azure DevOps MCP è disponibile a livello generale Azure API Management ora supporta MCP quindi le aziende possono gestire e proteggere i propri strumenti MCP nello stesso modo in cui gestiscono le proprie API Microsoft ha annunciato Agent Orchestrator alla Build 2026 un servizio gestito che gestisce il bilanciamento del carico il monitoraggio dello stato e l'attribuzione dei costi su migliaia di agenti i primi utenti hanno riscontrato una riduzione del 30-45% ai costi di elaborazione per agente tramite il routine intelligente dei modelli il quadro generale è chiaro sta diventando il livello di integrazione universale per l'intelligenza artificiale e il server Azure MCP è la rampa di accesso per gli utenti di Azure le organizzazioni che adottano MCP ora saranno in grado di collegarsi a qualsiasi piattaforma di intelligenza artificiale senza dover ricostruire le proprie integrazioni i tuoi strumenti, i tuoi dati, il tuo modello di sicurezza tutti accessibili tramite un protocollo da qualsiasi assistente di intelligenza artificiale che lo parla ecco il fulcro della conoscenza di oggi MCP offre agli agenti di intelligenza artificiale a modo standard per comunicare con gli strumenti e il server Azure MCP consente loro di accedere all'intero ambiente Azure se stai sviluppando con intelligenza artificiale su Azure inizia a esplorare MCP oggi iscriviti sulla tua piattaforma di podcast preferita e condividi questo con qualcuno che sta iniziando su per cui lascia un commento se qualcosa ti ha col... leggo a tutti sono Mirko Peters e questo è stato un altro episodio di Microsoft Knowledge Nuggets e questo è stato un episodio di cui