Licenza YOLO
Torna al glossario di Ultralytics

Model Context Protocol (MCP)

Il Model Context Protocol (MCP) è uno standard aperto che collega le applicazioni di IA a strumenti e dati tramite un'unica interfaccia. Architettura, impieghi e codice.

Il Model Context Protocol (MCP) è uno standard aperto per collegare le applicazioni di IA a strumenti esterni, fonti di dati e flussi di lavoro. Prima di MCP, ogni applicazione di IA aveva bisogno di un'integrazione personalizzata per ogni servizio utilizzato: dieci assistenti e dieci servizi potevano quindi richiedere fino a cento connettori distinti. Con MCP, un servizio viene integrato una volta come server MCP e qualsiasi applicazione compatibile con MCP può utilizzarlo. Anthropic ha introdotto il protocollo a novembre 2024 e a dicembre 2025 lo ha donato alla Agentic AI Foundation, un fondo della Linux Foundation cofondato da Anthropic, Block e OpenAI. Host come Claude, ChatGPT, VS Code, Cursor e Gemini CLI lo supportano; è diventato il modo standard con cui gli agenti di IA e i modelli linguistici di grandi dimensioni (LLM) accedono al mondo esterno.

Come funziona MCP#

La specifica MCP definisce tre ruoli che si scambiano messaggi JSON-RPC 2.0. L'host è l'applicazione di IA con cui lavora l'utente, come un chatbot, un IDE o un agente. All'interno dell'host, un client gestisce la connessione a ciascun server e ogni server espone un insieme di funzionalità. I server locali vengono eseguiti come sottoprocessi e comunicano tramite input e output standard (stdio), mentre i server remoti usano Streamable HTTP. Dalla revisione del 2026-07-28, il protocollo di base è senza stato: ogni richiesta contiene la propria versione del protocollo e le funzionalità del client, il vecchio handshake initialize e gli ID di sessione sono stati eliminati e qualsiasi istanza del server dietro un bilanciatore di carico può rispondere a qualsiasi richiesta.

I server offrono tre tipi di funzionalità:

  • Strumenti: funzioni che il modello può chiamare, ciascuna descritta da un nome, una descrizione e uno schema JSON per i relativi argomenti, come create_issue o run_query. Gli strumenti possono restituire testo, immagini o dati strutturati.
  • Risorse: Contesto di sola lettura identificato da URI, ad esempio file, schemi di database o estratti di log, che l'applicazione può aggiungere al contesto del modello.
  • Prompt: Modelli di messaggio riutilizzabili che gli utenti selezionano esplicitamente, spesso presentati come comandi slash.

I server possono anche chiedere all'utente i dati mancanti nel corso di un'attività tramite l'elicitation. Le estensioni facoltative aggiungono altre funzionalità: Tasks gestisce operazioni di lunga durata per cui un client interroga periodicamente i risultati, mentre MCP Apps consente a uno strumento di restituire un'interfaccia interattiva, secondo l'approccio della UI generativa, che mostra grafici e moduli all'interno della conversazione.

Creare un server MCP#

L'SDK Python ufficiale di MCP trasforma una funzione Python tipizzata in uno strumento e genera il relativo schema JSON dai suggerimenti di tipo. Integrare in questo modo l'inferenza di Ultralytics YOLO26 offre a qualsiasi host MCP il rilevamento degli oggetti: lo strumento restituisce Results.summary(), un elenco con il nome della classe, il livello di confidenza e le coordinate del riquadro di ogni oggetto, su cui il modello può ragionare. In questo esempio, un client nello stesso processo individua e chiama lo strumento come farebbe un host:

import asyncio

from mcp import Client
from mcp.server.mcpserver import MCPServer
from ultralytics import YOLO

model = YOLO("yolo26n.pt")
server = MCPServer("vision")


@server.tool()
def detect(image_url: str) -> list[dict]:
    """Detect objects in an image and return each object's class, confidence, and box."""
    results = model(image_url)
    return results[0].summary()


async def main():
    """Discover the server's tools and call one, as an MCP host does."""
    async with Client(server) as client:
        tools = await client.list_tools()
        print(tools.tools[0].name, tools.tools[0].input_schema)
        result = await client.call_tool("detect", {"image_url": "https://ultralytics.com/images/bus.jpg"})
        print(result.structured_content)


asyncio.run(main())

Il primo print mostra il nome dello strumento e lo schema di input che vede il modello dell'host, il quale richiede un argomento stringa, image_url; il secondo mostra l'elenco dei rilevamenti restituito come contenuto strutturato.

  • Chiamata di funzioni: La capacità del modello di emettere una richiesta strutturata per uno strumento. MCP standardizza il modo in cui gli strumenti vengono individuati, descritti ed eseguiti nelle varie applicazioni; l'host converte le definizioni degli strumenti MCP nel formato di chiamata delle funzioni nativo del modello.
  • API: Un'API REST o GraphQL serve i client di un singolo servizio. Un server MCP spesso integra una di queste API e aggiunge i nomi, le descrizioni e gli schemi necessari al modello per utilizzarla senza codice personalizzato.
  • Generazione aumentata dal recupero (RAG): Tecnica che ancora le risposte ai documenti recuperati. MCP è un modo per fornire quel recupero, tramite uno strumento di ricerca o risorse allegate.
  • Protocollo Agent2Agent (A2A): Collega gli agenti tra loro affinché possano delegarsi attività complete. MCP collega un agente agli strumenti e ai dati che usa direttamente.
  • Competenze degli agenti: Cartelle di istruzioni e script che un agente carica nel proprio contesto quando un'attività li richiede. Le competenze insegnano all'agente come svolgere un'attività e i server MCP gli danno accesso in tempo reale ai sistemi coinvolti, quindi gli agenti usano comunemente entrambi.

Applicazioni nel mondo reale#

  • Programmazione agentica: Gli agenti di programmazione si collegano a GitHub, ai sistemi di tracciamento dei problemi, ai database e ai browser tramite server MCP. Perciò, chiedendo perché non funziona un accesso, l'agente può recuperare i log degli errori, leggere il codice di autenticazione e controllare i problemi aperti in un'unica sessione.
  • Assistenti aziendali: I connettori per archivi documentali, chat, sistemi di gestione dei ticket e CRM consentono a un assistente di rispondere a domande usando i dati aziendali e di registrare aggiornamenti per conto dell'utente.
  • Ispezione visiva: Un agente chiama uno strumento di rilevamento su un'immagine acquisita da una telecamera, interroga un server di inventario per trovare i pezzi di ricambio quando individua un componente danneggiato e prepara un ticket di manutenzione, trasformando una singola inferenza in un flusso di automazione completo.
  • Analisi dei dati: I server di database espongono strumenti di interrogazione in sola lettura, così gli analisti possono fare domande in linguaggio naturale e ottenere risposte calcolate su tabelle aggiornate.

Considerazioni sulla sicurezza#

Uno strumento MCP può eseguire codice arbitrario con le credenziali dell'utente, quindi ogni connessione amplia sia ciò che può fare il modello, sia ciò a cui può accedere un aggressore. I risultati degli strumenti e le risorse possono contenere prompt injection, ovvero testo che cerca di indurre il modello a chiamare altri strumenti o a divulgare dati; un server malevolo può inoltre nascondere istruzioni nelle descrizioni dei propri strumenti, in un attacco noto come avvelenamento degli strumenti. I server remoti autenticano gli utenti con autorizzazioni basate su OAuth e gli host prudenti limitano ogni server ai permessi necessari, eseguono i server locali in sandbox e aggiungono misure di sicurezza, come richieste di approvazione prima delle azioni sensibili. La specifica impone agli host di ottenere il consenso esplicito dell'utente prima di invocare qualsiasi strumento e di considerare non attendibili le descrizioni degli strumenti, a meno che non provengano da un server attendibile.

Esplora le soluzioni

La visione artificiale nello sport

La visione artificiale nello sport

Scopri come Ultralytics YOLO alimenta la computer vision nello sport con il tracciamento di giocatori e palloni, l'analisi delle prestazioni, gli approfondimenti per gli allenatori e la riabilitazione degli atleti.
Scopri di più
Computer vision per immagini aeree

Computer vision per immagini aeree

Trasforma immagini aeree e riprese da drone in informazioni utili in tempo reale per agricoltura, acquacoltura, conservazione e analisi geospaziale con Ultralytics YOLO.
Scopri di più
Computer vision nel settore aerospaziale

Computer vision nel settore aerospaziale

Applica la visione artificiale nel settore aerospaziale con Ultralytics YOLO per l'ispezione degli aeromobili, il rilevamento di FOD sulle piste, le operazioni di terra aeroportuali e il rilevamento di difetti nei materiali compositi.
Scopri di più
Visione artificiale nella sicurezza

Visione artificiale nella sicurezza

Proteggi ogni sito con i modelli Ultralytics YOLO. L'IA visiva alimenta il monitoraggio perimetrale, il rilevamento delle minacce, il riconoscimento delle targhe e la sicurezza sul lavoro.
Scopri di più
Visione artificiale nella robotica

Visione artificiale nella robotica

Dai più potenza alle macchine intelligenti con i modelli Ultralytics YOLO. Nell'ambito della robotica, l'IA visiva alimenta la navigazione autonoma, la percezione, il tracciamento degli oggetti e il controllo in tempo reale.
Scopri di più
Visione artificiale nella logistica

Visione artificiale nella logistica

Semplifica la logistica con i modelli Ultralytics YOLO. L'IA per la visione consente l'ispezione dei pacchi, la selezione, il tracciamento dei veicoli e il monitoraggio della sicurezza nei magazzini in tempo reale.
Scopri di più
Visione artificiale nel commercio al dettaglio

Visione artificiale nel commercio al dettaglio

Ripensa il commercio al dettaglio con i modelli Ultralytics YOLO. L'IA per la visione consente di tracciare le scorte, monitorare gli scaffali, gestire le code e ottenere informazioni più approfondite sui clienti.
Scopri di più
Visione artificiale in ambito sanitario

Visione artificiale in ambito sanitario

Crea soluzioni sanitarie con i modelli Ultralytics YOLO. In ambito sanitario, l'IA per la visione consente di elaborare più rapidamente le immagini mediche, migliorare la diagnostica e monitorare i pazienti.
Scopri di più
Computer vision nella produzione

Computer vision nella produzione

Ottimizza la produzione con i modelli Ultralytics YOLO. La visione basata sull'IA migliora il controllo qualità, il rilevamento dei difetti, la conformità ai requisiti sui DPI e l'automazione delle linee di assemblaggio.
Scopri di più
Computer vision nel settore automobilistico

Computer vision nel settore automobilistico

Applica la computer vision al settore automobilistico con i modelli Ultralytics YOLO. La visione basata sull'IA migliora la sicurezza stradale, i sistemi di assistenza alla guida e l'automazione dei veicoli, per strade più intelligenti.
Scopri di più
Visione artificiale in agricoltura

Visione artificiale in agricoltura

Porta l'IA visiva nell'agricoltura intelligente con i modelli Ultralytics YOLO. Gestisci il monitoraggio delle colture, il tracciamento del bestiame e l'agricoltura di precisione per ottenere raccolti più abbondanti e intelligenti.
Scopri di più

Costruiamo insieme il futuro dell'IA!

Inizia il tuo percorso verso il futuro del machine learning