Implementare MCP in Sarion

Introduzione

Nel 2024 ha iniziato a emergere un concetto fondamentale per il futuro dell’intelligenza artificiale: la capacità dei modelli di uscire dai loro limiti pre-addestrati e interagire con sistemi, dati e applicazioni reali.

Il Model Context Protocol (MCP), introdotto inizialmente da Anthropic e poi adottato rapidamente da OpenAI e altri leader del settore, rappresenta proprio questo passo: un linguaggio comune che permette agli assistenti AI di usare strumenti, consultare dati e compiere azioni nel mondo reale.

All’interno di Sarion — l’applicazione di produttività che integra task management, note, diario e assistente AI — l’adozione di MCP apre la strada verso una collaborazione fluida tra utenti e modelli intelligenti, senza vincolarsi a un unico vendor AI o a un’interfaccia specifica.

Cos’è il Model Context Protocol

MCP è uno standard aperto pensato per semplificare l’integrazione tra sistemi AI e servizi esterni.

Prima della sua introduzione, ogni strumento necessitava di connettori specifici per ogni modello: una moltiplicazione costosa di integrazioni. MCP elimina questa complessità definendo un protocollo condiviso.

L’AI non lavora più in isolamento: può leggere documenti aggiornati, consultare database, creare note, organizzare attività e automatizzare flussi di lavoro.

Grazie a questo approccio, qualunque applicazione che espone strumenti tramite un MCP server diventa immediatamente utilizzabile da modelli AI compatibili: Claude, ChatGPT, Gemini, Cursor, IDE AI-first, ambienti di produttività e così via.

Perché l’AI ha Bisogno di MCP

Gli LLM, per quanto avanzati, hanno un limite evidente:

non conoscono ciò che è accaduto dopo il loro addestramento e non possono agire autonomamente nell’ambiente dell’utente.

MCP risolve questo problema in tre modi:

1 - Accesso a dati reali e aggiornati

L’AI può interrogare calendari, progetti, documenti, database e strumenti personali.

2 - Standardizzazione delle integrazioni

Se un servizio espone un set di strumenti via MCP, qualunque AI compatibile può usarli.

3 - Abilitazione di agenti AI autonomi

L’assistente non si limita a rispondere: ragiona, decide e compie azioni.

Questo significa che una frase come:

“Organizza la settimana per il mio progetto marketing e crea le attività in ordine di priorità.”

non si limita a una risposta testuale, ma può diventare un set di task reali nell’app dell’utente.

Come MCP viene già utilizzato oggi

L’adozione è stata rapida e profonda:

• Notion permette ai modelli AI di leggere e aggiornare documenti.
• GitHub espone issue, PR e repository, permettendo workflow di sviluppo interamente guidati via chat.
• Zapier apre l’accesso a oltre 30.000 applicazioni tramite automazioni AI.
• Google ADK consente scraping e analisi di dati web in tempo reale.
• n8n integra MCP per orchestrare automazioni complesse con intervento AI.

Non è più fantascienza: è l’inizio di applicazioni AI-first, dove la chat diventa l’interfaccia principale.

Sarion Oggi: L’Applicazione

Sarion combina un’interfaccia semplice e organizzata con un assistente AI integrato. L’applicazione include:

• Gestione attività e liste
• Note e appunti
• Diario e mood tracking
• Cartelle e organizzazione
• Abitudini quotidiane
• Assistente AI conversazionale (alimentato tramite Mastra AI e i modelli Gemini)

La UI è divisa in due parti:

• A sinistra → Chat con l’assistente AI
• A destra → Interfaccia point-and-click con strumenti di produttività tradizionali

L’Integrazione MCP in Sarion

L’obiettivo è esporre le funzioni di Sarion come tools AI-invokable, permettendo agli utenti di usare Sarion da qualunque assistente AI, non solo dalla web app.

Esempio:

“Claude, aggiungi un task ‘Inviare preventivo cliente’ nella cartella Lavoro, scadenza domani.”

Claude → MCP → Backend Sarion → Task creato.

Senza aprire Sarion. Senza click. Senza copia-incolla.

Funzionalità che verranno esposte tramite MCP:

• Creazione, aggiornamento e completamento dei task
• Gestione delle note
• Creazione e consultazione del diario
• Gestione delle abitudini quotidiane
• Organizzazione tramite cartelle

Sicurezza e Controllo

Per rendere l’integrazione affidabile sono previste:

• Autenticazione tramite OAuth o token sicuri
• Scope granulari (lettura / scrittura selettiva)
• Conferme per operazioni sensibili
• Rate limiting e protezioni contro uso improprio

Lo scopo è permettere all’AI di agire, ma sempre in modo sicuro e controllato.

Roadmap

• Definizione schema completo dei tools MCP
• Implementazione server MCP in Node.js
• Distribuzione su Vercel come funzione serverless
• Test integrazione con assistenti AI desktop (Claude, Cursor, ChatGPT)

Conclusione

L’integrazione di MCP rappresenta un cambio di prospettiva: le applicazioni non sono più sistemi chiusi, ma componenti di un ecosistema AI collaborativo.

Sarion può diventare non solo un’app, ma uno strumento utilizzabile da qualsiasi AI, così da dare agli utenti sempre il servizio migliore possibile.