L’MCP è uno standard di connessione per le app LLM: scrivi una volta un server di strumenti e qualsiasi client che conosce l’MCP può usarlo.
Come funziona
La specifica descrive tre ruoli che comunicano con messaggi JSON-RPC 2.0:
- Host: “LLM applications that initiate connections” (traduzione: applicazioni LLM che avviano le connessioni), per esempio un agente in un IDE o un’app di chat.
- Client: “Connectors within the host application” (traduzione: connettori all’interno dell’applicazione host), uno per server.
- Server: “Services that provide context and capabilities.” (traduzione: servizi che forniscono contesto e funzionalità).
I server possono offrire tools (funzioni che il modello può eseguire), resources (dati e contesto) e prompts (modelli di messaggi). La specifica definisce due trasporti standard: stdio per un sottoprocesso locale, e Streamable HTTP, in cui ogni messaggio è una POST HTTP e le risposte tornano come JSON o come stream di server-sent event.
Per gli strumenti, il client invia tools/list e riceve nomi, descrizioni e un inputSchema in JSON Schema. Li passa al modello come definizioni di strumenti. Quando il modello restituisce una chiamata a uno strumento, il client invia tools/call con gli argomenti e restituisce il risultato al modello.
{"jsonrpc": "2.0", "id": 2, "method": "tools/call",
"params": {"name": "get_weather", "arguments": {"location": "New York"}}}
Il modello non parla mai con il server MCP. Vede solo definizioni e risultati degli strumenti, ed è per questo che l’MCP funziona con qualsiasi modello che gestisce bene il tool calling.
Perché è importante
- Riuso. Un unico server per GitHub o per un database serve ogni agente ed editor che parla MCP.
- Costo in token. Nome, descrizione e schema di ogni strumento elencato vengono inviati come input a ogni turno. Tanti server con tanti strumenti allungano ogni richiesta. Attiva solo ciò che serve al compito.
- Sicurezza. La specifica dice che gli strumenti “represent arbitrary code execution” (traduzione: rappresentano l’esecuzione di codice arbitrario) e che gli host devono ottenere il consenso dell’utente prima di invocare qualsiasi strumento. Anche i risultati degli strumenti sono una via per la prompt injection.
Su BroadNet Inference
La documentazione di BroadNet non elenca un server MCP né un endpoint specifico per l’MCP. L’MCP lo esegui nel tuo client (Cline, Continue, opencode e altri) e punti il modello del client sull’API di BroadNet compatibile con OpenAI. La documentazione di BroadNet indica il tool calling per GLM 5.3 e Qwen3.8 27B. L’articolo su MCP con modelli compatibili con OpenAI mostra le configurazioni dei client e un bridge in Python.