Il Protocollo degli Agenti: il Potenziale MCP di Web3

Nato come progetto laterale sperimentale presso Anthropic, il Model Context Protocol (MCP) è diventato lo standard de facto per l'orchestrazione delle interazioni agentiche tra set di dati, risorse computazionali e artefatti esterni.

Potrebbe rappresentare uno dei protocolli più trasformativi per l’era dell’intelligenza artificiale e un’eccellente soluzione per le architetture Web3.

Proprio come HTTP ha rivoluzionato le comunicazioni web, MCP fornisce un framework universale che sostiene praticamente la capacità di ogni importante piattaforma AI di integrare agenti intelligenti con diverse fonti di informazione e punti operativi.

Una Breve Introduzione a MCP

MCP è stato inizialmente progettato per semplificare le interazioni tra agenti prototipo e archivi di documenti. Il successo iniziale nel coordinare i flussi di lavoro di recupero e ragionamento ha attirato l'attenzione di altri laboratori e, entro la metà del 2024, i ricercatori avevano lanciato implementazioni di riferimento open-source. 

Una serie di estensioni guidate dalla comunità è seguita rapidamente, permettendo a MCP di supportare lo scambio sicuro di credenziali, scenari di apprendimento federato e adattatori di risorse in stile plugin. All’inizio del 2025, le principali piattaforme—tra cui OpenAI, Google DeepMind e Meta AI—avevano adottato MCP in modo nativo, consolidando il suo ruolo come protocollo equivalente a HTTP per le comunicazioni agentiche.

MCP adotta un paradigma client-server leggero con tre partecipanti principali: l'Host MCP (un'applicazione AI che coordina le richieste), uno o più Client MCP (componenti che mantengono connessioni dedicate) e i Server MCP (servizi che espongono primitive contestuali). Ogni coppia client-server comunica tramite un canale distinto, consentendo l'acquisizione parallela del contesto da più server.

Il Data Layer di MCP ruota attorno a tre primitive fondamentali—Strumenti, Risorse e Prompt—che insieme potenziano una collaborazione fluida tra agenti.

Gli strumenti racchiudono operazioni o funzioni remote che un agente può invocare per eseguire compiti specializzati, mentre le risorse rappresentano i punti di accesso ai dati—come database, archivi vettoriali e oracoli on-chain—da cui gli agenti possono recuperare informazioni contestuali.

I prompt fungono da modelli strutturati che guidano il processo di ragionamento di un agente, definendo come gli input devono essere formulati e interpretati. Standardizzando questi elementi fondamentali, MCP garantisce che agenti diversi possano scoprire, richiedere e utilizzare le capacità in modo coerente e interoperabile su qualsiasi infrastruttura sottostante.

MCP e Web3

Da un punto di vista fondato su principi primi, l'intersezione tra Web3 e MCP potrebbe concretizzarsi in due aree chiave:

1. Consentire a ogni dataset blockchain e protocollo decentralizzato di operare come server o client MCP
2. Utilizza Web3 per alimentare una nuova generazione di reti MCP.

Insieme, queste prerogative promettono un tessuto estensibile e a minima fiducia per l'intelligenza agentica.

Dati Web3 come Artefatti MCP

Per catalizzare gli agenti AI negli ambienti crypto, è fondamentale un accesso senza interruzioni ai dati on-chain e alle funzionalità dei smart contract. Immaginiamo che i nodi blockchain espongano storici di blocchi e transazioni tramite server MCP, mentre le piattaforme DeFi pubblichino operazioni componibili attraverso interfacce MCP.

Complementando questo modello, i gateway criptografici tradizionali—exchange, wallet, explorer—agiscono come client MCP, interrogando e processando uniformemente il contesto. Immaginate un singolo agente che interfaccia contemporaneamente con i mercati di prestito di Aave, i bridge cross-chain di Layer0 e l’analisi MEV, tutto attraverso la stessa interfaccia di programmazione coerente.

Reti MCP Web3

MCP è un protocollo straordinariamente potente ma, proprio come HTTP, si evolverà da endpoint isolati a supportare reti complete. Attualmente, l’utilizzo di MCP richiede ancora una conoscenza dettagliata degli endpoint client e server. Allo stesso modo, funzionalità come l’autenticazione e l’identità sono elementi fondamentali attualmente mancanti nei protocolli, ma essenziali per un’adozione efficiente di MCP.

La prossima fase di MCP sarà alimentata da piattaforme di rete che abilitano capacità più sofisticate:

• Scoperta dinamica che individua i punti di accesso MCP corretti per un determinato compito.
• Capacità di ricerca che consentono agli agenti di trovare i giusti endpoint MCP.
• Valutazioni dei server e dei client MCP per tracciare la loro reputazione.
• Coordinamento dei server MCP per raggiungere un risultato specifico.
• Verificabilità dei risultati prodotti dagli endpoint MCP.
• Tracciabilità delle interazioni con i clienti e i server MCP
• Meccanismi di autenticazione e controllo degli accessi per i server MCP.

Molte di queste capacità richiedono il giusto livello di incentivi economici per coordinare i nodi in una rete MCP. Questo sembra essere un abbinamento perfetto nel mondo dell'AI per il Web3. Tracciabilità, calcoli verificabili e senza fiducia sono alcune delle primitive chiave che possono alimentare la prima generazione di reti MCP. Web3 è la tecnologia più efficiente di diverse generazioni per alimentare reti di calcolo e MCP necessita di nuove reti.

Progetto Namda

L'idea di combinare Web3 e MCP per alimentare una nuova generazione di reti MCP non è affatto teorica e stiamo iniziando a vedere reali progressi nel settore. Una delle iniziative più interessanti in questo ambito è Il Progetto Namda del MIT.

Guidata dai ricercatori del CSAIL e del MIT-IBM Watson AI Lab, Namda è stata lanciata nel 2024 per far progredire framework agentici scalabili e distribuiti basati sulle fondamenta di messaggistica di MCP. Namda (Networked Agent Modular Distributed Architecture) crea un ecosistema aperto in cui agenti eterogenei—che spaziano dai servizi cloud, dispositivi edge e acceleratori specializzati—possono scambiare contesto e coordinare flussi di lavoro complessi in modo fluido. Sfruttando le primitive standardizzate JSON-RPC di MCP, Namda dimostra come la collaborazione su larga scala e a bassa latenza possa essere raggiunta senza compromettere l'interoperabilità o la sicurezza.

L’architettura di Namda incorpora già molte delle idee di una rete MCP decentralizzata, come la scoperta dinamica dei nodi, il bilanciamento del carico e la tolleranza ai guasti attraverso cluster distribuiti. Con un registro decentralizzato ispirato alle tecniche blockchain, Namda garantisce identità degli agenti verificabili e un’arbitratura delle risorse guidata dalle politiche, consentendo workflow multi-parte fidati. Le estensioni per meccanismi di incentivazione basati su token e il tracciamento end-to-end della provenienza arricchiscono ulteriormente il protocollo, con i primi prototipi che illustrano un apprendimento federato efficiente su compiti di visione e linguaggio attraverso piattaforme di test globali.

Una Fondazione Diversa per l'AI Decentralizzata

Per decenni, l'intelligenza artificiale decentralizzata ha faticato a trovare una collocazione chiara per alimentare le applicazioni di intelligenza artificiale mainstream. L'emergere di MCP e la necessità di reti MCP sono rapidamente diventati uno dei casi d'uso più rilevanti per una nuova generazione di infrastrutture AI. Questo potrebbe rappresentare uno dei più grandi casi d'uso nell'ambito dell'AI e uno che il Web3 è perfettamente adatto ad affrontare. La combinazione di Web3 e MCP potrebbe essere alla base di una nuova fondazione per l'intelligenza artificiale decentralizzata.