Contattataci

Struttura del corso

Anatomia del protocollo

  • Perché la sola chiamata delle funzioni non è sufficiente per ecosistemi agenti complessi
  • Elementi fondamentali di MCP: strumenti, risorse, prompt e i loro schemi JSON
  • Ciclo vitale di una sessione MCP: inizializzazione, elenco degli strumenti, chiamata, restituzione dei risultati e terminazione
  • Confronto tra MCP, OpenAPI e GraphQL nell’esposizione delle capacità agli agenti AI

Sviluppo di un server MCP con stdio

  • Creazione base di un server MCP in TypeScript tramite il SDK ufficiale
  • Definizione degli schemi strumento utilizzando Zod e generazione della validazione a runtime
  • Implementazione dei gestori di chiamate che interagiscono con API REST o database interni
  • Gestione di errori, risultati parziali ed esecuzioni strumento di lunga durata

Sviluppo di un server MCP basato su HTTP

  • Passaggio da stdio a HTTP per facilitare la distribuzione remota e il bilanciamento del carico
  • Implementazione dell’autenticazione tramite token bearer e mTLS
  • Gestione morbida dei guasti in caso di interruzioni delle connessioni HTTP durante una sessione
  • Distribuzione dei server MCP dietro Kong o nginx con impostazioni di rate limiting

Pattern di integrazione con i client

  • Registrazione del server MCP in Claude Code tramite il file di configurazione appropriato
  • Connessione simultanea di OpenClaude a più endpoint MCP
  • Sviluppo di un client agente Python personalizzato mediante l’SDK MCP per Python
  • Gestione dinamica della disponibilità degli strumenti in fase runtime

Esposizione di risorse e prompt agli agenti

  • Pubblicazione di risorse in sola lettura utili per arricchire il contesto degli agenti AI
  • Creazione di modelli di prompt parametrizzati capaci di guidare il ragionamento degli agenti
  • Aggiornamento dinamico delle risorse quando i dati sottostanti subiscono variazioni
  • Separazione netta tra strumenti modificabili e risorse immutabili per motivi di sicurezza

Registro interno degli strumenti e meccanismi di individuazione

  • Realizzazione di un registro aziendale MCP contenente metadati e informazioni su i proprietari
  • Individuazione automatica tramite DNS-SD o file endpoint predefiniti
  • Gestione delle versioni degli strumenti e disattivazione graduale di quelli obsoleti senza interrompere l’utilizzo da parte dei client
  • Descrizioni in linguaggio naturale per facilitare la ricerca strumento da parte degli agenti AI

Sicurezza a livello enterprise

  • Implementazione di controlli autorizzativi nei gestori degli strumenti in base all’identità dell’agente utilizzatore
  • Utilizzo della segmentazione di rete per isolare gli strumenti a più alto rischio dall’accesso generale da parte degli agenti AI
  • Sandboxing delle esecuzioni mediante seccomp e container gVisor
  • Logging dettagliato di ogni chiamata allo strumento per scopi di conformità e analisi forensi

Ottimizzazione delle prestazioni e affidabilità dei sistemi

  • Impostazione di politiche di timeout specifiche per categorie di strumenti: database, calcolo intensivo e API esterne
  • Utilizzo di interruttori automatici (circuit breakers) quando i servizi downstream risultano non operativi
  • Caching dei risultati delle chiamate per ridurre calcoli ripetitivi e dispendiosi in termini computazionali
  • Scelta tra l’hosting dei server MCP come sidecar o come microservizi indipendenti

Interoperabilità tra diverse piattaforme agenti

  • Verifica della compatibilità di un server MCP con client come Claude Code e Continue.dev
  • Gestione delle differenze nella negoziazione dei trasporti tra le varie piattaforme<
  • Sviluppo di adattatori polifilling per framework agenti non conformi a MCP
  • Realizzazione di un marketplace strumenti multipiattaforma all’interno dell’azienda

Evoluzione interna dell’ecosistema MCP

  • Raccolta dei feedback degli sviluppatori riguardo all’utilità e precisione degli strumenti proposti<
  • Effettuazione trimestrale di audit sugli strumenti con eliminazione di quelli ormai obsoleti<
  • Aiutare le nuove squadre nell’utilizzo dei template preconfigurati per la creazione di server MCP autonomi<
  • Contributo alle migliorie della specifica open source MCP da parte degli utenti aziendali<

Requisiti

  • Esperienza di programmazione in TypeScript o Python
  • Conoscenza dei meccanismi di chiamata degli strumenti da parte degli LLM e dei pattern legati alla funzionalità call
  • Nozioni base di rete: HTTP, WebSockets e JSON-RPC

Destinatari del corso

  • Sviluppatori backend che creano strumenti personalizzati per agenti AI
  • Ingegneri di piattaforme impegnati a standardizzare l’accesso degli agenti AI ai sistemi aziendali
  • Architetti delle soluzioni che progettano ecosistemi strumenti per l’adozione aziendale da parte di agenti AI
 14 ore

Numero di Partecipanti


Prezzo per partecipante

Corsi in Arrivo

Categorie relative