Se nell'ultimo anno hai sentito parlare di MCP — Model Context Protocol — e ti sei chiesto se valesse la pena imparare un altro protocollo, la risposta breve e: si. Nato in Anthropic a fine 2024, MCP e diventato in pochi mesi lo standard de facto per dare a un assistente AI accesso a strumenti esterni: database, file, API, code search, knowledge graph aziendali.
L'analogia che gira di piu e che MCP sia "l'USB-C delle AI". Una volta scritto un server MCP, lo colleghi a Claude, ChatGPT, Cursor, Gemini, n8n — senza riscrivere niente.
In questo articolo: cosa e MCP davvero, come configurarlo, in quali client funziona oggi (con il path del file di configurazione per ognuno) e come usarlo dentro un workflow n8n.
Cosa e MCP, in due frasi
Un server MCP espone strumenti (tools), risorse (resources) e prompt riusabili a un client. Il client MCP — di solito un assistente AI — chiama quegli strumenti durante la conversazione, riceve i risultati e li integra nelle sue risposte.
Tre cose lo rendono interessante:
- E agnostico al modello: lo stesso server funziona con Claude, GPT-5, Gemini.
- E agnostico al trasporto: stdio per processi locali, SSE/HTTP per server remoti.
- E standardizzato: la spec e pubblica, le SDK ufficiali sono in Python, TypeScript, Go, C#.
La configurazione, in pratica
Tutti i client adottano la stessa idea: un file JSON con la lista dei server MCP da attivare. Differiscono solo per il percorso del file e qualche dettaglio sintattico.
La configurazione tipica di un server MCP locale (lanciato come processo) e questa:
{
"mcpServers": {
"filesystem": {
"command": "npx",
"args": ["-y", "@modelcontextprotocol/server-filesystem", "/path/to/dir"]
},
"prowodo": {
"command": "npx",
"args": ["-y", "@prowodo/mcp-client"],
"env": {
"PROWODO_TOKEN": "${PROWODO_TOKEN}"
}
}
}
}
Per un server remoto (HTTP o SSE) la forma e:
{
"mcpServers": {
"prowodo": {
"url": "https://backend.prowodo.com/mcp/",
"transport": "sse"
}
}
}
I client che supportano MCP oggi
| Client | Tipo | Dove configurarlo |
|---|---|---|
| Claude Desktop / Claude Code | Assistente AI (Anthropic, autore del protocollo) | ~/.config/claude/settings.json (Claude Code), claude_desktop_config.json (Desktop) |
| ChatGPT Desktop & OpenAI Agents SDK | Assistente AI (OpenAI) | UI Custom Integrations / SDK config |
| Gemini CLI / Code Assist (VS Code) | Assistente AI (Google) | ~/.gemini/settings.json o mcpServers block nel project |
| GitHub Copilot in VS Code (Agent Mode) | Estensione IDE nativa | .vscode/mcp.json per progetto, settings utente per globale |
| Cursor | IDE AI-native | ~/.cursor/mcp.json o .cursor/mcp.json per progetto |
| Windsurf (Codeium) | IDE AI-native | ~/.windsurf/mcp.json |
| Cline | Estensione VS Code | cline_mcp_settings.json |
| Zed editor | IDE | Context server config nel settings.json |
| Continue.dev | Estensione IDE | ~/.continue/config.yaml |
| JetBrains AI Assistant | Estensione JetBrains | UI Settings → AI Assistant → MCP |
| Sourcegraph Cody | Code search + AI | UI integrazioni |
| Goose (Block) | Agent CLI | ~/.config/goose/profiles.yaml |
In tutti i casi la sintassi e essenzialmente la stessa di quella mostrata sopra: cambia il file, non la struttura.
E n8n? Si, anche lui
n8n — il piu noto tool open source di automation/workflow — ha integrato MCP nel 2025, prima come community node e poi come modulo core. Oggi puoi:
- Esporre un workflow n8n come server MCP, in modo che Claude, ChatGPT o un agente in Cursor lo chiamino come strumento. Esempio: "leggi gli ordini Shopify dell'ultima settimana e crea un report" diventa una semplice tool call.
- Usare un server MCP esistente come tool dentro un AI Agent node di n8n. Un workflow puo fare query a un database via MCP, pubblicare release su un sistema custom, aggiornare un CRM.
L'integrazione si configura dal nodo MCP Server Trigger (per esporre) o dal nodo MCP Client Tool (per consumare), con la stessa struttura JSON dei client tradizionali.
Per chi automatizza processi business, e' la sintesi naturale: MCP + n8n trasformano l'AI da "chatbot intelligente" in un orchestratore con accesso reale al tuo stack.
Perche per noi e' rilevante (e perche dovrebbe esserlo per te)
ProWoDo espone un proprio server MCP all'indirizzo https://backend.prowodo.com/mcp/, autenticato via OAuth2. Significa che chiunque ti aiuti a lavorare — Claude, ChatGPT, un agente Gemini, un workflow n8n — puo leggere e aggiornare i task del tuo team senza toccare l'interfaccia.
Esempio reale che usiamo noi: la mattina apri Claude Code, dici "fammi un riepilogo dei task aperti del progetto X", e ti torna l'elenco tirato direttamente da ProWoDo. Crei un nuovo task con "aggiungi al sprint corrente: bug autenticazione, priorita alta", e il task viene creato. Lo stesso identico server funziona da n8n quando devi tracciare automaticamente issue arrivate da un form esterno.
E' lo stesso meccanismo che usiamo noi internamente per costruire ProWoDo: dogfooding totale. Ogni feature parte da un task creato da noi via MCP e finisce con un commit referenziato dallo stesso task.
Cosa fare ora
- Scegli il client che gia usi e cerca la voce "MCP" nelle sue impostazioni.
- Aggiungi un primo server semplice (
filesystemogitsono ottimi per iniziare). - Quando ti serve un caso d'uso reale, crea un account ProWoDo e collega il nostro MCP server: gestire i task del tuo team da qualsiasi assistente AI cambia il modo in cui lavori.
Se hai dubbi su come configurare il client che usi, scrivici. Stiamo raccogliendo le configurazioni testate per i casi piu frequenti — vogliamo che chiunque, non solo gli sviluppatori, possa usare l'AI come copilota di project management.