Protocollo MCP, perché è importante e come usarlo in ambito industriale

Gli addetti ai lavori nel settore dell’automazione industriale si sentono porre sempre più spesso una domanda: «Non potremmo integrare delle funzionalità di AI nei nostri impianti?»

Negli ultimi due anni, le soluzioni basate sull’AI si sono diffuse rapidamente, diventando strumenti di uso quotidiano in molte attività personali e professionali. Interagire con un sistema attraverso il linguaggio naturale è ormai un’esperienza familiare, ed è naturale che anche chi lavora nel settore industriale si aspetti di poter sfruttare possibilità simili.

Ma come si collega una fonte dati, ad esempio un database che archivia le misure degli asset, a un modello di AI? È possibile creare un chatbot per interrogare rapidamente i dati del proprio processo produttivo?

In questo articolo vedremo che cos’è il Model Context Protocol (MCP), perché riguarda anche il settore industriale e come AVEVA sta introducendo questa tecnologia nei propri prodotti.

A cosa serve il protocollo MCP?

Le piattaforme AI più diffuse si basano su LLM (Large Language Model), ovvero modelli linguistici di grandi dimensioni che consentono di interagire in linguaggio naturale con un modello avanzato, a sua volta addestrato su un’enorme quantità di dati, provenienti principalmente da Internet. Le risposte che otteniamo sono quindi basate sulle informazioni apprese durante l’addestramento.

Per consentire a un’applicazione AI di utilizzare informazioni aggiornate e specifiche di un’azienda, è necessario collegarla ai sistemi che raccolgono e gestiscono quei dati. In questo modo, il modello può basare le proprie risposte anche sulle informazioni recuperate da fonti esterne, senza dover essere necessariamente riaddestrato su di esse.

Il Model Context Protocol (MCP) è uno standard aperto progettato proprio per semplificare la comunicazione tra applicazioni AI e sistemi esterni.

Una sorgente dati, come un database Historian, un sistema MES o un software di manutenzione, può essere collegata a un MCP Server che ne espone determinate informazioni e funzionalità attraverso un’interfaccia standardizzata. Le applicazioni AI compatibili possono quindi utilizzare tali funzionalità senza richiedere ogni volta un’integrazione specifica con il sistema di origine.

Per gli sviluppatori che lavorano con tecnologie industriali, MCP rappresenta un’opportunità per rendere più accessibili i dati OT e facilitare la realizzazione di nuove applicazioni basate sull’intelligenza artificiale.

Come funziona un MCP Server?

Il Model Context Protocol definisce un modo standardizzato con cui un’applicazione AI può scoprire e utilizzare le funzionalità messe a disposizione da sistemi esterni, senza dover sviluppare ogni volta un’integrazione specifica per ciascun assistente o modello.

L’MCP Server viene quindi progettato per una specifica sorgente, in modo che qualsiasi motore AI compatibile con MCP possa collegarsi e utilizzarlo.

Un MCP Server può esporre tre categorie principali di elementi:

• Resources: le informazioni che un’applicazione AI può consultare nella sorgente.
• Tools: le funzioni eseguibili per interrogare la sorgente o attivare delle azioni.
• Prompts: modelli di istruzioni in linguaggio naturale, riutilizzabili per sfruttare i Tools e le Resources.

L’applicazione AI può scoprire le informazioni disponibili, selezionare gli strumenti pertinenti alla richiesta dell’utente e utilizzarli per ottenere informazioni o eseguire operazioni autorizzate.

Il vantaggio è soprattutto architetturale: invece di costruire un’integrazione completamente diversa per ogni applicazione AI, gli sviluppatori possono esporre le funzionalità di un sistema attraverso un’interfaccia standardizzata, rendendole accessibili ai client compatibili con MCP.

MCP non sostituisce le API esistenti, i database o i protocolli industriali. Può invece affiancarli, fornendo un livello di integrazione pensato per le applicazioni AI.

Un esempio pratico: AVEVA Historian

Immaginiamo come potrebbe essere un MCP Server per AVEVA Historian, il database ad alte prestazioni dedicato all’archiviazione e alla consultazione delle misure di processo industriali.

Le Resources di questo MCP Server permetterebbero di trovare tutte le tag archiviate, con le relative descrizioni e unità di misura.

I Tools sarebbero le funzioni da invocare per richiedere i campioni archiviati di una tag in un determinato intervallo di tempo. Potrebbero inoltre esporre alcune delle analisi native fornite da Historian, come la media pesata nel tempo, l’integrale o la funzione time-in-state di una misura booleana.

I Prompts potrebbero essere esempi di istruzioni come «Restituisci la media ogni 15 minuti della variabile X in questo intervallo temporale», che rappresenta un esempio di richiesta per utilizzare il retrieval mode Average con una frequenza di 15 minuti.

L’MCP Server farebbe quindi da intermediario tra l’applicazione AI e Historian, traducendo le richieste in operazioni compatibili con le interfacce disponibili, come le API di Historian, e restituendo i risultati al client MCP dell’applicazione AI.

Con un MCP Server dedicato a Historian, un utente potrebbe integrare uno dei fornitori di AI compatibili con la tecnologia MCP, come ChatGPT, Claude o Copilot. Naturalmente, le funzionalità effettivamente disponibili dipenderebbero dagli strumenti esposti dal server, dalle autorizzazioni configurate e dalle capacità del client AI utilizzato.

Cosa potrei fare con un MCP Server in un ambiente industriale?

Il primo caso d’uso è la creazione di chatbot per semplificare e accelerare la consultazione e l’analisi dei dati.

Riprendendo l’esempio di Historian, si potrebbe affiancare agli strumenti nativi (Historian Client Web, il plug-in per Excel e AVEVA Reports) un’interfaccia conversazionale attraverso cui chiedere informazioni in modo naturale, proprio come si farebbe con un collega in chat:

«Historian, durante la notte qual è stata la portata media della pompa di scarico?»

«Historian, quante volte si è attivato il motore ausiliario ieri?»

«Historian, puoi creare un trend chart con tutte le variabili del forno 1 e del forno 2 durante l’ultimo turno?»

«Historian, quali allarmi si sono verificati sulla linea nelle ultime due ore e quali variabili hanno mostrato variazioni significative?»

 

L’AI interpreta la domanda, richiede le informazioni attraverso l’MCP Server di Historian e, sulla base dei dati ricevuti, sintetizza la risposta in linguaggio naturale.

Questo renderebbe molto più semplice l’utilizzo dei dati anche per gli operatori meno abituati agli strumenti di analisi tradizionali.

Un secondo esempio, più evoluto, è l’utilizzo di agenti AI per eseguire attività ripetitive e strutturate, con obiettivi e passaggi definiti:

• Creazione automatica di un resoconto a fine turno.

• Analisi periodica dei dati archiviati di un asset critico per individuare possibili anomalie.

• Verifica automatica della qualità dei segnali, individuando le misure che non vengono più aggiornate a causa di problemi di rete o del sensore.

In questo caso, si utilizzerebbe l’MCP Server per fornire dati a un motore AI configurato per eseguire queste attività.

È importante notare che MCP non garantisce automaticamente la correttezza delle analisi. Il protocollo consente all’AI di accedere ai dati disponibili attraverso gli strumenti esposti, ma l’interpretazione e i risultati finali forniti dall’AI devono essere verificati. Le applicazioni devono inoltre essere progettate tenendo conto del livello di affidabilità richiesto dal contesto industriale.

Con un MCP Server è possibile collegare le tecnologie AI ai dati degli impianti, rendendone molto più semplice l’analisi anche per il personale meno abituato a lavorare con i dati storici. Di fatto, si riduce la necessità di competenze informatiche specifiche per interrogare i dati, consentendo agli specialisti di concentrarsi sulle analisi relative alle proprie aree di competenza.

Come si sviluppa un MCP Server?

Esistono librerie, SDK ed esempi di implementazione che permettono agli sviluppatori di realizzare rapidamente un MCP Server di base. Per chi possiede competenze di sviluppo software, realizzare un MCP Server con funzionalità di base non è necessariamente complesso. Utilizzando strumenti già disponibili, è possibile concentrarsi soprattutto sull’integrazione con il sistema da collegare e sulla definizione degli strumenti che si desidera esporre.

La complessità aumenta, però, quando si passa da un prototipo a una soluzione destinata all’ambiente industriale, dove è necessario gestire grandi quantità di dati, autorizzazioni, sicurezza e requisiti di affidabilità.

Esistono MCP Server AVEVA?

AVEVA ha già intuito il forte potenziale di questa tecnologia e le release 2026 dei suoi prodotti sono predisposte ad accoglierla grazie a una serie di nuove funzionalità per standardizzare e automatizzare l’esposizione delle strutture dati e delle configurazioni di prodotto.

Un MCP Server dedicato a Historian è attualmente in fase di test e si prevede il rilascio all’inizio del 2027. Questo sarà solo il primo passo. Sono pianificati successivamente altri MCP Server per AVEVA PI e AVEVA MES. Inoltre, si intende abilitare l’accesso tramite MCP anche agli ambienti di configurazione e sviluppo di prodotti come InTouch e System Platform.

Per approfondire: segui il nostro ultimo webinar 👇

Perché sarà importante utilizzare gli MCP Server forniti da AVEVA?

Come abbiamo visto, sviluppare un MCP Server personalizzato per un prototipo non richiede necessariamente molte risorse. La differenza, tuttavia, la fanno i requisiti di sicurezza, affidabilità e manutenibilità.

Gli MCP Server forniti da AVEVA sono sviluppati per essere integrati con il framework di sicurezza comune ai prodotti AVEVA e utilizzano le best practice di accesso ai dati. Inoltre, gli MCP Server diventeranno funzionalità che evolveranno insieme ai prodotti.

Se in una futura release di Historian saranno introdotti nuovi meccanismi di sicurezza o nuove modalità di accesso ai dati, il relativo MCP Server sarà aggiornato di conseguenza.

Se valuterete l’introduzione di un MCP Server nelle vostre architetture, sarà quindi necessario considerare l’intero ciclo di vita dell’integrazione, non soltanto il tempo richiesto per sviluppare un primo prototipo.

Conclusioni

Il protocollo MCP amplia le possibilità di utilizzo dei dati industriali, accelerando l’integrazione con i modelli AI.

L’obiettivo non è semplicemente aggiungere un chatbot a un sistema industriale, ma creare un modo governato e riutilizzabile per collegare le capacità dell’intelligenza artificiale ai sistemi che raccolgono, organizzano e rendono disponibili le informazioni operative.

L’MCP Server non risolve da solo tutte le sfide dell’integrazione industriale, ma offre agli sviluppatori un nuovo elemento architetturale con cui affrontarle.

Per chi lavora con AVEVA, la domanda da porsi è: quali dati e funzionalità delle applicazioni esistenti potrebbero diventare più utili se fossero accessibili, in modo sicuro e standardizzato, anche attraverso un’applicazione AI?

Da questa domanda possono nascere nuove opportunità per semplificare lo sviluppo di progetti, rendere i dati industriali più accessibili e sperimentare modalità più intelligenti di interazione con i processi produttivi.