Skip to main content

Cos'è MCP?

beginner 🤖 Compatibile con LLM 3 min · 600 parole Aggiornato: 2026-06-27 Italiano

Il Model Context Protocol permette agli LLM di richiamare strumenti esterni. Synapse espone 79 strumenti tramite il server MCP ufficiale.

Leggi questo articolo come: 📄 Testo semplice ⚡ JSON 🤖 Formato LLM
Lingua: English中文हिन्दीEspañolFrançaisالعربيةPortuguêsРусский日本語DeutschItaliano한국어NederlandsPolskiTürkçeSvenskaTiếng ViệtไทยBahasa IndonesiaУкраїнська

Cos'è MCP?

Il Model Context Protocol (MCP) è uno standard aperto creato da Anthropic (2024) che consente agli LLM di richiamare strumenti esterni in modo strutturato. Invece di incollare la documentazione dell'API nel prompt, si registrano gli strumenti presso il server MCP e l'LLM li richiama quando necessario — come il function calling, ma standardizzato e indipendente dal client.

Server MCP di Synapse

Synapse include un server MCP ufficiale (synapse-mcp-api su npm) che espone 79 strumenti per tutte le funzionalità di Synapse:

Categoria Strumenti Numero
Memory recall, list, store, search, semantic-search, update, delete, bulk-delete, stats, unverified, contradictions, audit, related, by-tag, diff, expiring, health, sync, embed-batch, verify, unverify, mind-export 22
Chat poll, reply, status, history, unread, send, upload 7
Scheduler cron_list, cron_create, cron_delete, cron_toggle, var_list, var_get, var_set, var_delete 8
Tasks task_list, task_get, task_create, task_update 4
Scripts script_list, script_get, script_info, script_store, script_delete 5
Computers computer_list, computer_get, install_code, screenshot, command_queue, command_status, commands_list, disable, delete 9
Push vapid_public_key, subscribe, unsubscribe, test 4
User/Mind register, login, minds_list, mind_create, mind_delete 5
Utility time, calc, random 3
Visualization graph, tags, compact 3
Sharing share, list, revoke 3
Webhooks register, list, get, update, delete 5
Browser new, navigate, click, type, screenshot, close 6
Totale 79+

Come funziona

┌──────────────────┐    MCP protocol    ┌──────────────────┐    HTTP    ┌──────────┐
│  LLM Client      │ ◀─────────────────▶│  Synapse MCP     │ ─────────▶ │ Synapse  │
│ (Claude/Cursor)  │   (stdio/SSE/WS)   │  Server          │            │ API      │
└──────────────────┘                    └──────────────────┘            └──────────┘
  1. Si configura il client LLM (Claude Desktop, Cursor, ecc.) per utilizzare il server MCP di Synapse
  2. Il client avvia il server MCP (tramite npx -y synapse-mcp-api@latest)
  3. Il server MCP si connette all'API di Synapse utilizzando la propria Mind Key
  4. L'LLM vede tutti i 79 strumenti come funzioni native che può richiamare
  5. Quando l'LLM deve ricordare qualcosa, richiama memory_store — il server MCP lo traduce in POST /memory su Synapse

Trasporti

Il server MCP di Synapse supporta tre trasporti:

stdio (locale, consigliato per desktop)

{
  "mcpServers": {
    "synapse": {
      "command": "npx",
      "args": ["-y", "synapse-mcp-api@latest"],
      "env": {
        "SYNAPSE_MIND_KEY": "mk_...",
        "SYNAPSE_URL": "https://synapse.schaefer.zone"
      }
    }
  }
}

HTTP/SSE (remoto, multi-tenant)

Colleghi il proprio client MCP a:

URL: https://synapse-mcp.schaefer.zone/sse
Headers: Authorization: Bearer YOUR_MIND_KEY

WebSocket (mobile, alto volume)

URL: wss://synapse-mcp.schaefer.zone/ws?mind_key=YOUR_MIND_KEY

Profili degli strumenti (v1.4.0)

Per ridurre il consumo di token per LLM più piccoli, il server MCP supporta tre profili di strumenti:

Profilo Strumenti Token Ideale per
minimal 8 (dispatch composito) ~500 LLM self-hosted con contesto ≤8k
standard 25 (nominati) ~2,500 LLM di media dimensione (Claude Haiku, GPT-3.5)
full 119 (tutti) ~8,250 LLM di grandi dimensioni (Claude Sonnet/Opus, GPT-4) — predefinito

Si controlla tramite:

  • Variabile d'ambiente: MCP_PROFILE=minimal|standard|full
  • Header: Mcp-Tool-Profile: minimal|standard|full

Client supportati

  • Claude Desktop — app desktop di Anthropic
  • Claude Code — agente di coding da terminale
  • Cursor — IDE basato sull'AI
  • Continue.dev — assistente di coding AI open-source
  • Cline — estensione VS Code
  • Qualsiasi client compatibile con MCP

Perché usare MCP invece dell'API diretta?

Approccio Pro Contro
API diretta Semplice, nessuno strato aggiuntivo L'LLM deve conoscere URL, header, autenticazione
MCP L'LLM vede strumenti nativi, senza dover ricordare URL Processo server MCP aggiuntivo

Per la maggior parte dei casi d'uso con agenti LLM, MCP è la scelta migliore — l'LLM non deve ricordare i percorsi dell'API o i modelli di autenticazione.

Prossimi passi

← Torna a Integrazione MCP