REST lo conoscono tutti. Ogni prodotto SaaS, ogni app mobile, ogni sistema di pagamento usa REST API. Orientato alle risorse, JSON in entrata, JSON in uscita, funziona con qualsiasi linguaggio di programmazione. Maturo, documentato, in uso milioni di volte.
Problema per l’AI: nessun riconoscimento tool integrato. Un agente AI deve leggere la documentazione API, capire i flussi di autenticazione, gestire la paginazione, interpretare i codici errore. Ogni API è diversa, ogni integrazione è personalizzata.
MCP pensa dall’AI in poi
Il Model Context Protocol (Anthropic, novembre 2024) è uno standard aperto che definisce come i modelli AI comunicano con tool esterni. L’AI chiede “Cosa sai fare?” e riceve una lista strutturata con descrizioni, schemi parametri e tipi di ritorno.
Un’integrazione funziona con Claude, ChatGPT, Gemini, Cursor e tutti i client compatibili MCP. Zero parsing di documentazione, zero indovinelli.
Lo svantaggio? MCP richiede un client compatibile e non è pensato per la comunicazione classica app-to-app.
MCP Discovery rende MCP pubblicamente rilevabile
Attualmente in lavorazione come Enhancement Proposal (SEP-1960) nel repo MCP. L’idea: un server pubblica sotto /.well-known/mcp i suoi metadati, endpoint, capacità e metodi di autenticazione.
Gli agenti AI possono trovare server MCP in modo simile a come i motori di ricerca trovano robots.txt. Non è ancora uno standard definitivo, ma ha ampio supporto della community ed è già rilevante per servizi pubblicamente accessibili.
Quando usare cosa?
REST quando hai infrastruttura esistente e devi servire client non-AI.
MCP quando costruisci tool AI-native che devono funzionare con più piattaforme.
MCP Discovery quando vuoi che qualsiasi agente AI nel web trovi i tuoi tool senza che qualcuno debba costruire manualmente un’integrazione.
Nella pratica si combinano tutti e tre: REST per l’app, MCP per gli agenti, Discovery per la visibilità pubblica.
Il contesto più ampio
Questi protocolli fanno parte di uno stack di AI Discovery che si sta formando proprio ora: robots.txt regola chi può fare crawling, llms.txt fornisce un riassunto leggibile, agents.json descrive le capacità degli agenti in formato machine-readable, MCP Discovery rende i tool rilevabili, e MCP li esegue.
I siti web che implementano l’intero stack sono significativamente più visibili per i sistemi AI.
Breve nota su WebMCP
Il termine viene confuso a volte: WebMCP è qualcosa di completamente diverso. Si tratta di una Browser API sviluppata da Google e Microsoft nel W3C Web Machine Learning Community Group. Da febbraio 2026 c’è un’Early Preview in Chrome 146 Canary.
WebMCP permette ai siti web di fornire tool direttamente nel browser per assistenti AI, con accesso a dati di sessione e DOM. È un complemento a MCP, non un sostituto e non un sinonimo di MCP Discovery.
