Quando si parla di "far agire l'AI" sui sistemi aziendali, tornano spesso due sigle: A2A e MCP. Non sono alternative in gara, lavorano a livelli diversi dello stack, e spesso convivono. Capire quale livello stai toccando è la differenza tra un prototipo e qualcosa che puoi mettere in produzione senza spaventare la sicurezza.
Due modi di far agire l'AI, due livelli diversi
A2A (Agent-to-Agent) è il modo più orizzontale perché fai dialogare agenti tra loro. MCP (Model Context Protocol) è il modo più governato perché dai all'agente strumenti e contesto definiti, con permessi applicati a ogni richiesta.
Figura · MCP e A2A
Applicazione, agenti e strumenti
A2A: agenti che parlano tra loro
A2A standardizza il dialogo tra agenti, un agente delega un compito a un altro e ne riceve il risultato. Risolve l'orchestrazione e la specializzazione, ma non risponde da solo alla domanda "questo agente può vedere questo documento?". La governance dell'accesso ai dati resta un livello sotto ed è lì che entra MCP.
MCP: contesto e strumenti governati
MCP espone all'agente strumenti e risorse ben definiti, come cerca, leggi e aggiorna, attraverso un canale in cui i permessi sono applicati a ogni richiesta. La fonte non viene copiata ma resta nella piattaforma, che filtra per ruolo, attributo e riga e registra ogni accesso. È il livello adatto quando in gioco ci sono documenti e dati aziendali reali.
Quale scegliere per i documenti aziendali?
Per far accedere l'AI ai documenti aziendali, MCP è il livello giusto, questo perché porta contesto senza rinunciare alla governance. A2A resta utile per l'orchestrazione e la specializzazione, ma sopra dati sensibili va confinato e sorvegliato. In Cervio, il canale AI è un MCP server che eredita i permessi dell'utente, quindi l'agente è un client governato come gli altri, non un'eccezione al sistema.