Chiedi a un tecnico quale sia il principale ostacolo nella risoluzione di un ticket e raramente la risposta sarà “la soluzione”. Il vero problema è trovare il contesto: l’allerta nel RMM, le note nella documentazione e la cronologia nel PSA.
Che cosa è il MCP per gli MSP
Il Model Context Protocol (MCP) è un protocollo aperto che consente a un’applicazione IA, definita “host”, di connettersi a uno o più server MCP. Ogni server espone gli strumenti che il modello può chiamare. L’architettura prevede che l’host crei un client per ciascun server.
Per un Managed Service Provider (MSP) questo si mappa direttamente sullo stack già in uso: un server davanti al RMM, uno al PSA, un terzo alla documentazione. L’assistente IA si collega a tutti questi punti e risponde in modo cross‑platform.
Registri pubblici mostrano già server MCP costruiti dalla community per Datto RMM, Autotask PSA, Kaseya VSA e Kaseya BMS. Poiché sono progetti di terze parti, la valutazione rimane a carico dell’MSP.
È importante distinguere il significato di MCP: alcuni fornitori lo usano per indicare un “management control plane”. In questa guida, MCP indica sempre il Model Context Protocol.
Sei aree in cui il MCP cambia la consegna del servizio
1. Triaging dei ticket con contesto
Un ticket arriva con una descrizione vaga. L’assistente può estrarre le allerte aperte dal RMM, controllare ticket recenti dello stesso cliente e recuperare la documentazione pertinente.
2. Indagine delle allerte
Invece di aprire manualmente il RMM e filtrare per sito, il tecnico chiede all’assistente cosa sta fallendo per un cliente e perché. L’assistente interroga le allerte, le raggruppa e fornisce un riepilogo, lasciando al tecnico la decisione finale.
3. Ricerca e aggiornamento della documentazione
Un assistente collegato a piattaforme come IT Glue può recuperare il runbook o la nota di configurazione corretti durante la gestione del ticket. Può anche redigere una bozza di aggiornamento quando qualcosa cambia, che poi viene approvata da un umano.
4. Rimediation con approvazione
L’assistente può proporre uno script o un job basato sull’allerta. L’esecuzione richiede l’approvazione del tecnico e le chiavi del server consentono solo le azioni strettamente necessarie.
5. Reporting per il cliente
Le revisioni trimestrali richiedono ore di raccolta dati. L’assistente può estrarre volumi di ticket, stato delle patch e salute dei backup, creando una bozza che l’account manager modifica prima di inviare.
6. Margine e utilizzo delle risorse
I dati del PSA contengono contratti, voci di tempo e volumi di ticket. Un manager può chiedere quali clienti costano più di quanto pagano e usare la risposta come base per una discussione, verificando comunque i numeri prima di contattare il cliente.
Cosa cambia e cosa resta invariato
Ciò che cambia:
- I tecnici dedicano meno tempo alla navigazione e più alla revisione dei risultati.
- Le integrazioni diventano asset da gestire, con chiavi, proprietari e date di revisione.
- La governance si integra nel servizio anziché rimanere un progetto a parte.
- Il livello Tier 1 può gestire richieste prima riservate all’escalation.
Ciò che resta uguale:
- L’MSP resta responsabile verso il cliente per ogni azione.
- Contratti, SLA e processi di cambiamento continuano ad applicarsi.
- Le decisioni consequenziali richiedono ancora un intervento umano.
- La documentazione deve essere accurata prima che l’assistente la utilizzi efficacemente.
La scala di adozione a quattro passi
1. Ask. Collegare uno strumento in sola lettura e consentire ai tecnici di porre domande.
2. Draft. L’assistente redige note di ticket, risposte al cliente e sezioni di report per la revisione umana.
3. Act with approval. Permettere azioni limitate, come l’esecuzione di script noti, solo dopo l’approvazione del tecnico.
4. Act within limits. Pre‑approvare un piccolo set di azioni a basso rischio, reversibili, con ambito ristretto e logging completo.
Kaseya applica una logica simile con Kaseya Intelligence: gli agenti identificano problemi, raccomandano rimedi e, con l’approvazione del tecnico, eseguono le attività. L’accesso anticipato è previsto per la fine del 2026, con disponibilità generale nel 2027.
Domande operative fondamentali
Il modello operativo si basa su quattro domande chiave:
- Chi possiede l’integrazione?
- Quali dati fluiscono attraverso di essa?
- Da dove proviene l’autenticazione?
- Chi la disattiva quando si verifica un problema?
Un quinto quesito emerge nei contesti multi‑cliente: come mantenere i dati di un cliente separati da quelli di un altro? La chiave RMM di un MSP può raggiungere tutti i clienti, perciò è vitale nominare il cliente in ogni richiesta, loggare ogni chiamata allo strumento e testare con prompt intenzionalmente confusi prima del go‑live.
Le linee guida della NSA sul MCP avvertono che le difese tradizionali non coprono rischi come l’invocazione dinamica di strumenti e la fiducia implicita. Trattare ogni server MCP come un’integrazione privilegiata: utilizzare una chiave per integrazione, i permessi più ristretti possibili e registri effettivamente revisionati.
Misurare il successo dell’implementazione
Prima di avviare il pilota, definire metriche chiave:
- Tempo dalla creazione del ticket al primo contesto utile.
- Numero di escalation Tier 1 per settimana.
- Tasso di riapertura dei ticket.
- Richieste di approvazione rispetto a quelle concesse.
- Ore di tecnico recuperate, tracciate per cliente.
Stabilire una baseline per ciascuna di esse. Senza dati di riferimento, le valutazioni rimangono soggettive.
Implicazioni per il fatturato degli MSP
Il “2026 State of the MSP Report” di Kaseya indica che il 48 % degli MSP considera AI e automazione la principale esigenza dei clienti per il 2026, ma solo il 13 % genera ricavi significativi da queste tecnologie. Il 53 % utilizza già l’AI per ticketing, patching e monitoraggio, ma la maggior parte ha automatizzato solo circa il 25 % del carico di lavoro.
Il divario tra domanda e ricavo rappresenta l’opportunità di progettare servizi. Un MSP che dimostra accesso limitato, passaggi di approvazione e log di chiamate agli strumenti può vendere servizi assistiti dall’IA con prove concrete; chi non può farlo offre solo dimostrazioni.
Domande frequenti sul MCP per gli MSP
Che cosa significa MCP negli MSP?
Model Context Protocol, uno standard aperto che permette alle applicazioni IA di scoprire e chiamare strumenti. Altri fornitori usano le stesse lettere per prodotti diversi, quindi è fondamentale verificare il contesto.
Gli MSP hanno bisogno di propri server MCP?
Non necessariamente. Molti possono utilizzare server pubblici forniti da vendor o dalla community. Se si decide di crearne uno, deve essere trattato come codice da mantenere, con proprietario, data di revisione e piano di aggiornamento.
Il MCP sostituirà il mio PSA o RMM?
No. Il MCP è solo un ponte che consente a un assistente IA di accedere a PSA, RMM e altri strumenti. I dati e le operazioni rimangono gestiti dal PSA e dal RMM.
Il MCP è sicuro per i dati dei clienti?
Non di default. La sicurezza dipende da credenziali limitate, passaggi di approvazione e logging. Iniziare con accesso in sola lettura e aggiungere permessi di scrittura gradualmente.
Dove iniziare questa settimana
Scegli un singolo workflow, ad esempio l’indagine di un’allerta per un sito cliente. Connetti uno strumento in sola lettura, assegna un proprietario, definisci una data di revisione e registra le metriche di base. Esegui il test per un mese prima di aggiungere un secondo strumento.
Per approfondire i server MCP e le competenze offerte da Kaseya, visita il sito ufficiale e consulta le guide tecniche disponibili.
