Portare un server Model Context Protocol (MCP) da prototipo a produzione è un problema di ingegneria, non solo di prompt. Un articolo tecnico sul blog AWS Machine Learning racconta come Smartsheet ha costruito un MCP server remoto capace di servire sia agenti interni sia client esterni come Claude Desktop, ed è utile per capire quali nodi progettuali emergono davvero.
Un’architettura serverless con vincoli di permessi «ereditati»
L’impianto poggia su servizi gestiti: container stateless su ECS/Fargate, ingestione eventi con Kinesis e Apache Flink, storage S3 in architettura medallion, e Bedrock per l’inferenza. Il punto interessante non è l’elenco di servizi, ma la scelta di far ereditare al server MCP gli stessi controlli di accesso dell’interfaccia: un utente non può leggere via MCP un foglio a cui non ha accesso via UI. La sicurezza è a strati — proxy OAuth2, TLS mutuo tra servizi, autenticazione al gateway — un approccio prudente quando un agente può innescare molte chiamate a strumenti in pochi secondi.
Il vero attrito: testing non deterministico e costo dei token
Due sfide raccontate meritano attenzione perché generalizzabili. La prima è il testing non deterministico: a differenza di una API REST, la risposta MCP passa attraverso un LLM, quindi Smartsheet ha investito in test end-to-end che simulano flussi realistici e girano in continuo come canary in produzione. La seconda è l’ottimizzazione dei token, gestita con «progressive disclosure», contratti guidati da schema e una serializzazione proprietaria al posto del JSON. L’azienda dichiara una riduzione del consumo del 35-47%: numeri riportati dal vendor, non verificabili in modo indipendente, così come gli «oltre 3 miliardi di token risparmiati» e un +87% di crescita utenti settimanale nelle prime quattro settimane — metriche di marketing da leggere con la dovuta cautela.
Cosa portarsi a casa
Al netto dei numeri promozionali, il contributo tecnico è solido: il rate limiting per-utente (non per-IP) risponde al pattern tipico degli agenti, e i circuit breaker con rollout regionale progressivo mostrano una disciplina operativa che spesso manca nelle demo. È un caso studio più che un tutorial replicabile passo-passo, ma indica dove concentrare gli sforzi quando MCP esce dal laptop.
In sintesi
- Il valore di un MCP server in produzione sta nei controlli di accesso, nel rate limiting per-utente e nei test end-to-end, non nell’elenco dei servizi cloud.
- L’ottimizzazione dei token è reale ma le percentuali citate sono vendor-reported e non verificabili.
- Il testing non deterministico è il vero cambio di paradigma rispetto alle API tradizionali.
Hai qualcosa da aggiungere? Unisciti alla discussione.