I sistemi AI basati su LLM sono mezzi potenti ma limitati: mancano di memoria persistente, hanno una gestione del contesto fragile e faticano a coordinare modelli, strumenti e azioni in modo modulare. Questo rende complessa la costruzione di agenti realmente autonomi e scalabili.

In risposta a questi limiti, il Model Context Protocol (MCP) si propone come soluzione architetturale: un modello formale per rappresentare stato, contesto e tool-use in ambienti multi-agente o multi-modello. MCP introduce astrazioni chiave come Model State, Context Object e Tool Interfaces, permettendo orchestrazione, interoperabilità e ragionamento contestuale tra componenti AI eterogenei.

In questo talk vedremo come il nuovo Agent Development Kit (ADK) di Google traduce MCP in una toolchain concreta per la creazione di agenti AI multimodali, persistenti e reattivi. Analizzeremo casi d’uso reali per dimostrare come si possa passare dal protocollo alla pratica in modo solido e scalabile.