Unisciti alla nostra community - Beyond marketing
Perché le Skills stanno conquistando il mondo dell’intelligenza artificiale e cosa significa per il futuro degli agenti
Se sei nel mondo dell’AI da un po’, avrai sicuramente sentito parlare di MCP, (Model Context Protocol) il protocollo lanciato da Anthropic nel novembre 2024 che ha fatto impazzire tutti. “L’USB-C dell’intelligenza artificiale”, lo chiamavano. Il futuro degli agenti AI. La soluzione a tutti i nostri problemi di integrazione.
E poi ad ottobre 2025: Anthropic lancia le Skills. E improvvisamente, il tech esplode: “Le Skills hanno ucciso MCP!”
Ma è davvero così? Spoiler: la realtà è molto più interessante.
E se stai costruendo qualcosa con l’AI nel 2026, devi assolutamente capire la differenza.
Contenuti dell'articolo nascondi
Cos’è MCP e perché tutti ne parlavano
Partiamo dalle basi.
Il Model Context Protocol (MCP) è un protocollo open-source creato da Anthropic per standardizzare come i modelli AI si connettono a strumenti e fonti dati esterne. Pensa a quando dovevi collegare il tuo telefono a ogni caricatore diverso prima di USB-C. Ecco, MCP fa la stessa cosa ma per l’AI.
Prima di MCP, se volevi che il tuo modello AI accedesse a un database, un’API, o qualsiasi strumento esterno, dovevi costruire integrazioni custom per ogni singola combinazione.
10 applicazioni AI × 10 strumenti = potenzialmente 100 integrazioni diverse. Un incubo.
MCP usa un’architettura client-server:
i server MCP espongono strumenti e dati (uno per GitHub, uno per PostgreSQL, uno per Slack), mentre i client MCP sono i modelli AI che si connettono a questi server tramite un protocollo standardizzato.
I numeri parlano chiaro:
a gennaio 2026, MCP ha raggiunto 97 milioni di download mensili degli SDK, oltre 10.000 server disponibili, e l’adozione da parte di tutti i big come OpenAI, Google, Microsoft, AWS.
A dicembre 2025, Anthropic ha persino donato MCP alla Linux Foundation.
E poi arrivano le Skills: il game changer
Il 16 ottobre 2025, Anthropic annuncia le Agent Skills. E qui le cose si fanno interessanti.
Le Skills sono cartelle contenenti istruzioni, script e risorse che Claude può caricare dinamicamente quando servono. Pensa a loro come manuali di onboarding personalizzati che trasformano un assistente AI generico in uno specialista del tuo dominio.
La cosa rivoluzionaria?
Una Skill è letteralmente un file Markdown. Mentre MCP richiede server, configurazioni JSON e competenze tecniche, le Skills ti permettono di estendere le capacità dell’AI semplicemente scrivendo istruzioni in Markdown.
Claude scansiona automaticamente le Skills disponibili e carica solo quelle rilevanti per il task corrente.
Questo approccio si chiama “progressive disclosure” ed è brutalmente efficiente: circa 100 token per la scansione iniziale, contro i 50.000+ token di alcuni server MCP.
La grande differenza: “cosa” vs “come”
Ecco il punto dove c’è molta confusione: Skills e MCP non sono in competizione. Risolvono problemi diversi.
MCP fornisce la connettività – il “cosa”. Ti dà accesso a database, API, servizi esterni. Richiede competenze da sviluppatore e consuma molti token.
Skills forniscono la conoscenza procedurale – il “come”. Insegnano all’AI workflow ripetibili, best practice, procedure aziendali. Le può creare chiunque sappia scrivere e consumano pochissimi token.
MCP ti dà le mani per interagire col mondo. Le Skills ti insegnano come usare quelle mani in modo intelligente.
Perché le Skills stanno esplodendo
Il problema dei token
Simon Willison ha evidenziato un problema enorme: il server MCP ufficiale di GitHub da solo consuma oltre 50.000 token di schemi JSON prima ancora che il modello inizi a ragionare. Le Skills invece usano circa 100 token per la scansione iniziale. È un’efficienza di un altro livello.
Accessibilità democratica
MCP richiede di installare server Node o Python, configurare JSON, gestire autenticazione OAuth. Molti sviluppatori ammettono di “non capire MCP del tutto”. Le Skills? Scrivi un file Markdown con istruzioni chiare. Fine. Un product manager o un knowledge manager può creare una Skill senza scrivere codice.
Open source “vero”
Come ha notato Tim O’Reilly: “Non puoi vedere il codice sorgente di un GPT custom per capire come funziona. Le Skills invece sono letteralmente file Markdown che puoi leggere, forkare, modificare e condividere. Sono artefatti che esistono indipendentemente da qualsiasi sistema AI.”
La sicurezza conta
C’è una battuta che gira nella community: “La S in MCP sta per Security”. Purtroppo è sarcastica. MCP ha vulnerabilità documentate come il tool poisoning (istruzioni malevole nascoste nelle descrizioni) e il permission sprawl (un server compromesso colpisce tutti gli agenti che lo usano). Le Skills, essendo essenzialmente testo, girano nel sandbox di Claude con meno superfici d’attacco.
Come i big player hanno integrato le Skills
Le Skills non sono una feature di nicchia. Sono diventate centrali nell’ecosistema AI.
- Claude.ai e Claude Code: Skills integrate nativamente per creare documenti Word, Excel, PowerPoint, PDF, design frontend, e persino per creare server MCP.
- Healthcare e life sciences: Anthropic ha lanciato Skills specifiche per lo sviluppo FHIR (interoperabilità tra sistemi sanitari), revisione autorizzazioni assicurative, e stesura di protocolli per trial clinici.
- Enterprise: a dicembre 2025, gestione Skills a livello organizzazione per piani Team ed Enterprise, directory di Skills create da partner, e Agent Skills pubblicato come standard aperto.
- Community: su GitHub è nato “awesome-claude-skills”, una lista curata con Skills per data science, penetration testing, analisi finanziaria e collezioni scientifiche per laboratori di ricerca.
Il futuro: Skills + MCP = superpotere
Ecco il plot twist finale: il futuro non è Skills oppure MCP. È Skills insieme a MCP.
Anthropic stesso ha dichiarato l’intenzione di “esplorare come le Skills possono complementare i server MCP”. L’architettura ideale per il 2026 è un sistema a layer:
- Layer connettività (MCP): fornisce accesso standardizzato e sicuro a strumenti e dati.
- Layer conoscenza (Skills): insegna all’AI come usare quegli strumenti in workflow intelligenti e domain-specific.
Esempio concreto: potresti avere un server MCP per GitHub (il “cosa”) e una Skill “Code refactoring” (il “come”) che insegna a Claude un processo specifico per revieware codice, eseguire test, e creare pull request usando gli strumenti del server MCP.
IIl team di Goose ha usato questa metafora per chiarire il concetto: “Cercare di sostituire le Skills con MCP è come provare a insegnare l’etichetta usando una calcolatrice. Cercare di sostituire MCP con le Skills è come sapere cosa fare ma non avere gli strumenti per farlo. Gli agenti AI veri hanno bisogno di entrambi.“
E quindi cosa fare adesso?
Se stai costruendo con l’AI nel 2026, ecco il consiglio pratico:
- Inizia con le Skills: sono più facili da creare, più efficienti, e ti permettono di codificare la conoscenza procedurale del tuo dominio.
- Aggiungi MCP dove serve: per integrazioni con database, API esterne, e servizi che richiedono connettività real-time.
- Pensa in layer: MCP per la connettività, Skills per la conoscenza, e lascia che si completino a vicenda.
- Non cadere nell’hype: né “MCP è morto” né “Skills risolvono tutto” sono veri. L’ecosistema sta maturando, e questo è un bene.
Leggi anche:
