MCP 2.0 è live con la specifica 2026-07-28. È il cambiamento più grande al Model Context Protocol da quando Anthropic lo ha lanciato a novembre 2024. Il salto centrale è il passaggio allo stateless: una sola richiesta HTTP per chiamare uno strumento, invece di due. Prima inizializzavi la sessione e ottenevi un session ID, poi chiamavi il tool. Adesso basta una richiesta, con il metodo e il nome del tool negli header. Nessuno stato da mantenere sul server.

Perché ti riguarda. Se colleghi agenti a strumenti esterni, MCP 2.0 risolve due problemi che prima costavano fatica. I tool MCP sono più facili da auditare rispetto a dare un terminale con curl all’agente, e modelli piccoli che girano sul laptop riescono a usarli. Lo stateless toglie la gestione delle sessioni, che era dove l’architettura si rompeva quando dovevi scalare oltre il prototipo. Come abbiamo raccontato nella lezione su collegare l’agente ai tuoi sistemi, MCP è il ponte standard fra l’agente e i tuoi dati. La nuova versione lo rende praticabile in produzione.

Se vuoi provarci: il primo passo è puntare un client stateless a un server MCP pubblico e ispezionare la lista di strumenti disponibili. mcp-explorer e llm-mcp-client sono i candidati naturali per cominciare.

Nel dettaglio

MCP era nato come standard per esporre strumenti agli agenti AI in modo uniforme. Anthropic lo ha presentato a novembre 2024, ha avuto un picco di interesse per gran parte del 2025, e poi è stato in parte oscurato da Skills, l’approccio con cui un agente dotato di terminale e accesso a internet poteva fare gran parte di ciò che MCP faceva, in modo più flessibile.

Cosa cambia con lo stateless. Il MCP con stato richiedeva due richieste HTTP per ogni chiamata: la prima per inizializzare la sessione e ottenere un Mcp-Session-Id, la seconda per eseguire il tool. Il server doveva mantenere lo stato di ogni sessione attiva e instradare le richieste successive alla stessa macchina di backend.

Il nuovo MCP stateless usa una singola richiesta HTTP. Il metodo e il nome del tool viaggiano negli header (Mcp-Method, Mcp-Name), i parametri nel corpo JSON, e le informazioni del client in un campo _meta. Niente session ID, niente stato sul server.

Dal punto di vista dell’infrastruttura, questo significa che puoi mettere un server MCP dietro un load balancer senza pensare all’affinità di sessione. Ogni richiesta è indipendente e può finire su qualsiasi backend. Per chi costruisce applicazioni web con agenti, era il punto dove l’architettura precedente si bloccava.

Gli strumenti usciti questa settimana. Nei giorni della release sono usciti tre progetti per validare la specifica sul campo. mcp-explorer è una CLI Python stateless per esplorare server MCP: elenca i tool, ispeziona i loro schemi di input e output, e li chiama passando argomenti. datasette-mcp è un plugin per Datasette che espone un endpoint MCP su qualsiasi istanza, con tre tool: listare i database, leggerne lo schema, eseguire SQL in sola lettura. llm-mcp-client registra i tool MCP come strumenti disponibili dentro il framework llm.

L’interesse su MCP torna a crescere dopo che per gran parte del 2025 era stato lasciato da parte. Il motivo è pratico: dare a un agente un ambiente shell con accesso a internet è rischioso e richiede un modello forte. I tool MCP sono più semplici da controllare, e funzionano anche con modelli piccoli che girano in locale.

Limiti. La specifica è fresca (28 luglio 2026) e l’ecosistema di client e server stateless è ancora sottile. I tre strumenti usciti questa settimana sono release iniziali (0.1a0). Il passaggio dal MCP con stato a quello senza stato è una rottura, non una retrocompatibilità: chi ha server MCP legacy deve aggiornarli. Chi costruisce agenti in produzione dovrebbe valutare la migrazione ma non aspettarsi che l’ecosistema sia già maturo.