Claude Code ed MCP

Claude Code ed MCP

Claude Code ed MCP

Come collegare GitHub, database PostgreSQL e API REST al proprio agente AI: guida pratica per sviluppatori

Immagina un neoassunto molto sveglio, che scrive codice pulito ma non ha ancora il badge per entrare nei sistemi aziendali: non può aprire una pull request su GitHub, non può interrogare il database di produzione, non sa nemmeno a chi chiedere i dati delle vendite. È bravissimo, ma isolato. Claude Code, appena installato, è un po’ così: un agente capace, ma chiuso nel suo terminale. L’MCP (Model Context Protocol) è il badge che gli apre le porte: GitHub, PostgreSQL, le vostre API interne. In questa guida vediamo come consegnarglielo, passo dopo passo.

Indice dei contenuti – Claude Code ed MCP

1. Plugin e MCP: due cose diverse che spesso si confondono

2. Installazione di Claude Code e primo collegamento MCP

3. Configurazione di GitHub via MCP

4. Configurazione di PostgreSQL via MCP

5. Configurazione di una API REST personalizzata

6. Esempio pratico: dalla issue alla pull request

7. Vantaggi per un team di sviluppo

8. Conclusioni: la tecnologia serve, ma serve anche saperla usare

1. Plugin e MCP: due cose diverse che spesso si confondono

Chi ha usato Claude Code solo per generare qualche funzione o fare refactoring spesso sente parlare di “plugin” e “MCP” come se fossero sinonimi. Non lo sono, e la differenza è importante da capire prima di configurare qualsiasi cosa.

L’MCP (Model Context Protocol) è uno standard aperto, oggi sotto la governance della Linux Foundation con il contributo di Anthropic, OpenAI, Google, AWS e altri big del settore. Un server MCP è un piccolo programma che espone strumenti (query su un database, creazione di una issue, chiamata a una API) attraverso un protocollo documentato. La cosa interessante è che lo stesso server funziona con Claude Code, Claude Desktop, Cursor e qualsiasi altro client compatibile: lo scrivete una volta, lo usate ovunque.

Il plugin, invece, è un contenitore. Un pacchetto distribuibile che può includere skill, subagenti, hook e, tra le altre cose, configurazioni MCP già pronte. Se l’MCP è la presa elettrica che collega Claude Code a un sistema esterno, il plugin è la ciabatta con più prese già cablate, che il vostro team può installare con un comando solo.

In pratica: se dovete collegare Claude Code a un solo sistema (il vostro database, la vostra suite Git), aggiungete un server MCP diretto. Se invece volete distribuire a tutto il team un pacchetto già pronto con più server, skill e automazioni insieme, allora conviene costruire — o installare — un plugin.

2. Installazione di Claude Code e primo collegamento MCP

L’installazione di Claude Code richiede Node.js 18 o superiore. Da terminale:

# Installazione di Claude Code via npm
npm install -g @anthropic-ai/claude-code
 
# Avvio nella cartella del progetto
cd il-mio-progetto
claude

Una volta dentro, la gestione dei server MCP passa dal comando claude mcp. Un esempio semplice, senza nemmeno bisogno di chiavi API, è il server filesystem, utile per capire il meccanismo prima di collegare sistemi più delicati:

# Aggiunge un server MCP locale (trasporto stdio)
claude mcp add --transport stdio filesystem -- npx -y @modelcontextprotocol/server-filesystem /percorso/progetto

Per verificare cosa è collegato basta digitare /mcp dentro una sessione attiva, oppure da terminale:

claude mcp list      # elenco dei server configurati
claude mcp get nome  # dettaglio di un singolo server

Un consiglio da collega: non collegate venti server tutti insieme. Ogni server aggiunge strumenti che Claude deve valutare a ogni richiesta, e più strumenti ci sono più aumenta il rischio di scelte imprecise. Partite con due o tre server legati al vostro flusso di lavoro reale ( tipicamente GitHub e il database) e aggiungete il resto solo quando serve davvero.

3. Configurazione di GitHub via MCP

Per collegare GitHub esiste un server MCP remoto ufficiale, mantenuto direttamente da GitHub. Serve un token: da GitHub, generate un Personal Access Token fine-grained con accesso solo ai repository che volete far usare a Claude — mai un token con permessi su tutta l’organizzazione.

# Collega il server GitHub remoto via HTTP
claude mcp add --transport http github https://api.githubcopilot.com/mcp/ \
  --header "Authorization: Bearer IL_TUO_GITHUB_PAT"

Da quel momento potete chiedere a Claude Code cose come “controlla lo stato della CI sull’ultima pull request” oppure “apri una issue per il bug che abbiamo appena trovato”, e l’agente userà davvero gli strumenti del server, non inventerà risposte plausibili.

Se preferite un approccio locale, containerizzato, GitHub distribuisce anche un’immagine Docker del server, configurabile così in formato JSON (utile per condividere la configurazione nel repository, tramite .mcp.json):

{
  "mcpServers": {
    "github": {
      "command": "docker",
      "args": ["run", "-i", "--rm", "-e", "GITHUB_PERSONAL_ACCESS_TOKEN", "ghcr.io/github/github-mcp-server"],
      "env": { "GITHUB_PERSONAL_ACCESS_TOKEN": "IL_TUO_GITHUB_PAT" }
    }
  }
}

4. Configurazione di PostgreSQL via MCP

Con un database la prudenza deve essere doppia: qui non parliamo solo di leggere codice, ma di interrogare dati reali, magari di produzione. La configurazione minima passa da una stringa di connessione:

# Collega un server MCP verso PostgreSQL, in sola lettura
claude mcp add --transport stdio db -- npx -y @bytebase/dbhub \
  --dsn "postgresql://utente_readonly:password@host:5432/nome_db"

La regola d’oro, confermata anche dalla documentazione dei server Postgres più usati, è usare sempre un utente read-only dedicato: se il server MCP viene compromesso o Claude interpreta male una richiesta, il danno resta contenuto a una lettura, mai a una scrittura indesiderata.

Chi vuole qualcosa di più avanzato, analisi delle performance, suggerimenti di indicizzazione, può orientarsi su server come Postgres MCP Pro, che oltre alle query espone anche strumenti di tuning automatico del database, sempre tramite lo stesso protocollo.

Una volta collegato, potete scrivere in linguaggio naturale: “quanti nuovi utenti si sono registrati nell’ultima settimana, suddivisi per giorno?” e Claude genera ed esegue lui la query SQL, restituendo il risultato già leggibile.

5. Configurazione di una API REST personalizzata

Per una API REST interna, senza un server MCP già pronto sul mercato, la soluzione è scriverne uno voi. È più semplice di quanto sembri: un server MCP è, in fondo, un piccolo wrapper che traduce le chiamate di Claude in richieste HTTP verso la vostra API.

Un esempio minimo in Python, con l’SDK ufficiale MCP:

# server_api_interna.py
from mcp.server.fastmcp import FastMCP
import httpx
 
mcp = FastMCP("api-interna")
 
@mcp.tool()
async def stato_ordine(id_ordine: str) -> dict:
    """Recupera lo stato di un ordine dalla API interna aziendale."""
    async with httpx.AsyncClient() as client:
        risposta = await client.get(
            f"https://api.interna.azienda.it/ordini/{id_ordine}",
            headers={"Authorization": "Bearer TOKEN_SERVIZIO"}
        )
        risposta.raise_for_status()
        return risposta.json()
 
if __name__ == "__main__":
    mcp.run(transport="stdio")

Lo stesso pattern funziona in JavaScript, con l’SDK ufficiale @modelcontextprotocol/sdk:

// server-api-interna.js
import { McpServer } from "@modelcontextprotocol/sdk/server/mcp.js";
import { StdioServerTransport } from "@modelcontextprotocol/sdk/server/stdio.js";
import { z } from "zod";
 
const server = new McpServer({ name: "api-interna", version: "1.0.0" });
 
server.tool(
  "stato_ordine",
  { idOrdine: z.string() },
  async ({ idOrdine }) => {
    const res = await fetch(`https://api.interna.azienda.it/ordini/${idOrdine}`, {
      headers: { Authorization: "Bearer TOKEN_SERVIZIO" }
    });
    const dati = await res.json();
    return { content: [{ type: "text", text: JSON.stringify(dati) }] };
  }
);
 
const transport = new StdioServerTransport();
await server.connect(transport);

Collegatelo poi come qualsiasi altro server locale:

claude mcp add --transport stdio api-interna -- python server_api_interna.py

6. Esempio pratico: dalla issue alla pull request

Mettiamo insieme i pezzi con un caso concreto, quello di un team che chiameremo Beta Software. Hanno collegato a Claude Code il server GitHub e un server Postgres in sola lettura sul database di staging. Un tester apre una issue: “Il totale carrello non considera lo sconto se ci sono più di 3 articoli.”

Al posto di aprire manualmente GitHub, un terminale e un client SQL, lo sviluppatore scrive a Claude Code: “Leggi la issue #482 su GitHub, riproduci il problema controllando la tabella carrelli su staging, correggi il bug e apri una pull request collegata alla issue.”

Claude Code, grazie ai due server MCP collegati, recupera il testo della issue da GitHub, interroga il database per capire come sono strutturati gli sconti, individua che la condizione nel codice usa un operatore sbagliato (> invece di >=), corregge il file, esegue i test locali e apre la pull request con una descrizione coerente con la issue originale. Il tutto in pochi minuti, con lo sviluppatore che supervisiona invece di eseguire a mano ogni passaggio meccanico.

7. Vantaggi per un team di sviluppo

Per un singolo sviluppatore, MCP è comodo. Per un team, cambia le regole del gioco:

  • Configurazione condivisa: salvando i server nello scope project (file .mcp.json versionato nel repository), ogni collega che clona il progetto ottiene automaticamente gli stessi collegamenti, senza documentazione da rincorrere.
  • Sicurezza centralizzata: token con permessi minimi, utenti database in sola lettura, revisione dei server prima di approvarli: il rischio si gestisce una volta sola per tutto il team, non server per server.
  • Meno contesto perso tra strumenti: niente più copia-incolla tra terminale, browser e client SQL: l’agente ha già tutto sotto mano, e chi lavora con lui resta concentrato sul problema, non sugli strumenti.
  • Onboarding più rapido: un nuovo assunto, con l’ambiente MCP già pronto, può fare domande dirette sul codice, sul database e sui ticket aperti fin dal primo giorno, invece di passare settimane a orientarsi tra sistemi diversi.

8. Conclusioni: la tecnologia serve, ma serve anche saperla usare

MCP rende Claude Code un agente capace di muoversi davvero dentro l’infrastruttura di un’azienda, non solo dentro un singolo file di codice. Ma, come per ogni strumento potente, la differenza tra un team che ne trae vantaggio e uno che si limita a “provarlo” sta nella formazione: capire quando dare a un agente accesso in scrittura, come scrivere un server MCP per i propri sistemi interni, come tenere sotto controllo permessi e audit.

Per questo, se il vostro team di sviluppo vuole passare dalla curiosità a un uso maturo e sicuro di Claude Code e dell’MCP, Innovaformazione organizza il Corso Claude Code per sviluppatori, pensato per le aziende, in aula virtuale online con calendario da concordare in base alle esigenze del team.

Scopri il programma completo: QUI.

Per informazioni e per organizzare il corso in azienda:

📧 info@innovaformazione.net — 📞 347 1012275 (Dario Carrassi)

Per altri articoli tecnici consigliamo di navigare sul nostro blog QUI.

(fonte) (fonte) (fonte)

Ti potrebbe interessare

Articoli correlati