Il catalogo MCP è disponibile: esplora, adotta e connettiti a Red Hat OpenShift AI

Lo hai già provato. Hai scaricato un server Model Context Protocol (MCP) da un repository GitHub, lo hai inserito in un container, hai configurato l'autenticazione autonomamente e hai sperato che potesse funzionare in produzione. Questo è lo stato attuale dell'adozione del protocollo MCP nelle aziende: un protocollo promettente, ma con un deployment complicato.

Red Hat OpenShift AI 3.4 fa parte del Red Hat AI portfolio e adotta un approccio diverso. Presentiamo il catalogo MCP in anteprima tecnica. È un catalogo curato di server MCP che puoi individuare, distribuire e gestire direttamente su Red Hat OpenShift. Viene fornito con server MCP precaricati da Red Hat, dai nostri partner tecnologici e dalla community open source; inoltre, continuiamo ad aggiungerne altri. Puoi anche utilizzare i tuoi server MCP: la stessa gestione del ciclo di vita e connettività di runtime del catalogo si applica a qualsiasi server MCP distribuito sul cluster.

Prova Red Hat OpenShift AI per esplorare il catalogo MCP in autonomia.

Non si tratta di un elenco statico. Ogni server MCP nel catalogo passa dall'individuazione all'esecuzione sul cluster, con la gestione del ciclo di vita e la connettività di runtime integrate. Da lì, diventa utilizzabile in gen AI studio, l'interfaccia di OpenShift AI in cui puoi sperimentare e testare agenti e applicazioni di IA. Questo è l'inizio dell'ecosistema MCP enterprise che stiamo creando.

Il catalogo MCP: dall'individuazione alla distribuzione

Finora, AI hub in OpenShift AI si concentrava principalmente sui modelli. Con OpenShift AI 3.4, i server MCP entrano a far parte del catalogo come componenti fondamentali. Rappresenta anche un passo significativo verso una più ampia superficie di risorse di IA che si espanderà nelle prossime versioni.

La maggior parte dei cataloghi MCP attualmente disponibili, inclusi Smithery, Docker MCP Catalog ed il registro MCP ufficiale, si concentra esclusivamente sull'individuazione. Questi cataloghi ti aiutano a trovare i server, ma distribuzione, sicurezza e gestione del ciclo di vita sono di tua responsabilità. Spesso, questo significa scaricare un'immagine container di provenienza sconosciuta e sperare che il prossimo aggiornamento non interrompa il carico di lavoro.

Il catalogo MCP in OpenShift AI colma questa lacuna. Quando sfogli il catalogo in AI hub, trovi server MCP convalidati per l'uso aziendale, che offrono diversi vantaggi.

•  Connettività di livello enterprise: trasporto HTTP in streaming
• Hosting sicuro:  immagini basate su Red Hat Universal Base Image e scansionate per individuare eventuali vulnerabilità.
• Distribuzione automatizzata: quando selezioni un server, l'MCP lifecycle operator lo distribuisce sul tuo cluster, creando le risorse Kubernetes ed esponendo il servizio. 

Una volta eseguito il deployment, il MCP gateway gestisce la connettività di runtime, fornendo un routing basato sull'identità e metriche per ogni strumento, in modo che il team della piattaforma sappia esattamente quali agenti chiamano quali strumenti.

Il risultato è un percorso controllato che va dall'individuazione alla distribuzione, fino all'utilizzo. Seleziona, distribuisci, connetti e utilizza.

Nota: a partire da OpenShift AI 3.4, l'MCP lifecycle operator è disponibile come anteprima per gli sviluppatori e il gateway MCP è disponibile come anteprima tecnica.

Figura 1 - Diagramma di flusso che mostra le quattro fasi del ciclo di vita del server MCP in Red Hat OpenShift AI: individua nel catalogo MCP, distribuisci tramite l'MCP lifecycle operator, connetti tramite il gateway MCP e utilizza in gen AI studio, illustrando il percorso gestito dal catalogo all'agente.

Server MCP pronti all'uso

Il catalogo include tre livelli di server MCP, ciascuno dedicato a flussi di lavoro aziendali reali. Ecco le opzioni disponibili oggi.

Tre server Red Hat MCP

Connetti i tuoi agenti di IA direttamente alle piattaforme già in uso.

• Red Hat OpenShift: gli agenti possono eseguire query sullo stato del cluster, gestire i carichi di lavoro e risolvere i problemi dei deployment tramite il linguaggio naturale. Se un pod si guasta alle 2 di mattina, un ingegnere può semplicemente chiedere all'agente le ultime 50 righe di log e lo stato delle risorse del deployment interessato. Nessun cambio di contesto tra le dashboard, nessuna complessità con kubectl.
• Red Hat Ansible Automation Platform: connetti gli agenti ai flussi di lavoro di automazione. Un agente può attivare Ansible Playbooks, controllare lo stato dei processi e orchestrare le modifiche alla configurazione nell'intera infrastruttura. Per i team delle operazioni guidate dagli agenti (AgentOps), questo si traduce in flussi di lavoro di risposta agli incidenti che includono rilevamento, diagnosi e correzione senza uscire dal contesto dell'agente.
• Red Hat Lightspeed (in precedenza Red Hat Insights): sfrutta l'intelligenza della piattaforma e i suggerimenti tramite gli agenti di IA. Invece di richiedere ai team di eseguire una revisione manuale degli avvisi di Red Hat Lightspeed, un agente può estrarre i suggerimenti più recenti, correlarli allo stato del cluster e suggerire i passaggi per la correzione, portando le informazioni operative direttamente nei flussi di lavoro degli agenti.

Cinque server MCP dei partner tecnologici

Estendi i tuoi agenti allo stack enterprise più ampio.

• Confluent Cloud: consenti all'IA di gestire ed eseguire il debug delle operazioni di data streaming su Kafka e Flink.
• EDB Postgres AI:  connetti gli agenti alla piattaforma EDB Postgres AI per query, gestione degli schemi e operazioni sui database, grazie al server MCP pg-airman di EDB.
• IBM Terraform: consenti agli agenti di eseguire il provisioning e gestire l'infrastructure as code, colmando il divario tra le decisioni basate sull'IA e l'esecuzione dell'infrastruttura.
• Microsoft Azure: consenti agli agenti di gestire le risorse Azure, eseguire il provisioning dei servizi e automatizzare le operazioni cloud insieme ai carichi di lavoro Red Hat OpenShift.
• Dynatrace: ottieni informazioni in tempo reale nei flussi di lavoro degli agenti. Gli agenti possono eseguire query sui dati relativi alle prestazioni e ottenere informazioni a livello di codice per la risoluzione dei problemi, l'ottimizzazione e la correzione in tutto l'ambiente.

Due server MCP della community

Completa il livello dati (elencato nel catalogo alla voce "Altri server MCP").

• MongoDB: esegui query e gestisci le raccolte di documenti tramite gli agenti. Utile per le applicazioni e i flussi di lavoro di retrieval-augmented generation (RAG) supportati da dati non strutturati o semistrutturati.
• MariaDB: connettività al database relazionale per gli agenti che devono eseguire query e gestire datastore strutturati.

Figura 2 - Il catalogo MCP nell'hub Red Hat OpenShift AI mostra le schede dei server MCP organizzate per livello (Red Hat, partner e altro), ognuna con un'azione di distribuzione, che mostra il percorso governato, dall'individuazione alla distribuzione.

In pratica, prima del catalogo MCP, connettere uno qualsiasi di questi server agli agenti significava trovarlo su GitHub, creare un container dalla sorgente, eseguire il debug dei problemi di trasporto e configurare l'autenticazione, il tutto prima di poter effettuare una singola chiamata allo strumento. Ora basta selezionare l'elemento nel catalogo e l'operatore del ciclo di vita MCP gestisce il resto.

Esplora l'MCP Lifecycle Operator su GitHub per scoprire come distribuire e gestire i server MCP su Kubernetes.

Creazione dell'ecosistema MCP enterprise

I server MCP inclusi in Red Hat OpenShift AI 3.4 sono il primo passo. Stiamo creando un ecosistema completo progettato per le esigenze degli ambienti di produzione. 

• AI quickstarts: collaboriamo con i partner per offrire scenari di utilizzo pronti all'uso e specifici per il settore. Questi ambienti aiutano i team a trasferire le idee di IA dalla sperimentazione alla produzione su un'infrastruttura open source.
• Scalabilità della selezione: il processo di convalida, dal consenso dei partner alla scansione tecnica, è progettato per garantire la scalabilità. Man mano che i server MCP si evolvono, continueremo ad aggiungere nuove risorse alla pipeline.
• Governance aziendale: stiamo aggiungendo un livello di applicazione alle basi già gettate dal gateway MCP. Ciò include i controlli della catena di distribuzione per verificarne la provenienza, i livelli di attendibilità per le risorse certificate e la piena verificabilità delle chiamate agli strumenti eseguite da un agente.

Inizia subito

Il catalogo MCP offre ai team della piattaforma un percorso gestito e pronto per gli ambienti di produzione, dall'individuazione alla distribuzione, mettendo a disposizione server selezionati, immagini convalidate e gestione del ciclo di vita nel cluster.

È ora disponibile in Red Hat OpenShift AI 3.4 come anteprima tecnica. Prova Red Hat OpenShift AI per esplorare il catalogo MCP e distribuire il tuo primo server MCP su OpenShift. Parteciperai al Red Hat Summit 2026 che si terrà ad Atlanta dall’11 al 14 maggio? Vieni a scoprire il catalogo MCP e l'operatore per il ciclo di vita MCP in azione.