Perché MCP è l'anello mancante tra IA e infrastruttura

Ho assistito all'evoluzione di Internet, virtualizzazione, cloud e AI/ML. Ma non mi sono mai sentito così energico riguardo a ciò che sta succedendo proprio adesso.

Una pianificazione accurata, finestre di modifica ben definite e un'intensa attività manuale hanno caratterizzato gran parte della mia carriera come storage architect e responsabile delle operazioni IT. Gli ambienti IT globali complessi si portano dietro anni di storia operativa, debito tecnico accumulato e innumerevoli decisioni del tipo "lo sistemeremo più tardi".

L'intelligenza artificiale agentiva ha un potenziale enorme, ma c'è sempre stato un problema: l'IA non può gestire infrastrutture che non comprende.

È qui che Model Context Protocol (MCP) entra in gioco.

Ciò che solo pochi mesi fa sembrava un'aspirazione è ora qualcosa che utilizziamo attivamente all'interno di NetApp IT. MCP è diventato il fondamento delle nostre operazioni assistite dall'IA, fornendo agli agenti IA il contesto infrastrutturale di cui hanno bisogno per analizzare i problemi, interrogare ONTAP environment, individuare le cause principali e accelerare la risoluzione dei problemi in modi che prima non erano possibili.

Quella che era nata come una visione per il futuro è rapidamente diventata parte di come operiamo oggi.

Il problema di intelligenza artificiale che MCP risolve

L'intelligenza artificiale è straordinariamente abile nel ragionamento, ma il ragionamento da solo non basta nelle infrastrutture aziendali.

Un modello di intelligenza artificiale non comprende automaticamente i tuoi cluster ONTAP, SnapMirror relationship, la topologia dello storage, gli standard operativi o decenni di decisioni di configurazione accumulate. Senza quel contesto, l'IA deve indovinare. Può cercare nella documentazione, dedurre l'intento e fare raccomandazioni, ma le manca la conoscenza operativa necessaria per interagire con sicurezza con l'infrastruttura attiva.

MCP cambia l'equazione.

In parole semplici, MCP offre agli agenti di intelligenza artificiale un modo strutturato per comprendere e interagire con sistemi come ONTAP. Fornisce i comandi, le funzionalità e le conoscenze operative necessarie per svolgere un lavoro significativo invece di basarsi su supposizioni.

Pensa a MCP come a un traduttore tra l'AI e l'infrastruttura. Invece di costringere un modello di AI a consultare ONTAP ogni volta che riceve una richiesta, MCP gli fornisce un modo affidabile per capire quali azioni sono disponibili, come sono configurati i sistemi e come interagire con essi in modo sicuro.

Da "e se?" a "lo stiamo facendo"

Quando ho iniziato a parlare di operazioni di storage potenziate dall'intelligenza artificiale, gran parte di tutto ciò sembrava teorico.

Immagina agenti di intelligenza artificiale per lo storage, il networking, il compute, il cloud e le applicazioni che lavorano insieme durante un'interruzione. Ogni agente conosce il proprio dominio. Ognuno indaga sulla propria parte dell'infrastruttura. Poi questi agenti correlano le loro scoperte e aiutano a identificare la causa principale.

Questa era la visione. Ora l'abbiamo realizzata.

All'interno di NetApp IT, utilizziamo flussi di lavoro agentici che possono prendere in carico un ticket ServiceNow, leggerne la descrizione, arricchirla con il contesto dell'infrastruttura, interrogare ONTAP tramite MCP, verificare i domini correlati e generare un'analisi in stile RCA in pochi minuti.

Ad esempio, un utente ha segnalato di non riuscire a montare un percorso NAS. Il ticket non diceva che era NFS. Non identificava ONTAP. Non specificava quale cluster, SVM, volume o regione indagare.

L'agente è comunque riuscito a risolvere il problema. Utilizzando MCP, ha analizzato ServiceNow e i dati del CMDB, ispezionato ONTAP, verificato il lato UNIX e determinato che il problema era una regola di esportazione NFS. Ha persino confermato che altri mount dall'host funzionavano prima di produrre un'analisi cross-domain ad alta affidabilità.

Intelligenza artificiale agentica in azione

Chiunque abbia lavorato a un incidente di priorità P1 conosce lo schema. Arriva un ticket. Le persone si collegano a un bridge. I team iniziano a controllare i propri domini. Lo storage controlla lo storage. La rete controlla gli switch. L'elaborazione controlla gli host. I team applicativi controllano i log.

Ora immagina invece questo:

• Un ticket di ServiceNow fa scattare un'indagine basata sull'intelligenza artificiale
• Un agente coordinatore legge la descrizione del problema
• Un agente di archiviazione utilizza ONTAP MCP per ispezionare i cluster, le SVM, i volumi, le esportazioni, le relazioni SnapMirror e i dati sulle prestazioni pertinenti
• Un agente UNIX o Windows controlla il lato host
• Un agente di rete controlla il fabric dello storage e il livello 2
• Un coordinatore confronta i risultati tra i diversi domini
• Il sistema pubblica un riepilogo dell'indagine e consiglia i prossimi passi direttamente nel ticket o nella war room

Oggi, gran parte di ciò che facciamo è di sola lettura, soprattutto nei flussi di lavoro di gestione degli incidenti in produzione. La sola lettura comporta rischi limitati ma ha un impatto elevato. Se l'intelligenza artificiale potesse indicare rapidamente agli ingegneri dove cercare, cosa è cambiato, cosa è configurato in modo errato e cosa è la causa più probabile dell'incidente, questo da solo potrebbe trasformare i tempi di risposta.

L'intelligenza artificiale ci aiuta ad affrontare problemi "inumani"

L'altra grande opportunità è il debito tecnico.

Ogni azienda si trova ad affrontare problemi che non sono difficili perché concettualmente complessi. Sono difficili perché sono troppo vasti, troppo noiosi o troppo distribuiti perché una persona possa risolverli in modo efficiente.

Ad esempio, possiamo chiedere all'IA di controllare gli account locali su decine di cluster ONTAP e centinaia di nodi. Non è un semplice esercizio da foglio di calcolo. Le informazioni sull'ultimo accesso potrebbero trovarsi nei log di sicurezza, non direttamente nell'account utente. Una persona dovrebbe raccogliere le esportazioni, unire i dati, esaminare i log, confrontare i timestamp e creare manualmente un report utile.

Con ONTAP MCP, puoi porre domande in linguaggio naturale e ricevere analisi complete dell'intera flotta in pochi minuti. Attività che richiedono ore di raccolta manuale, lavoro su fogli di calcolo e revisione dei log ora possono essere completate con un semplice prompt.

Lo stesso concetto si applica a snapshot obsoleti, volumi di destinazione di SnapMirror bloccati, configurazioni incoerenti, relazioni di protezione mancanti, pianificazione del ciclo di vita e igiene della capacità.

Questi sono i tipi di problemi che possono rimanere irrisolti per anni perché sono troppo complicati da affrontare manualmente. L'intelligenza artificiale abilitata da MCP ci offre un modo per risolverli e mantenerli risolti.

Se una lacuna nell'automazione lascia dietro di sé volumi di destinazione bloccati, la soluzione non dovrebbe essere una pulizia una tantum. La soluzione dovrebbe essere un flusso di lavoro agentico che controlla regolarmente quella condizione, la segnala e, infine, aiuta a porvi rimedio tramite controlli approvati.

Stiamo passando dalla pulizia manuale all'igiene continua.

Il linguaggio naturale cambia chi può automatizzare

L'automazione non è più appannaggio esclusivo di chi scrive codice.

All'inizio di questo percorso, ho creato una demo per il mio team che ho scherzosamente chiamato "Storage Hotness". La svolta è stata connettere il modello a ONTAP tramite MCP. Ho collegato un agente AI a un simulatore ONTAP e ho iniziato a digitare richieste in inglese semplice:

• Crea volumi
• Ridimensiona un volume
• Crea relazioni SnapMirror
• Mostrami cosa è cambiato

Non utilizzavo ONTAP direttamente da quasi dieci anni, eppure stavo gestendo lo storage tramite linguaggio naturale. Quel momento ha aiutato il team a vedere cosa fosse possibile.

I nostri ruoli si stanno evolvendo. Gli ingegneri non scompariranno, ma il lavoro sta cambiando. Stiamo diventando orchestratori, revisori e controllori della qualità di operazioni assistite dall'intelligenza artificiale. Chi impara a usare questi strumenti moltiplicherà il proprio impatto. Chi rimane ancorato a flussi di lavoro manuali farà fatica a stare al passo.

Perché l'NetApp IT è il posto giusto per dimostrarlo

NetApp IT si trova in una posizione unica perché usi le stesse tecnologie che usano i nostri clienti.

Utilizziamo ONTAP, StorageGRID, E-Series, Amazon FSx for ONTAP, Cloud Volumes ONTAP, Data Infrastructure Insights e altre tecnologie NetApp in un ambiente aziendale globale reale.

Non stai esplorando l'IA per lo storage solo in un ambiente di laboratorio. La stai applicando a infrastrutture reali, incidenti reali, debito tecnico reale e pressioni operative reali.

Poiché utilizzi queste tecnologie su scala aziendale, vedi in prima persona come MCP accelera la risoluzione dei problemi, individua capacità inutilizzate, identifica deviazioni di configurazione o fa emergere anni di debito tecnico accumulato.

Quando vediamo un agente produrre un'analisi RCA utile in pochi minuti, capiamo come questo possa cambiare il modo in cui i team IT rispondono alle interruzioni.

E quando qualcosa non funziona, impari anche da quello.

Archiviazione con cui puoi parlare

Siamo più vicini di quanto molti pensino a un futuro in cui l'infrastruttura sarà gestita in base all'intento.

I dirigenti chiederanno: "Di quanta capacità disponiamo?"

Gli ingegneri chiederanno: "Quali volumi di produzione non hanno protezione?"

I team operativi chiederanno: "Cosa è cambiato prima di questo incidente?"

I team addetti allo storage chiederanno: "Dove si trova la nostra capacità inattiva?"

Gli agenti di intelligenza artificiale raccoglieranno il contesto, interrogheranno l'ambiente, analizzeranno i risultati e raccomanderanno azioni. Questo non sostituisce il giudizio ingegneristico, ma lo amplifica.

Il futuro non è che l'IA sostituisca gli storage engineer. Il futuro è che gli storage engineer comandino flotte di agenti IA in grado di ispezionare, analizzare, correlare e infine risolvere problemi su una scala che gli esseri umani non potrebbero mai eguagliare manualmente.

Per la prima volta nella mia carriera, il livello operativo del data center viene riscritto. MCP è un ponte che collega il ragionamento dell'AI all'azione concreta sull'infrastruttura. Senza di esso, l'AI resta un assistente. Con esso, l'AI diventa un moltiplicatore di forza operativa.

E questa volta non è una cosa teorica. Lo stai già facendo.