L'intelligenza non è un add-on: è infrastruttura. Gli embedding girano in locale con Ollama, la ricerca semantica vive su PostgreSQL, e i moduli parlano con i modelli attraverso MCP — il Model Context Protocol che espone la piattaforma come un insieme di strumenti sicuri.
Lo strato dati della piattaforma sta su PostgreSQL, con pgvector
per gli embedding accanto ai dati. L'intelligenza semantica gira in locale con Ollama; l'integrazione con
i modelli passa da un protocollo standard, MCP. Più controllo, dati che restano in casa, e la
sincronizzazione che tiene allineati i sistemi operativi sottostanti.
Identità, telemetria, documentazione ed embedding nello stesso motore. La ricerca semantica avviene dove già vivono i dati di piattaforma, con integrità referenziale vera.
I modelli di embedding girano sul server dell'azienda. Documenti, note e knowledge base diventano vettori senza che nulla di sensibile esca dal perimetro aziendale.
I moduli espongono strumenti che i modelli possono invocare in modo controllato: elenco moduli, ricerca documenti, scaffolding, archiviazione. Ogni chiamata è esplicita e tracciabile.
Un server MCP (Node.js) opera sull'intero progetto ed espone strumenti tipizzati. Non lavora "alla cieca": conosce moduli, form, documenti e regole di registrazione. È il modo in cui l'AI agisce sulla piattaforma con precisione — sia in sviluppo, sia a runtime.
Server MCP · stdio / HTTP · opera su tutto il progetto
scaffold_module) erediti il
sistema nervoso centrale — dashboard (DAH), telemetria (SEH), audit, documentazione a tre
pilastri, MLPivot, log, Nginx e sincronizzazione su PostgreSQL — senza scriverli a mano.
Vedi l'infrastruttura trasversale →
L'AI accede ai sorgenti e agli strumenti MCP: legge i .dpk, capisce le convenzioni, propone e genera codice coerente, esegue scaffolding di nuovi moduli e verifica la registrazione. Un ordine di grandezza più veloce dello sviluppo tradizionale.
La dashboard di produzione integra l'analisi assistita da AI. La ricerca semantica sui documenti (embedding Ollama + pgvector) alimenta help contestuale e supporto. L'AI lavora sui dati reali, tracciata via telemetria.
Gli embedding sono generati da Ollama sul server aziendale. Nessun dato sensibile lascia il perimetro per essere vettorializzato.
Il server MCP può girare su stdio o HTTP con token e TLS. Gli strumenti hanno contratti espliciti: si concede solo ciò che serve.
Le azioni passano dalla telemetria su PostgreSQL: chi, quando, cosa. La stessa infrastruttura di audit della piattaforma.
PostgreSQL per i dati, Ollama per gli embedding, MCP per gli strumenti. In casa, tracciato, ripetibile.