Chatbot per l'interazione con un database aziendale: progettazione e implementazione di un prototipo basato su MCP

An internship was completed at Ad Maiora Studio between October 1, 2025, and November 7, 2025. The project involved the creation of a chatbot prototype, developed in Python, that uses the MCP protocol and large-scale linguistic models (LLM) to query a corporate database using natural language. The goal of the project was to develop a functional prototype to analyze the potential and limitations of this type of application, as well as to preliminary evaluate the possibility of a future release as an add-on package. The completed project demonstrated the feasibility of integrating LLM models with corporate databases, enabling the execution of natural language queries and their automatic conversion into structured queries. The results demonstrate how this approach can simplify access to corporate data, reduce the need for specific technical knowledge, and improve the efficiency of information querying. Furthermore, the activity allowed us to identify some limitations related to the accuracy of responses and the management of complex requests, providing useful indications for future developments and possible applications in the corporate sector.

Nel periodo compreso tra il 01/10/2025 e il 07/11/2025 è stata svolta un'attività di tirocinio presso l'azienda Ad Maiora Studio. Il progetto ha riguardato la realizzazione di un prototipo di chatbot, sviluppato in Python, che tramite l'utilizzo del protocollo MCP e di modelli linguistici di grandi dimensioni (LLM), consente di interrogare un database aziendale mediante linguaggio naturale. L'obiettivo del lavoro è stato lo sviluppo di un prototipo funzionale finalizzato all'analisi delle potenzialità e dei limiti di questo tipo di applicazioni, nonché la valutazione preliminare delle possibilità di un futuro rilascio come pacchetto aggiuntivo. Il progetto realizzato ha dimostrato la fattibilità dell'integrazione tra modelli LLM e database aziendali, consentendo l'esecuzione di interrogazioni in linguaggio naturale e la conversione automatica in query strutturate. I risultati ottenuti evidenziano come questo approccio possa semplificare l'accesso ai dati aziendali, ridurre la necessità di conoscenze tecniche specifiche e migliorare l'efficienza nell'interrogazione delle informazioni. Inoltre l'attività ha permesso di individuare alcune limitazioni legate all'accuratezza delle risposte e alla gestione di richieste complesse, fornendo indicazioni utili per sviluppi futuri e possibili applicazioni in ambito aziendale.