Costruire un assistente IA locale con ricerca web: configurazione MCP + Ollama
Come combinare modelli linguistici locali con capacità di ricerca web mantenendo i tuoi dati privati
Configurare strumenti IA per uso aziendale spesso significa scegliere tra comodità e privacy. Le soluzioni cloud sono facili da usare ma inviano i tuoi dati altrove. Le soluzioni locali mantengono tutto sulla tua macchina ma possono essere complicate da configurare ed estendere con capacità aggiuntive.
Oggi vedremo come creare una configurazione IA pratica che ti offre entrambe le cose: un modello linguistico locale che può cercare nel web quando necessario, il tutto mantenendo le tue conversazioni e l’elaborazione sul tuo hardware. Questo approccio si allinea perfettamente con la nostra filosofia di soluzioni gestite sulla propria infrastruttura – in modo simile a come abbiamo mostrato che è possibile gestire la tua piattaforma di automazione n8n per un controllo completo dei flussi di lavoro.
Gli strumenti che utilizziamo
Vediamo cosa fa ciascun componente:
Ollama: il tuo motore IA locale
Ollama è un software che esegue modelli linguistici di grandi dimensioni sul tuo computer. Pensalo come un modo per avere capacità simili a ChatGPT senza inviare nulla a OpenAI o ad altri provider cloud. Si occupa di scaricare i modelli, gestire la memoria e servirli attraverso una semplice API.
Il vantaggio chiave? Con i modelli locali, tutto resta in locale. Le tue domande, le risposte dell'IA e qualsiasi elaborazione avvengono interamente sulla tua macchina. Questo è importante per discussioni aziendali sensibili, informazioni proprietarie o semplicemente quando vuoi evitare i costi mensili degli abbonamenti IA.
Model Context Protocol (MCP): aggiungere capacità
I modelli linguistici sono ottimi nella conversazione e nel ragionamento, ma non possono navigare nel web, leggere file o interagire con altri sistemi da soli. Model Context Protocol (MCP) risolve questo problema fornendo un modo standardizzato per dare ai modelli IA accesso a strumenti esterni.
Pensa a MCP come a un traduttore universale tra il tuo modello IA e altri software. Vuoi che la tua IA cerchi nel web? C'è un server MCP per quello. Hai bisogno che legga i database? Un altro server MCP. Il bello è che una volta configurato il protocollo, aggiungere nuove capacità diventa molto più semplice.
mcphost: un collegamento affidabile
Passiamo alla pratica. MCP definisce lo standard, ma serve un software per collegare il tuo modello IA locale ai server MCP. mcphost fa esattamente questo, e lo fa bene.
Abbiamo provato prima altre opzioni (come ollmcp), ma abbiamo riscontrato continui timeout di connessione e difficoltà di configurazione. mcphost utilizza file di configurazione espliciti invece di tentare di rilevare automaticamente ogni componente, il che significa che funziona effettivamente in modo affidabile negli scenari reali. A ottobre 2026, il repository di mcphost è archiviato e i suoi manutentori indicano Kit come successore; i comandi qui sotto si riferiscono ancora a mcphost.
Server MCP DuckDuckGo: ricerca web privata
Per le capacità di ricerca web, utilizziamo un server MCP DuckDuckGo. Questo permette alla tua IA locale di cercare nel web tramite DuckDuckGo (il server interroga l’endpoint di ricerca HTML di DuckDuckGo anziché un’API ufficiale). L’informativa sulla privacy di DuckDuckGo dichiara che il servizio non traccia gli utenti né salva le cronologie di ricerca. È il complemento perfetto per una configurazione locale orientata alla privacy.
uv: gestione degli ambienti Python
uv è un gestore di pacchetti Python veloce che crea ambienti isolati e gestisce le dipendenze. Lo usiamo per eseguire il server MCP DuckDuckGo in modo pulito senza interferire con altri progetti Python sul tuo sistema.
Come funziona il tutto insieme
Ecco il flusso quando chiedi alla tua IA locale di cercare qualcosa:
- Scrivi una domanda come «Cerca gli sviluppi recenti nelle normative sull'e-commerce»
- mcphost riceve il tuo messaggio e lo inoltra al tuo modello Ollama locale
- Il modello riconosce che deve fare una ricerca e chiama il server MCP DuckDuckGo tramite il protocollo MCP
- Il server MCP cerca su DuckDuckGo e restituisce i risultati
- Il tuo modello locale elabora i risultati della ricerca e ti fornisce una risposta esaustiva
- Tutto resta sulla tua macchina tranne la query di ricerca web effettiva
Configurazione pratica: i passaggi concreti
Preparare le basi
Per prima cosa, avrai bisogno di Ollama in esecuzione con un modello che supporti le chiamate a strumenti. Raccomandiamo qwen3:30b-a3b per un buon equilibrio tra capacità e velocità:
# Install and start Ollama
ollama pull qwen3:30b-a3b
ollama serve
Installazione di mcphost
mcphost è scritto in Go, quindi devi prima installare Go:
# On macOS
brew install go
# On Ubuntu/Debian
sudo apt install golang-go
# Install mcphost
go install github.com/mark3labs/mcphost@latest
# Make sure it's in your PATH
export PATH=$PATH:$(go env GOPATH)/bin
Configurazione della ricerca DuckDuckGo
Clona e configura il server MCP DuckDuckGo:
git clone https://github.com/nickclyde/duckduckgo-mcp-server
cd duckduckgo-mcp-server
pip install uv # if you don't have it
uv sync
Una configurazione che funziona davvero
Crea un file di configurazione nel percorso ~/.mcphost.json:
{
"mcpServers": {
"duckduckgo-search": {
"command": "uv",
"args": [
"run",
"--directory",
"/path/to/your/duckduckgo-mcp-server",
"python",
"src/duckduckgo_mcp_server/server.py"
]
}
}
}
Sostituisci /path/to/your/duckduckgo-mcp-server con il percorso effettivo in cui hai clonato il repository.
Utilizzare il tuo nuovo assistente IA
Una volta che tutto è in esecuzione, puoi interagire con la tua IA in diversi modi:
Chat interattiva
# Start a conversation
mcphost -m ollama:qwen3:30b-a3b
Questo ti fornisce un'interfaccia di chat dove puoi avere conversazioni prolungate e chiedere ricerche web quando necessario.
Domande singole
# Get a quick answer
mcphost -m ollama:qwen3:30b-a3b -p "Search for information about EU data privacy laws"
Script automatizzati
# Save results to a file
mcphost -m ollama:qwen3:30b-a3b -p "Search for competitors in the bowling equipment market" --quiet > research.txt
Cosa puoi effettivamente fare con questo
Ricerca e verifica dei fatti
Chiedi alla tua IA di cercare informazioni aggiornate su argomenti rilevanti per la tua attività. Poiché utilizza DuckDuckGo, ottieni buoni risultati web senza tracciamento.
Ricerca di contenuti
«Cerca le tendenze recenti nell’imballaggio sostenibile» ti fornisce informazioni aggiornate che il modello può poi analizzare e riassumere sulla base del suo addestramento.
Analisi della concorrenza
«Cerca notizie su [nome concorrente] e riassumi le sue attività recenti» fornisce informazioni aggiornate senza condividere la tua analisi con un fornitore di IA cloud; le query di ricerca vengono comunque inviate a DuckDuckGo.
Risoluzione di problemi tecnici
«Cerca soluzioni ai problemi dei limiti di frequenza delle richieste API» può aiutarti a trovare le buone pratiche attuali ed esempi di codice.
La connessione con n8n: l'automazione dei flussi di lavoro incontra l'IA
Ecco dove le cose diventano davvero interessanti. Proprio come abbiamo mostrato come gestire n8n sulla tua infrastruttura per automatizzare i flussi di lavoro, questa configurazione IA locale può essere integrata in flussi di lavoro automatizzati.
Immagina di attivare la tua IA locale tramite flussi di lavoro n8n:
- Ricerca automatizzata: flussi di lavoro giornalieri che cercano notizie di settore e compilano riassunti
- Generazione di contenuti: creazione di contenuti attivata da eventi del calendario o invii di moduli
- Analisi dei dati: elaborazione automatizzata di documenti caricati con approfondimenti IA
- Assistenza clienti: elaborazione IA locale dei ticket di assistenza prima della revisione umana
La combinazione di n8n gestito sulla propria infrastruttura e IA locale crea uno stack di automazione potente dove i tuoi dati restano sulla tua infrastruttura, a eccezione delle query di ricerca web inviate dall’assistente. Ottieni la comodità dell’automazione con un controllo molto maggiore sui tuoi dati.
Possibilità di integrazione future
Stiamo esplorando diversi modi per collegare questi sistemi:
- Endpoint HTTP dalla tua IA locale che n8n può chiamare
- Integrazione basata su file dove n8n attiva l'elaborazione IA sui documenti
- Flussi di lavoro su database dove i risultati IA alimentano processi aziendali automatizzati
- Automazione email dove la tua IA locale aiuta a redigere e personalizzare le risposte
Proprio come i nostri strumenti di automazione WordPress semplificano la gestione dei contenuti, combinare l'IA locale con i flussi di lavoro n8n può automatizzare processi aziendali complessi mantenendo la sovranità sui dati.
I vantaggi reali
Privacy che conta davvero
Le tue conversazioni aziendali, le discussioni interne e il pensiero strategico restano sul tuo hardware. Solo le tue query di ricerca web escono (verso DuckDuckGo, orientato alla privacy). Non contengono l’intera conversazione, ma il testo della query può di per sé rivelare a cosa stai lavorando: tienilo presente per gli argomenti sensibili.
Nessun costo di abbonamento IA
Dopo la configurazione iniziale, non ci sono costi ricorrenti di abbonamento IA né tariffe per token, anche se hardware, elettricità ed eventuale hosting continuano ad avere un costo. Stai usando il tuo hardware per eseguire tutto – come il self-hosting di n8n evita i costi dei costosi strumenti SaaS per la gestione dei flussi di lavoro.
Prestazioni affidabili
Con una configurazione appropriata, questa soluzione è notevolmente stabile. Niente più problemi come «il servizio IA è fuori uso» o «abbiamo raggiunto il limite mensile».
Personalizzabile ed estensibile
Vuoi aggiungere la ricerca nel database? La lettura dei file? Logica aziendale personalizzata? L'ecosistema MCP rende l'aggiunta di nuove capacità semplice, e l'eventuale integrazione con i tuoi flussi di lavoro n8n apre infinite possibilità di automazione.
Problemi comuni e soluzioni
Errori «Command Not Found»
Assicurati che la directory dei binari Go sia nel tuo PATH:
echo 'export PATH=$PATH:$(go env GOPATH)/bin' >> ~/.zshrc
source ~/.zshrc
Timeout di connessione
Di solito significa che il server MCP non si avvia correttamente. Testalo manualmente:
cd /path/to/duckduckgo-mcp-server
uv run python src/duckduckgo_mcp_server/server.py
Il modello non risponde alle chiamate a strumenti
Assicurati di utilizzare un modello che supporti le chiamate a funzioni. Non tutti i modelli Ollama hanno questa capacità integrata.
Prestazioni lente
Considera l’utilizzo di un modello più piccolo (come qwen3:8b) se il tuo hardware è limitato. Abbassare la temperatura rende le risposte più mirate, ma controlla la casualità anziché la velocità:
mcphost -m ollama:qwen3:8b --temperature 0.3 -p "your question"
Considerazioni infrastrutturali
Se gestisci già servizi come n8n sulla tua infrastruttura, puoi valutare di ospitarvi anche questa soluzione. La configurazione che abbiamo descritto per n8n su Hetzner Cloud può facilmente ospitare anche Ollama – avrai solo bisogno di più RAM e CPU per i modelli linguistici.
Una configurazione tipica potrebbe includere:
- Hetzner CCX42 o simile per le risorse necessarie ai modelli più grandi (il solo qwen3:30b-a3b richiede un download di 19 GB; senza una GPU, aspettati risposte più lente)
- Containerizzazione Docker per una gestione semplice accanto a n8n
- Reverse proxy Traefik per accesso sicuro (se desideri l'accesso remoto)
- Archiviazione condivisa per modelli e dati dei flussi di lavoro
Vale la pena dedicare tempo alla configurazione?
Se utilizzi regolarmente l'IA per attività aziendali e tieni alla privacy, assolutamente sì. La configurazione iniziale richiede alcune ore, ma ti ritrovi con un assistente IA capace che:
- Funziona offline (tranne per le ricerche web)
- Non invia le tue conversazioni a terze parti (solo le query di ricerca vengono inviate a DuckDuckGo)
- Non prevede costi di abbonamento IA né tariffe per token dopo la configurazione (hardware, elettricità e hosting continuano ad avere un costo)
- Può essere esteso con capacità aggiuntive secondo le necessità
- Si integra con i servizi che già gestisci sulla tua infrastruttura
Per i team che gestiscono informazioni sensibili o operano in settori regolamentati, questa configurazione mantiene le conversazioni al di fuori dei fornitori di IA cloud, il che può semplificare la conformità normativa; devi comunque valutare il tuo ambiente, comprese le query di ricerca inviate all’esterno.
La combinazione di elaborazione locale con accesso web selettivo trova un equilibrio pratico tra capacità e privacy che è difficile da raggiungere con soluzioni puramente cloud o puramente locali. E quando aggiungi l'automazione dei flussi di lavoro, stai costruendo una base per un'automazione aziendale veramente sofisticata che resta sotto il tuo controllo.
Quali sono i prossimi passi?
Stiamo lavorando attivamente a integrazioni più profonde tra configurazioni IA locali e piattaforme di automazione dei flussi di lavoro. Tieni d'occhio i futuri post che tratteranno:
- Configurazioni Docker per ambienti combinati n8n + Ollama
- Server MCP personalizzati per fonti dati specifiche dell'azienda
- Modelli di flussi di lavoro che sfruttano l'IA locale per processi aziendali comuni
- Rafforzamento della sicurezza per distribuzioni in produzione
Il futuro dell'automazione aziendale non riguarda solo il collegamento di servizi esistenti – si tratta di avere sistemi intelligenti che possano ragionare, ricercare e agire per conto tuo mantenendo tutto sotto il tuo controllo.
Se incontri problemi durante la configurazione o vuoi estendere questa configurazione per il tuo caso d'uso specifico, siamo lieti di aiutarti nella risoluzione dei problemi attraverso i nostri canali di supporto standard.