Immagina di dire a un agente AI: "gestiscimi un'anagrafica clienti con nome, azienda, settore, ultimo contatto e note". Nessun foglio Excel da impostare, nessun database da configurare, nessuna applicazione da sviluppare. L'agente capisce la struttura dati che ti serve, la crea da solo nel suo database, e da quel momento la gestisce: inserisce, cerca, aggiorna, cancella. Tu continui a parlare in linguaggio naturale. Lui lavora con i dati.

Questo è MCP Persistence, la nuova funzionalità disponibile su AIsuru.

Un database che si costruisce da solo

Il meccanismo è semplice nella logica, potente nelle implicazioni. Quando attivi MCP Persistence, l'agente riceve un database MongoDB dedicato e un set completo di operazioni: find, insert, update, delete, aggregate. Nel prompt descrivi a parole la struttura di ciò che deve gestire — collezioni, campi, relazioni — e l'agente inizia a operare.

Non crea solo record: crea lo schema. Decide come organizzare le informazioni, mantiene la consistenza, gestisce le relazioni tra entità diverse. Se gli dici "aggiungi al cliente X la nota che ha chiesto un preventivo per il progetto Y", lui sa dove trovare il cliente, dove salvare la nota, come collegarla. Se gli chiedi "mostrami tutti i clienti del settore manifatturiero che non sento da più di un mese", costruisce la query, la esegue, ti restituisce il risultato. Se serve una tabella, la visualizza direttamente in conversazione.

La differenza rispetto a un database tradizionale è chi lo usa. Non servono competenze tecniche, non serve SQL, non serve un'interfaccia. L'interfaccia è la conversazione.

Chiunque può costruire un'applicazione, parlando

È qui che il concetto diventa interessante. Con un agente che gestisce un database in autonomia, chiunque in azienda può costruirsi un'applicazione su misura semplicemente descrivendola.

Un responsabile eventi dice: "gestiscimi gli eventi del team con data, luogo, partecipanti confermati, budget previsto e stato di preparazione." L'agente crea la struttura, inizia a registrare gli eventi, e da quel momento risponde a domande come "quali eventi abbiamo in programma questo mese?" o "quanto budget abbiamo allocato per il Q3?".

Un project manager dice: "tieni un changelog dei progetti con data, descrizione della modifica, autore e impatto." Ha un diario di progetto interrogabile in linguaggio naturale, senza aver aperto un tool di project management.

Un responsabile amministrativo dice: "registra le note spese con data, importo, categoria, progetto associato e stato del rimborso." Ha un expense tracker che compila parlando e da cui può estrarre report con una domanda.

Un team di supporto dice: "gestisci le segnalazioni dei clienti con titolo, descrizione, priorità, cliente, assegnatario e stato." Ha un issue tracker conversazionale, alimentato direttamente dalle chat con i clienti.

Nessuno di questi scenari richiede uno sviluppatore. Nessuno richiede una licenza software. La struttura dati nasce dalla descrizione, l'applicazione nasce dall'uso.

Agenti che gestiscono dati, non solo conversazioni

Il valore reale emerge quando la gestione autonoma del database si combina con le integrazioni già presenti sulla piattaforma.

Prendiamo l'agente commerciale integrato con Salesforce via MCP. Oggi analizza la pipeline e suggerisce i next step. Con Persistence, può costruirsi in autonomia un database parallelo dove traccia le strategie discusse con ogni commerciale, le obiezioni ricorrenti per ogni cliente, i pattern che portano alla chiusura. Non è un CRM — è un layer di intelligenza operativa che l'agente costruisce e alimenta da solo, conversazione dopo conversazione. Dopo un mese, quell'agente sa cose che nessun campo di Salesforce contiene.

Oppure prendiamo il connettore MCP SharePoint che abbiamo rilasciato open source. L'agente legge e scrive documenti sulla knowledge base aziendale. Con Persistence, può costruirsi un indice d'uso: quali documenti vengono richiesti più spesso, quali sezioni generano domande, dove le persone si bloccano. Nessuno gli ha chiesto di farlo — lo fa perché ha un database in cui può strutturare queste osservazioni e poi usarle per migliorare le risposte.

Stesso discorso per gli agenti formativi dell'AIsuru AI Academy. Con un database a disposizione, l'agente può strutturare autonomamente il profilo di ogni studente: competenze verificate, lacune identificate, esercizi completati, risultati dei quiz. Non segue un percorso fisso — si costruisce il modello dello studente e adatta il percorso di conseguenza.

In tutti questi casi il pattern è lo stesso: l'agente non si limita a rispondere. Raccoglie, organizza, struttura. Trasforma conversazioni in dati e dati in decisioni migliori.

Il confine tra chatbot e software

C'è una domanda che ci sentiamo fare spesso: "ma allora è un chatbot o è un'applicazione?". Con MCP Persistence la risposta è: dipende da cosa gli chiedi di fare. Un agente con accesso a un database che gestisce in autonomia può essere un CRM, un tracker, un organizzatore, un registro, un sistema di reportistica — qualsiasi cosa che si riduca a "dati strutturati + interazione". Con la differenza che non lo sviluppi: lo descrivi.

È il punto in cui la conversazione smette di essere solo un'interfaccia e diventa un modo di costruire software.

Disponibile ora su AIsuru.com. Per domande, demo o per raccontarci cosa ci avete costruito: demo@memori.ai