L’intelligenza artificiale sta iniziando a entrare direttamente nei software utilizzati per progettare. Un esempio recente arriva da McNeel, che ha reso disponibile Rhino MCP Platform, un sistema che permette di collegare Rhino e Grasshopper ad assistenti AI come Claude, Codex, Gemini o GitHub Copilot.
La novità non consiste semplicemente nell’avere un chatbot dentro Rhino. L’assistente può leggere alcune informazioni presenti nel modello e utilizzare gli strumenti messi a disposizione dal software: creare geometrie, eseguire comandi, organizzare layer, modificare script o costruire definizioni Grasshopper. Alla base di questo collegamento c’è MCP, Model Context Protocol, uno standard di cui probabilmente sentiremo parlare sempre più spesso anche nei software per la progettazione.
>> Se vuoi ricevere notizie come questa direttamente sul tuo smartphone iscriviti al nostro nuovo canale Telegram!
Consigliamo:
Intelligenza Artificiale generativa per progettisti
Un volume operativo e metodologico per integrare l’intelligenza artificiale generativa negli studi di progettazione con consapevolezza, controllo e responsabilità. L’opera accompagna il lettore dalla scelta degli strumenti alle applicazioni concrete nel lavoro quotidiano, trasformando la sperimentazione episodica in una struttura di lavoro stabile.
Il libro parte da una domanda essenziale per ogni professionista: quali operazioni ha senso affidare all’AI, in quale fase del processo e con quale controllo sull’output? Da questa prospettiva, l’intelligenza artificiale non viene presentata come una scorciatoia tecnica, ma come un tema di metodo, da governare all’interno del progetto.
Vantaggi chiave Metodo a prova di obsolescenza, organizzato su tre scale: metodo, pratiche e strategia.
Applicazioni concrete per immagini, narrazioni visive, alternative spaziali, testi tecnici e analisi normativa.
Esercizi guidati per generare immagini, esplorare varianti volumetriche, scrivere documenti tecnici e interrogare la normativa.
Focus sugli agenti AI e sull’automazione di operazioni ricorrenti, con attenzione a limiti, responsabilità e controllo del progettista.
Casi studio di MVRDV, Studio Tim Fu, Lombardini22 e Settanta7, con esperienze reali di integrazione dell’AI nella pratica professionale.
Strategie per organizzare archivi visivi, gestire dati sensibili e ridistribuire competenze interne in modo sostenibile.
Estensione digitale con chatbot conversazionale: guida al testo, supporto su metodo e termini, approfondimento di casi studio e strumenti. Un riferimento indispensabile per introdurre l’AI nella progettazione senza perdere il controllo del processo. Acquista il volume e costruisci un metodo di lavoro più consapevole, aggiornato e competitivo.
Luciana Mastrolia è architetta e dottoressa di ricerca presso il Politecnico di Torino, dove svolge ricerca e docenza sui processi di trasformazione digitale degli studi professionali. Affianca professionisti e organizzazioni come consulente per l’introduzione dell’AI nei flussi di lavoro e svolge in parallelo attività di progettazione.
Federica Joe Gardella è architetta e dottoressa di ricerca in Architettura presso il Politecnico di Torino. La sua attività di ricerca e didattica si concentra sull’integrazione dell’intelligenza artificiale nella progettazione architettonica, con particolare attenzione agli strumenti generativi, ai processi progettuali aumentati e alle trasformazioni della pratica professionale.
Luciana Mastrolia, Federica Joe Gardella | Maggioli Editore
Che cos’è MCP?
MCP è uno standard aperto che permette alle applicazioni di intelligenza artificiale di collegarsi a dati e strumenti esterni. Per capire la differenza basta pensare a come abbiamo utilizzato finora un chatbot insieme a un programma di modellazione. Possiamo chiedere all’AI, ad esempio, di scrivere uno script per Rhino. Il chatbot produce il codice, ma siamo noi a doverlo copiare nel programma, eseguirlo e verificare il risultato.
Con un collegamento MCP alcuni di questi passaggi possono avvenire direttamente. Il software rende disponibili determinate funzioni e l’assistente AI può richiamarle per rispondere alla richiesta dell’utente.
Il passaggio, semplificando, è quindi da: prompt → risposta → utente → software a: prompt → assistente AI → strumenti del software.
Questo non significa dare all’AI accesso indistinto al programma. È l’integrazione MCP a definire quali informazioni possono essere lette e quali operazioni possono essere eseguite. MCP costituisce, in sostanza, un linguaggio comune attraverso cui l’assistente può utilizzare strumenti esterni.
Cosa può fare oggi in Rhino?
Il caso di Rhino rende questa differenza particolarmente evidente. La Rhino MCP Platform, sviluppata da McNeel, collega Rhino e Grasshopper agli assistenti compatibili con MCP. L’assistente può vedere il contenuto dei file, creare geometrie, eseguire comandi, scrivere o modificare script e intervenire sulle definizioni Grasshopper.
Gli esempi pubblicati da McNeel comprendono operazioni molto diverse: distribuire automaticamente gli elementi di un modello sui layer, produrre variazioni di una geometria, costruire una definizione Grasshopper attraverso una richiesta in linguaggio naturale oppure partire da un’immagine per ottenere una prima costruzione parametrica.
La differenza rispetto al normale utilizzo di ChatGPT o Claude è quindi concreta.
Possiamo immaginare, per esempio, di chiedere: “Prendi gli oggetti presenti nel modello e organizzali su layer differenti in base alla loro tipologia”. L’assistente non si limita a spiegare come impostare i layer o a suggerire uno script: può utilizzare direttamente gli strumenti di Rhino messi a sua disposizione per svolgere l’operazione.
McNeel presenta già Rhino MCP come compatibile con diversi assistenti, tra cui Claude, OpenAI Codex, Gemini, GitHub Copilot e modelli eseguiti localmente.
E gli altri programmi di modellazione?
Rhino rappresenta oggi uno degli esempi più strutturati, ma MCP non è una tecnologia specifica di McNeel. Anche attorno a SketchUp sono nate sperimentazioni che collegano il programma ad assistenti AI attraverso MCP. In questo caso, però, è necessario distinguere tra progetti sviluppati dalla community e integrazioni ufficiali.
Un segnale significativo è arrivato dalla stessa Trimble: nel maggio 2026 l’azienda ha invitato gli sviluppatori di estensioni SketchUp a collaborare allo sviluppo di progetti MCP destinati ai propri sistemi Trimble AI Studio e Trimble Assistant. Non siamo quindi ancora di fronte a una soluzione equivalente alla piattaforma già disponibile per Rhino, ma la direzione è simile: permettere agli assistenti AI di interagire con gli strumenti utilizzati per costruire e modificare i modelli, invece di rimanere confinati nella finestra di una chat.
Cosa cambia per il progettista?
L’aspetto più interessante, almeno nel breve periodo, probabilmente non è chiedere all’AI di “progettare un edificio”. Sono molto più concrete le applicazioni sulle attività quotidiane: organizzare oggetti e layer, apportare modifiche ripetitive, produrre serie di varianti, interrogare ciò che è presente nel modello oppure utilizzare attraverso il linguaggio naturale procedure che oggi richiedono comandi, script o definizioni parametriche.
Il prompt comincia quindi ad assumere un ruolo diverso. Non serve più soltanto a produrre un testo, un’immagine o del codice: può diventare anche un modo per richiamare e combinare azioni all’interno degli strumenti di lavoro.
Rimane però un punto fondamentale. Il fatto che un assistente possa eseguire un’operazione non significa che sappia automaticamente se quell’operazione sia corretta dal punto di vista progettuale o tecnico. Può costruire una geometria, modificare decine di elementi o generare una definizione Grasshopper. Stabilire cosa modificare, secondo quali criteri e se il risultato sia effettivamente utilizzabile rimane responsabilità del progettista.
Più che eliminare il controllo umano, queste integrazioni spostano quindi l’attenzione su quali operazioni affidare all’AI, quali strumenti renderle disponibili e come verificarne i risultati.
MCP e il passaggio dagli assistenti conversazionali a sistemi capaci di utilizzare direttamente strumenti esterni sono anche tra i temi a cui faremo cenno nel corso Intelligenza Artificiale Generativa per Progettisti dedicato all’integrazione dell’AI nelle attività quotidiane dello studio professionale.
Per approfondire
La rubrica settimanale “Architectural Prompting” è a cura degli esperti Luciana Mastrolia, Giovanna Panucci e Andrea Tinazzo
>> Se ti interessano queste tematiche, iscriviti anche alla Newsletter Linkedin gratuita AI & Design per Tecnici, ne parliamo qui!
Consigliamo:
Intelligenza Artificiale generativa per progettisti
Un volume operativo e metodologico per integrare l’intelligenza artificiale generativa negli studi di progettazione con consapevolezza, controllo e responsabilità. L’opera accompagna il lettore dalla scelta degli strumenti alle applicazioni concrete nel lavoro quotidiano, trasformando la sperimentazione episodica in una struttura di lavoro stabile.
Il libro parte da una domanda essenziale per ogni professionista: quali operazioni ha senso affidare all’AI, in quale fase del processo e con quale controllo sull’output? Da questa prospettiva, l’intelligenza artificiale non viene presentata come una scorciatoia tecnica, ma come un tema di metodo, da governare all’interno del progetto.
Vantaggi chiave Metodo a prova di obsolescenza, organizzato su tre scale: metodo, pratiche e strategia.
Applicazioni concrete per immagini, narrazioni visive, alternative spaziali, testi tecnici e analisi normativa.
Esercizi guidati per generare immagini, esplorare varianti volumetriche, scrivere documenti tecnici e interrogare la normativa.
Focus sugli agenti AI e sull’automazione di operazioni ricorrenti, con attenzione a limiti, responsabilità e controllo del progettista.
Casi studio di MVRDV, Studio Tim Fu, Lombardini22 e Settanta7, con esperienze reali di integrazione dell’AI nella pratica professionale.
Strategie per organizzare archivi visivi, gestire dati sensibili e ridistribuire competenze interne in modo sostenibile.
Estensione digitale con chatbot conversazionale: guida al testo, supporto su metodo e termini, approfondimento di casi studio e strumenti. Un riferimento indispensabile per introdurre l’AI nella progettazione senza perdere il controllo del processo. Acquista il volume e costruisci un metodo di lavoro più consapevole, aggiornato e competitivo.
Luciana Mastrolia è architetta e dottoressa di ricerca presso il Politecnico di Torino, dove svolge ricerca e docenza sui processi di trasformazione digitale degli studi professionali. Affianca professionisti e organizzazioni come consulente per l’introduzione dell’AI nei flussi di lavoro e svolge in parallelo attività di progettazione.
Federica Joe Gardella è architetta e dottoressa di ricerca in Architettura presso il Politecnico di Torino. La sua attività di ricerca e didattica si concentra sull’integrazione dell’intelligenza artificiale nella progettazione architettonica, con particolare attenzione agli strumenti generativi, ai processi progettuali aumentati e alle trasformazioni della pratica professionale.
Luciana Mastrolia, Federica Joe Gardella | Maggioli Editore
Consigliamo anche:
