Da AWS un server MCP per semplificare la ricerca negli open data scientifici

Il problema degli open data scientifici non è soltanto renderli disponibili. Bisogna anche riuscire a trovare quelli utili, comprenderne la struttura, verificare la licenza e controllare il contenuto dei file prima di avviare un’analisi.

Per risolverlo, AWS ha reso disponibile RODA MCP Server, un nuovo server MCP open source che collega gli assistenti di IA al Registry of Open Data on AWS.

La soluzione espone attraverso il Model Context Protocol una serie di strumenti che gli assistenti compatibili possono richiamare durante una conversazione. AWS cita esplicitamente Kiro e Claude Code, ma il server può essere collegato anche ad altri client MCP.

Ricerca, anteprima e campionamento dei dataset

Una volta configurato, il server consente di cercare i dataset per argomento, organizzazione, licenza o parole chiave. Può restituire metadati, modalità di accesso e risorse correlate, oltre a individuare archivi simili sulla base dei tag condivisi.

Per i dataset completamente pubblici può anche mostrare la struttura dei bucket Amazon S3 e leggere un campione dei file direttamente all’interno della conversazione. L’implementazione attuale limita il campionamento ai primi 100 KB del file: una quantità sufficiente per controllare formato, variabili e organizzazione dei dati, ma non per svolgere l’analisi vera e propria.

Un ricercatore può quindi chiedere quali dataset genomici siano disponibili con una determinata licenza, cercare dati satellitari sulla temperatura del suolo oppure visualizzare la struttura del progetto 1000 Genomes senza passare manualmente tra cataloghi, documentazione e bucket.

AWS sostiene che il sistema possa ridurre da ore a pochi secondi il tempo necessario per individuare i dati. La società non ha però pubblicato benchmark o misurazioni indipendenti. Il vantaggio verificabile consiste soprattutto nell’accorpamento, dentro un’unica interfaccia conversazionale, di operazioni che normalmente richiedono diversi passaggi.

Oltre 1.100 dataset, ma con modalità di accesso differenti

Il Registry of Open Data on AWS aveva raggiunto a giugno 2026 quota 1.122 dataset, per oltre 400 petabyte di dati, messi a disposizione da più di 400 organizzazioni. Tra i fornitori figurano NASA, NOAA, National Institutes of Health e Allen Institute. I dataset sono ospitati sull’infrastruttura AWS, ma rimangono di proprietà e sotto la responsabilità delle organizzazioni che li pubblicano.

La definizione di “open data” non implica inoltre che ogni archivio sia accessibile senza condizioni. Il repository distingue tre categorie: dataset pubblici consultabili senza un account AWS; dataset che richiedono credenziali e possono prevedere il pagamento dei costi di trasferimento o calcolo da parte dell’utente; archivi ad accesso controllato, soprattutto in campo sanitario, per i quali sono necessarie ulteriori autorizzazioni.

Le funzioni di anteprima e campionamento sono disponibili soltanto per la prima categoria. Le licenze devono comunque essere verificate singolarmente prima dell’utilizzo dei dati.

Codice su GitHub con licenza Apache 2.0

Il RODA MCP Server è pubblicato nel repository degli MCP Server di AWS Labs con licenza Apache 2.0. L’installazione richiede Python 3.10 o versioni successive e il package manager uv.

AWS specifica che il software è destinato ad attività di sviluppo, test e valutazione e viene fornito senza garanzie sulla qualità o sull’affidabilità dei risultati. Il repository ricorda inoltre che i modelli linguistici possono commettere errori e che le risposte devono essere verificate prima di utilizzare il sistema in ambienti operativi.

"Gli open data rappresentano il fondamento del progresso scientifico, ma trovare il dataset giusto non dovrebbe richiedere competenze tecniche specialistiche. Questo strumento mette l’intelligenza artificiale al servizio dei ricercatori di tutto il mondo, che si occupino di cambiamento climatico, di mappare la diffusione delle malattie o di sequenziare genomi, consentendo loro di dedicare meno tempo alla ricerca dei dati e più tempo a realizzare scoperte a beneficio di tutti", commenta Werner Vogels, CTO di Amazon.

"Sono davvero entusiasta che il nuovo AWS RODA MCP Server sia di pubblica disponibilità. Siamo riusciti a integrarlo rapidamente nella piattaforma Queryable Earth di Element 84 e ora possiamo implementare agenti in grado di individuare, visualizzare in anteprima ed elaborare dati ospitati nei repository AWS Open Data. Open data, specifiche aperte e GeoAI ci consentono di ripensare completamente il modo in cui estraiamo informazioni utili per la gestione delle emergenze e a supporto dei responsabili delle decisioni", afferma Dan Pilone di Element 84.

"La più grande opportunità dell’IA applicata alla scienza nasce dall’intersezione tra organizzazioni, dataset e discipline, dove connessioni inaspettate possono dare origine a scoperte completamente nuove. Strumenti come il RODA MCP Server favoriscono questa “serendipity”, offrendo agli scienziati e ai loro agenti di IA un accesso fluido e immediato a un’ampia varietà di dati affidabili, rendendo possibile una rapida innovazione interdisciplinare", spiega David Feng, Allen Institute.