# Contexte Tech diventa open source: un hub per tutto ciò che adatta un modello di IA type: article | language: it | date: 2026-09-27 | author: Tony, creatore di Contexte Tech | tags: open source, sovranità, LLM, MCP url: https://contextetech.com/it/articles/contextetech-open-source description: Perché ho costruito Contexte Tech, come funziona dietro le quinte e perché il codice è pubblicato con licenza AGPL-3.0. other languages: fr: https://contextetech.com/articles/contextetech-open-source en: https://contextetech.com/en/articles/contextetech-open-source es: https://contextetech.com/es/articles/contextetech-open-source de: https://contextetech.com/de/articles/contextetech-open-source nl: https://contextetech.com/nl/articles/contextetech-open-source pt: https://contextetech.com/pt/articles/contextetech-open-source sv: https://contextetech.com/sv/articles/contextetech-open-source pl: https://contextetech.com/pl/articles/contextetech-open-source all articles: https://contextetech.com/it/articles --- Da sei mesi passo buona parte delle mie giornate ad «adattare» modelli linguistici a casi concreti: un prompt di sistema qui, tre esempi few-shot là, un server MCP perché l'assistente legga i miei file, una configurazione LoRA quando il prompt non basta più. E ogni volta la stessa frustrazione: questi mattoni sono sparsi. Un prompt in un gist, un dataset su Hugging Face, un server MCP in un README, una configurazione di Claude Code in un angolo del progetto. **Contexte Tech** è nato da qui: un unico posto per tutto ciò che adatta un modello di IA, ordinato, testato e pronto da copiare. Il sito è online su [contextetech.com](https://contextetech.com), e il codice della sua prima versione (v1) ora è libero. ## Cosa si trova Undici tipi di risorse, raggruppati in tre famiglie: - **Produzione** (si usa il modello senza modificarlo): contesti, prompt, agenti, pipeline RAG; - **Addestramento** (lo si modifica): dataset di fine-tuning, configurazioni LoRA, valutazioni; - **Estensioni** (gli si danno strumenti): server MCP, skill, harness. Ogni risorsa si esporta direttamente nel formato dello strumento di destinazione: JSONL per un dataset, `SKILL.md` per una skill, `CLAUDE.md` e `settings.json` per un harness, la configurazione `mcpServers` per un server MCP. Due cose mi stavano a cuore, perché altrove mancano: 1. **«Testato su»**: ogni risorsa può indicare su quali modelli è stata provata, con il risultato (superato, parziale, non superato) e un punteggio. Un prompt che funziona su un modello e non su un altro è la quotidianità; tanto vale scriverlo. 2. **Il livello di rischio dei server MCP e degli harness**: prima di installare un server, si vuole sapere se legge file, li scrive, esce in rete o lancia comandi. La risorsa lo mostra chiaramente. ### Un esempio concreto **L'esigenza.** Una PMI vuole far riassumere i ticket di assistenza da un LLM. Problema: i ticket contengono nomi, telefoni, IBAN. Inviarli così come sono a un servizio esterno è una fuga di dati personali, e un problema di GDPR. **La risposta su Contexte Tech.** Invece di cercare dieci risorse in dieci posti, si segue un'unica catena: 1. il **contesto** [anonymisation-rgpd](https://contextetech.com/contextes/anonymisation-rgpd-pekk5y) sostituisce i dati personali con dei tag prima di qualsiasi invio: ```text Entrée : Bonjour, je suis Marie Dupont, joignable au 06 12 34 56 78. Sortie : Bonjour, je suis [PRENOM_1] [NOM_1], joignable au [TELEPHONE_1]. ``` 2. la **valutazione** [eval-anonymisation-rgpd](https://contextetech.com/evaluations/eval-anonymisation-rgpd-1lx4w2h) verifica che nessun dato passi, con casi di test pronti da lanciare; 3. se il prompt non basta più, il **dataset** [anonymisation-rgpd-fr](https://contextetech.com/datasets/anonymisation-rgpd-fr-1muzget) e la **configurazione LoRA** [mistral7b-anonymisation-qlora](https://contextetech.com/lora/mistral7b-anonymisation-qlora-187bztw) permettono di addestrare un piccolo modello che gira in locale; 4. l'**agente** [agent-tri-documents](https://contextetech.com/agents/agent-tri-documents-wn0rgt) e il **server MCP** [mcp-filesystem](https://contextetech.com/serveurs-mcp/mcp-filesystem-1lkmh25) automatizzano il trattamento di un'intera cartella. Un'esigenza, una catena di risorse collegate tra loro, ognuna esportabile nel formato giusto. ## Dietro le quinte Volevo uno stack semplice, veloce e interamente ospitabile in proprio: - **Sito**: [Astro](https://astro.build) con rendering lato server, con qualche isola [Svelte](https://svelte.dev) solo dove serve interattività (modulo di pubblicazione, pulsante «mi piace»). Tutto il resto è HTML; la home pesa circa 16 KB. - **API**: [FastAPI](https://fastapi.tiangolo.com) e SQLAlchemy asincrono, PostgreSQL 17 per i dati, Redis per la cache e i limiti contro gli abusi. La cache viene invalidata da un semplice contatore di versione incrementato a ogni pubblicazione: nessuna pulizia fine da gestire. - **Rete**: Caddy davanti (TLS automatico, HTTP/3), poi la CDN europea Bunny (Slovenia) per i file statici, in cache per un anno grazie ai nomi di file con versione. - **Cinque lingue** (francese, inglese, spagnolo, tedesco, italiano). Una finezza per il posizionamento: una risorsa scritta in francese è indicizzata solo in francese; le sue versioni `/en/…` traducono l'interfaccia ma puntano all'originale come canonico. Altrimenti Google vede cinque copie dello stesso testo. - **Indirizzi leggibili e unici**: `/prompts/resume-article-technique-k3j9a2`. Il suffisso è un hash FNV-1a dell'identificatore interno, calcolato in modo identico in Python e in JavaScript. Due autori possono scegliere lo stesso nome senza pestarsi i piedi. - **Nessun tracciatore**: nessun cookie pubblicitario; le visite sono misurate da Plausible, ospitato in proprio, senza cookie né dati personali. ## Un progetto sovrano Contexte Tech è progettato e ospitato in Europa, senza dipendere dai giganti americani del cloud: - **Server e database** su Scaleway, in Francia (PostgreSQL gestito, server dedicato); - **CDN e DNS** su Bunny, un'azienda europea con sede in Slovenia; - **E-mail** tramite Proton, in Svizzera, cifrate e firmate (SPF, DKIM, DMARC); - **Font, script e stili** serviti dal sito stesso: niente Google Fonts, niente CDN di terzi; statistiche Plausible ospitate in proprio, senza cookie; - **Editore**: un'azienda francese, soggetta al GDPR. Unica eccezione, voluta: il codice è pubblicato in mirror su GitHub e GitLab, perché è lì che si trovano gli sviluppatori. La versione di lavoro, invece, vive sul nostro server. ## Perché l'AGPL-3.0 Ho esitato con Apache-2.0 (la licenza delle librerie di Hugging Face). Ho scelto l'**AGPL-3.0**: puoi usare e modificare Contexte Tech, a condizione di pubblicare le tue modifiche se lo offri online. È la licenza di Mastodon o di Plausible, e garantisce che un hub aperto resti aperto. Le risorse, invece, mantengono ciascuna la licenza scelta dal loro autore (MIT, CC BY 4.0…). ## A che punto è il progetto È l'inizio, e preferisco essere onesto: il catalogo parte con una risorsa per tipo, attorno a uno stesso caso concreto (l'anonimizzazione GDPR di testi prima dell'invio a un servizio esterno). Ha soprattutto bisogno delle tue risorse, dei tuoi riscontri e dei tuoi test. - Il sito: [contextetech.com](https://contextetech.com) - Il codice della v1: [github.com/contexte-tech/contextetech](https://github.com/contexte-tech/contextetech) (mirror su GitLab). In seguito il sito evolve in una v2 sviluppata internamente. - Contribuire: leggi `CONTRIBUTING.md`, oppure pubblica semplicemente la tua prima risorsa. Se hai un prompt che usi ogni giorno, un server MCP che ti piace o una configurazione di Claude Code ben regolata, questo è il posto giusto per condividerla.
Contexte Tech diventa open source: un hub per tutto ciò che adatta un modello di IA
Tony, creatore di Contexte Tech · 27 settembre 2026
Da sei mesi passo buona parte delle mie giornate ad «adattare» modelli linguistici a casi concreti: un prompt di sistema qui, tre esempi few-shot là, un server MCP perché l’assistente legga i miei file, una configurazione LoRA quando il prompt non basta più. E ogni volta la stessa frustrazione: questi mattoni sono sparsi. Un prompt in un gist, un dataset su Hugging Face, un server MCP in un README, una configurazione di Claude Code in un angolo del progetto.
Contexte Tech è nato da qui: un unico posto per tutto ciò che adatta un modello di IA, ordinato, testato e pronto da copiare. Il sito è online su contextetech.com, e il codice della sua prima versione (v1) ora è libero.
Cosa si trova
Undici tipi di risorse, raggruppati in tre famiglie:
- Produzione (si usa il modello senza modificarlo): contesti, prompt, agenti, pipeline RAG;
- Addestramento (lo si modifica): dataset di fine-tuning, configurazioni LoRA, valutazioni;
- Estensioni (gli si danno strumenti): server MCP, skill, harness.
Ogni risorsa si esporta direttamente nel formato dello strumento di destinazione: JSONL per un dataset, SKILL.md per una skill, CLAUDE.md e settings.json per un harness, la configurazione mcpServers per un server MCP.
Due cose mi stavano a cuore, perché altrove mancano:
- «Testato su»: ogni risorsa può indicare su quali modelli è stata provata, con il risultato (superato, parziale, non superato) e un punteggio. Un prompt che funziona su un modello e non su un altro è la quotidianità; tanto vale scriverlo.
- Il livello di rischio dei server MCP e degli harness: prima di installare un server, si vuole sapere se legge file, li scrive, esce in rete o lancia comandi. La risorsa lo mostra chiaramente.
Un esempio concreto
L’esigenza. Una PMI vuole far riassumere i ticket di assistenza da un LLM. Problema: i ticket contengono nomi, telefoni, IBAN. Inviarli così come sono a un servizio esterno è una fuga di dati personali, e un problema di GDPR.
La risposta su Contexte Tech. Invece di cercare dieci risorse in dieci posti, si segue un’unica catena:
- il contesto anonymisation-rgpd sostituisce i dati personali con dei tag prima di qualsiasi invio:
Entrée : Bonjour, je suis Marie Dupont, joignable au 06 12 34 56 78.
Sortie : Bonjour, je suis [PRENOM_1] [NOM_1], joignable au [TELEPHONE_1].
- la valutazione eval-anonymisation-rgpd verifica che nessun dato passi, con casi di test pronti da lanciare;
- se il prompt non basta più, il dataset anonymisation-rgpd-fr e la configurazione LoRA mistral7b-anonymisation-qlora permettono di addestrare un piccolo modello che gira in locale;
- l’agente agent-tri-documents e il server MCP mcp-filesystem automatizzano il trattamento di un’intera cartella.
Un’esigenza, una catena di risorse collegate tra loro, ognuna esportabile nel formato giusto.
Dietro le quinte
Volevo uno stack semplice, veloce e interamente ospitabile in proprio:
- Sito: Astro con rendering lato server, con qualche isola Svelte solo dove serve interattività (modulo di pubblicazione, pulsante «mi piace»). Tutto il resto è HTML; la home pesa circa 16 KB.
- API: FastAPI e SQLAlchemy asincrono, PostgreSQL 17 per i dati, Redis per la cache e i limiti contro gli abusi. La cache viene invalidata da un semplice contatore di versione incrementato a ogni pubblicazione: nessuna pulizia fine da gestire.
- Rete: Caddy davanti (TLS automatico, HTTP/3), poi la CDN europea Bunny (Slovenia) per i file statici, in cache per un anno grazie ai nomi di file con versione.
- Cinque lingue (francese, inglese, spagnolo, tedesco, italiano). Una finezza per il posizionamento: una risorsa scritta in francese è indicizzata solo in francese; le sue versioni
/en/…traducono l’interfaccia ma puntano all’originale come canonico. Altrimenti Google vede cinque copie dello stesso testo. - Indirizzi leggibili e unici:
/prompts/resume-article-technique-k3j9a2. Il suffisso è un hash FNV-1a dell’identificatore interno, calcolato in modo identico in Python e in JavaScript. Due autori possono scegliere lo stesso nome senza pestarsi i piedi. - Nessun tracciatore: nessun cookie pubblicitario; le visite sono misurate da Plausible, ospitato in proprio, senza cookie né dati personali.
Un progetto sovrano
Contexte Tech è progettato e ospitato in Europa, senza dipendere dai giganti americani del cloud:
- Server e database su Scaleway, in Francia (PostgreSQL gestito, server dedicato);
- CDN e DNS su Bunny, un’azienda europea con sede in Slovenia;
- E-mail tramite Proton, in Svizzera, cifrate e firmate (SPF, DKIM, DMARC);
- Font, script e stili serviti dal sito stesso: niente Google Fonts, niente CDN di terzi; statistiche Plausible ospitate in proprio, senza cookie;
- Editore: un’azienda francese, soggetta al GDPR.
Unica eccezione, voluta: il codice è pubblicato in mirror su GitHub e GitLab, perché è lì che si trovano gli sviluppatori. La versione di lavoro, invece, vive sul nostro server.
Perché l’AGPL-3.0
Ho esitato con Apache-2.0 (la licenza delle librerie di Hugging Face). Ho scelto l’AGPL-3.0: puoi usare e modificare Contexte Tech, a condizione di pubblicare le tue modifiche se lo offri online. È la licenza di Mastodon o di Plausible, e garantisce che un hub aperto resti aperto.
Le risorse, invece, mantengono ciascuna la licenza scelta dal loro autore (MIT, CC BY 4.0…).
A che punto è il progetto
È l’inizio, e preferisco essere onesto: il catalogo parte con una risorsa per tipo, attorno a uno stesso caso concreto (l’anonimizzazione GDPR di testi prima dell’invio a un servizio esterno). Ha soprattutto bisogno delle tue risorse, dei tuoi riscontri e dei tuoi test.
- Il sito: contextetech.com
- Il codice della v1: github.com/contexte-tech/contextetech (mirror su GitLab). In seguito il sito evolve in una v2 sviluppata internamente.
- Contribuire: leggi
CONTRIBUTING.md, oppure pubblica semplicemente la tua prima risorsa.
Se hai un prompt che usi ogni giorno, un server MCP che ti piace o una configurazione di Claude Code ben regolata, questo è il posto giusto per condividerla.