Integrazioni di Vera

Prima di iniziare

Il connettore MCP è il collegamento che consente all’app di cercare e leggere i documenti del tuo Second Brain.

1. Recupera l’URL del server MCP dalle istruzioni del tuo Second Brain o chiedilo a chi lo gestisce. È l’indirizzo del connettore, che può essere diverso dall’indirizzo del sito o della pagina di accesso. Non esiste un URL unico fornito da Vera.
2. Chiedi al gestore quale metodo di accesso usare e se il connettore funziona con la tua app. Per questi passaggi Codex richiede un server Streamable HTTP; un collegamento funzionante in Claude va verificato separatamente in Codex.
3. Usa il tuo account dello studio e individua l’archivio, la cartella o il ramo da consultare. Per la consultazione servono strumenti di ricerca e lettura; disabilita gli strumenti che scrivono o eliminano dati dove l’app lo consente.
4. Verifica che Vera sia installata e attiva nell’app scelta. L’installazione di Vera e il collegamento a Second Brain sono due operazioni distinte.

Second Brain è già collegato nella stessa app? Passa direttamente alla prova di lettura qui sotto.

Claude e Cowork

1. Apri Personalizza (Customize) → Connettori (Connectors). Scegli + Aggiungi (Add) → Aggiungi connettore personalizzato (Add custom connector).
2. Inserisci un nome, ad esempio Second Brain, e l’URL MCP ricevuto dal gestore. Premi Continua (Continue).
3. Controlla il metodo di autenticazione rilevato e segui le istruzioni del gestore. Completa Aggiungi (Add) e Connetti (Connect) o Sign in now quando richiesto; accedi con il tuo account. Password e credenziali vanno nella schermata del servizio, non nella chat.
4. Nella scheda del connettore controlla le autorizzazioni degli strumenti. Abilita ricerca e lettura, per esempio Search memory e Read memory se presenti. I nomi effettivi dipendono dal servizio.
5. Apri un’attività Cowork con Vera attiva. Nel menu + della conversazione → Connettori, abilita Second Brain, poi esegui la prova di lettura.

Con Team o Enterprise, un proprietario o un ruolo autorizzato deve prima aggiungere il connettore in Organization settings → Connectors. Ogni utente completa poi il proprio collegamento. Se l’opzione manca, chiedi all’amministratore. I connettori remoti devono essere raggiungibili dall’infrastruttura Anthropic.

Codex e app desktop ChatGPT

1. Nell’app desktop apri Impostazioni (Settings) → Server MCP (MCP servers) → Aggiungi server (Add server).
2. Assegna un nome, ad esempio Second Brain, scegli Streamable HTTP e inserisci l’URL MCP fornito dal gestore.
3. Salva, seleziona Restart e, se compare, Authenticate per accedere al servizio. Usa il metodo previsto dal gestore. Se è richiesta una chiave o una configurazione diversa, fatti assistere dal gestore senza incollare credenziali nella chat.
4. Apri una nuova attività con Vera. Scrivi /mcp nel campo del messaggio per vedere i server collegati; verifica Second Brain ed esegui la prova di lettura.

Questi passaggi riguardano la configurazione desktop. La disponibilità nella chat web o in Work Cloud va verificata nella sessione in cui lavori: collegare il servizio in un’app non garantisce l’accesso in un’altra.

Google Antigravity

1. Per Second Brain, apri la configurazione MCP di Antigravity e aggiungi il server del gestore. Per un server remoto usa serverUrl nell’oggetto mcpServers; mantieni gli altri collegamenti.
2. Ricarica i server, completa l’autenticazione prevista dal gestore e verifica ricerca e lettura nella sessione corrente. Non serve un installer Second Brain fornito da Vera. Compatibilità e autorizzazioni dipendono dal servizio scelto.

Verificare il collegamento

Nel tuo Second Brain crea manualmente un documento senza dati dei clienti, intitolato «Prova collegamento Vera». Scrivi una frase inventata che saprai riconoscere. Non includere quella frase nel messaggio inviato a Vera.

Nella nuova attività con Vera, invia questo messaggio:

Cerca il documento «Prova collegamento Vera» nel mio Second Brain, aprilo e riportane il testo con titolo e identificativo o collegamento. Non creare o modificare nulla. Se non puoi accedere, dimmi quale passaggio manca.

Controlla che la conversazione mostri una ricerca e una lettura tramite il connettore. Confronta il testo restituito con la frase scritta nel documento e apri il riferimento, se disponibile. La sola risposta «sono collegato» non dimostra la lettura.

Dopo questa prova, indica a Vera il lavoro e il ramo o la cartella da consultare. Se la ricerca non riesce, risolvi l’accesso prima di richiedere conclusioni basate su quell’archivio.

Esempio per un lavoro reale

Usa Vera per esaminare questo avviso. Prima consulta la procedura approvata dello studio nel ramo «contenzioso» di Second Brain. Cita le fonti effettivamente aperte e segnala eventuali versioni in conflitto o informazioni mancanti.

Le skill dello studio

Il connettore dà accesso ai documenti, non installa le skill dello studio. Se vuoi usare una tua skill, installala e richiamala direttamente nell’app che la supporta, con il nome o comando previsto da quell’app. Puoi usare la tua skill senza invocare Vera. Non occorre copiarla nel plugin Vera.

Come installare e usare le skill dello studio →

Se il collegamento non funziona

Non compare Aggiungi connettore / Aggiungi server

Verifica di essere nell’app e nell’account corretti. Chiedi all’amministratore se il tuo ruolo può aggiungere connessioni personalizzate.

Accesso negato o richiesta di login

Riapri Connetti / Authenticate e controlla l’account. Il gestore deve verificare che tu abbia accesso all’archivio richiesto.

La ricerca non trova il documento

Controlla il titolo, il ramo o la cartella e che il documento sia ricercabile in Second Brain. Non ampliare la ricerca ad altri clienti.

Il server è elencato ma Vera non legge

Abilita il connettore nella conversazione e gli strumenti di lettura, poi avvia una nuova attività. Verifica una chiamata reale: l’elenco dei server da solo non basta.

URL non valido o errore di autenticazione

Chiedi al gestore di verificare URL MCP, compatibilità con l’app e autenticazione. Comunica app, sistema operativo e testo dell’errore, senza documenti, password o token.

Questa guida descrive la configurazione; non attesta una prova di funzionamento con il tuo Second Brain. L’esito della prova di lettura va verificato nel tuo account.

Documentazione dei fornitori

Passaggi verificati sulla documentazione ufficiale il 2 ottobre 2026. I nomi dei comandi possono cambiare con lingua e versione dell’app.

Scarica i connettori di anonimizzazione

Un download separato da Vera. Durante la configurazione scegli il motore e le cartelle per originali e copie filtrate. Si installano solo le dipendenze del motore scelto; puoi aggiungerne un altro in seguito.

Scarica ZIP dei connettori

Estrai lo ZIP e avvia install.py --setup con Python 3.12. Scegli tra OpenAI Privacy Filter, GLiNER2-PII, Rizzo PII, Lethe e PII-Shield. I modelli non sono nello ZIP. Rizzo richiede la sua app aperta; Lethe richiede la revisione locale; PII-Shield richiede Node.js 22+ e i percorsi --node e --npm (npm-cli.js).

1. Codex: aggiungi la sezione di codex-mcp.toml alla configurazione e riavvia MCP.
2. Cowork: installa il file generato cowork-connector.zip in Personalizza → Plugin. Esegui l’installazione sul computer, non nella VM Linux di Cowork. Usa una nuova attività locale.
3. Antigravity: aggiungi la voce di antigravity-mcp.json alla configurazione MCP dell’app e ricarica i server.

In ciascuna app verifica lo stato del motore e filtra un file sintetico indicando il nome relativo nella cartella Input. Controlla la copia salvata. Le impostazioni esistenti delle app non vengono sovrascritte. Questo percorso riguarda le sessioni desktop locali.

OpenAI Privacy Filter

Connettore locale opzionale per Codex, Cowork e Antigravity desktop, da installare separatamente.

Privacy Filter è un modello open source di OpenAI che individua nel testo dati personali, come nomi, indirizzi, email e numeri di telefono, e sostituisce quelli rilevati con segnaposto. L’elaborazione avviene sul computer su cui è installato.

Il connettore si installa separatamente da Vera e si usa su richiesta. Legge file TXT, Markdown, DOCX e PDF con testo estraibile e salva copie di testo filtrate in formato .txt. Le scansioni richiedono prima l’OCR.

Installare e usare il connettore Privacy Filter ↗

GLiNER2-PII

Connettore locale opzionale per Codex, Cowork e Antigravity desktop, da installare separatamente.

GLiNER2-PII è un modello open source di Fastino per individuare dati personali nel testo. Il connettore richiede le 42 categorie supportate dal modello, tra cui nomi, email, indirizzi, identificativi fiscali e IBAN, e sostituisce le rilevazioni con segnaposto. Il modello dichiara dati di addestramento in sette lingue, incluso l’italiano.

Il connettore legge file TXT, Markdown, DOCX e PDF con testo estraibile dal percorso locale indicato e salva una copia .txt filtrata. Gli originali restano invariati. Le scansioni richiedono prima l’OCR. Installa Python 3.12 o successivo; il modello viene scaricato durante la configurazione.

Le rilevazioni possono omettere dati o rimuovere testo utile. Controlla la copia locale prima di usarla; non è garantita la rimozione di tutti gli identificativi personali o aziendali.

Installare e usare il connettore GLiNER2-PII ↗

Rizzo PII

Connettore locale opzionale per Codex, Cowork e Antigravity desktop. Richiede l’app Rizzo PII aperta sullo stesso computer.

Rizzo PII individua dati personali con un modello orientato ai testi italiani e rilevatori propri, anche per codice fiscale, partita IVA e dati catastali. Il connettore usa l’elaborazione dell’app Rizzo e salva una copia di testo con segnaposto.

Installa e avvia Rizzo PII, poi configura il connettore con Python 3.12 o successivo. Legge TXT, Markdown, DOCX e PDF con testo estraibile dal percorso locale indicato e salva una copia .txt. Gli originali restano invariati; le scansioni richiedono prima l’OCR. Rizzo deve restare aperto durante l’elaborazione.

Il connettore richiede tutte le categorie e abilita il dizionario nativo di Rizzo per ogni documento, senza cambiare le preferenze dell’app. Conserva il dizionario localmente e restituisce un session_id per ripristinare quel documento. Le chiamate separate non condividono identità: ogni file ha la propria sessione.

Installare e usare il connettore Rizzo PII ↗

App e documentazione di Rizzo PII ↗

Lethe

Lethe assegna i segnaposto una sola volta a un insieme di elementi approvati localmente per tutto il lavoro. Il connettore riusa quella selezione nei documenti successivi; non aggiunge nuove identità. La revisione locale è necessaria prima di creare la sessione.

PII-Shield

Il connettore usa PII-Shield di gregmos, CLI Node.js 2.2.0. Il primo documento crea la sessione del motore; i successivi la estendono con lo stesso dizionario. Il motore decide identità, alias e pseudonimi. Servono Node.js 22+ e la configurazione esplicita del modello. Nella prova su macOS arm64, il runtime ONNX del motore si interrompe alla chiusura: il connettore rifiuta l’esecuzione e non dichiara il modello pronto. L’accettazione su questo Mac non è verificata; la prova reale multi-documento viene eseguita separatamente su Linux.

Sessioni e ripristino delle identità

Lethe e PII-Shield possono usare la stessa sessione per più documenti e ripristinare le identità nel risultato finale. Crea o riapri una sessione, usa il suo ID per ogni file e passa alla funzione di ripristino il percorso del risultato AI salvato localmente. Il ripristino restituisce solo il percorso del file, da aprire sul computer.

Il dizionario del motore è autorevole: il connettore ne conserva lo stato senza inferire, unire o correggere identità. OpenAI Privacy Filter e GLiNER2 restano di sola redazione. Rizzo conserva e ripristina il dizionario nativo di ogni documento; non estende una sessione tra chiamate separate. Lethe e PII-Shield supportano il lavoro multi-documento.

Quali dati arrivano al modello

Second Brain

Questa pagina non registra l’URL del tuo connettore, non avvia login e non legge Second Brain. Quando chiedi una consultazione a Vera, la query, i metadati e gli estratti restituiti dalla ricerca, e il testo delle fonti aperte possono entrare nel contesto del modello dell’app scelta. Per la prova usa un documento senza dati dei clienti. La consultazione non è solo locale: accesso, conservazione e trattamento dipendono dall’app e dal servizio Second Brain. Collegare l’archivio non invia automaticamente tutto il suo contenuto a Vera; i dati effettivamente consultati dipendono dagli strumenti e dalle richieste.

OpenAI Privacy Filter

Il connettore elabora gli originali localmente. All’app scelta arrivano i percorsi indicati nella richiesta, il percorso della copia filtrata e un riepilogo con i conteggi. Il testo filtrato entra nella conversazione quando ne chiedi la lettura. L’installazione scarica il modello e il tokenizer; il filtraggio avviene in locale, senza chiamate API.

GLiNER2-PII

Il testo estratto dal documento arriva al modello GLiNER2 sul tuo computer. Il processo locale applica i segnaposto senza restituire i valori rilevati. All’app scelta arrivano i percorsi della richiesta e del risultato, i conteggi e i metadati del modello; il testo filtrato entra nella conversazione quando ne chiedi la lettura. Modello e tokenizer vengono scaricati durante l’installazione. Il filtraggio usa i file locali e non chiama API.

Rizzo PII

Il testo originale estratto arriva all’app Rizzo sullo stesso computer tramite HTTP locale. Il dizionario nativo viene salvato nella cartella privata model/sessions del connettore, senza cifratura; su POSIX i permessi sono 0700/0600, su Windows valgono le ACL della cartella utente. Dizionario, originali, anteprime e diagnostica non entrano nelle risposte MCP. Alla conversazione arrivano percorsi, ID, conteggi e testo filtrato richiesto. Il ripristino restituisce solo un percorso locale e funziona anche con Rizzo chiuso. La cartella resta fino alla rimozione da parte dell’utente.

Lethe

Il testo estratto viene elaborato da Lethe sul computer. Gli elementi approvati e il dizionario restano nella cartella privata della sessione, senza entrare nelle risposte MCP. Questo connettore non usa il vault cifrato dell’app Lethe. Al modello arrivano percorsi, ID, conteggi e il testo filtrato richiesto; il ripristino salva un file locale e restituisce solo il percorso.

PII-Shield

Gli originali estratti arrivano al processo PII-Shield e al suo modello GLiNER locali. Dizionari e record di revisione, che possono contenere dati originali, restano separati per sessione sul computer. Non sono cifrati dal connettore. Al modello della conversazione arrivano solo metadati e testo filtrato richiesto; il ripristino restituisce un percorso locale. La conservazione dipende anche dal TTL del motore.