O que é MCP?

A resposta curta

MCP, o Model Context Protocol, é um padrão de como uma aplicação de IA conversa com ferramentas e dados externos. Em vez de escrever um conector sob medida para cada modelo e cada sistema, você expõe um sistema uma vez e qualquer cliente compatível consegue usar.

É encanamento, do mesmo jeito que HTTP é encanamento. Sem glamour, e define quanto do seu trabalho de integração você vai ter que refazer na próxima vez que algo mudar.

O problema que resolve

Sem padrão, conectar M modelos ou aplicações a N sistemas dá M vezes N pedaços de cola sob medida. Cada um com sua própria auth, seu próprio tratamento de erro, sua própria ideia de como se descreve uma ferramenta, e cada um quebra separado.

Com padrão, vira M mais N. Você expõe seu banco, seu sistema de chamados, sua API interna uma vez, e qualquer coisa que fale o protocolo consome. É essa a proposta inteira, e é a mesma razão pela qual todo outro padrão de integração existiu.

Como funciona

São dois lados. Um servidor envolve um sistema que é seu e expõe o que ele sabe fazer. Um cliente mora dentro da aplicação de IA e consome esses servidores.

Servidores expõem três coisas. Tools são ações que o modelo pode invocar, como abrir um chamado ou rodar uma consulta. Resources são dados que o modelo pode ler, como um documento ou um registro. Prompts são templates reutilizáveis que o servidor sugere.

O cliente pergunta ao servidor o que ele oferece, passa essas descrições ao modelo, e quando o modelo escolhe chamar uma, o cliente roteia a chamada e devolve o resultado. O modelo nunca toca no seu sistema diretamente.

O que não é

Não é modelo, e não deixa modelo mais inteligente. Não é framework de agente, e não decide o que fazer em seguida. Não te dá memória, planejamento nem orquestração.

Mais importante: não substitui decidir o que o sistema deveria fazer. Um protocolo diz como conectar as coisas. Ele não tem nada a dizer sobre qual decisão vale automatizar, que é a parte que determina se valeu a pena construir qualquer coisa. Cobrimos isso em o que é um agente de IA.

Onde encaixa num stack de produção

Em geral na fronteira entre a aplicação de IA e tudo que você já tem. O modelo raciocina, o cliente medeia, o servidor impõe o que é permitido, e o seu sistema faz o trabalho de fato.

O valor prático aparece na segunda e na terceira integração, não na primeira. Se você está conectando uma API interna a uma aplicação, integração direta é mais rápida e provavelmente é o que você deve escrever. O padrão compensa quando o número dos dois lados cresce e você não quer que a manutenção cresça junto com o produto.

A superfície de segurança que ninguém menciona

Você está dando a um modelo a capacidade de invocar funções nos seus sistemas. Isso merece a mesma paranoia de qualquer outra interface privilegiada, e costuma receber menos.

Dê a cada servidor o escopo mínimo necessário, e leve a permissão do usuário solicitante adiante em vez de rodar tudo com uma conta de serviço de direitos amplos. Trate descrição de ferramenta como entrada não confiável, porque descrição é texto que chega ao modelo, e texto que chega ao modelo pode tentar conduzi-lo. Registre cada invocação com contexto suficiente para reconstruir o que aconteceu.

E seja deliberado com servidor de terceiro. Instalar um é dar a um código que você não escreveu a capacidade de agir sobre dado que é seu.

Construir o seu ou usar um pronto

Use servidores prontos para sistema commodity, aqueles em que milhares de times precisam da mesma integração e a sua versão não seria diferente. Construa o seu para qualquer coisa que toque o seu domínio interno, porque a fronteira de ferramenta é uma decisão de projeto sobre o que o modelo tem permissão de fazer, e isso não se herda de um estranho.

É a mesma divisão de alugar a camada commodity e ser dono da camada que codifica como o seu negócio funciona.

O que muda na sua arquitetura

A mudança útil é que capacidade vira declarativa. Adicionar uma habilidade deixa de ser mudança de código dentro da aplicação de IA e vira expor uma ferramenta num servidor, que é uma mudança menor e mais segura.

O custo é uma camada de indireção. Depurar agora atravessa o modelo, o cliente, o servidor e o sistema por baixo, o que torna rastreamento ponta a ponta não opcional. Se você não consegue seguir uma requisição pelos quatro, vai passar seus incidentes adivinhando.

Você já precisa disso?

Se você tem uma aplicação e uma integração, não. Escreva a conexão direta e siga. Se tem vários sistemas e espera mais consumidores com o tempo, ou quer evitar reescrever conector ao trocar de fornecedor de modelo, então sim, e adotar cedo é mais barato que adaptar depois.

O enquadramento honesto é que MCP reduz custo de integração. Ele não cria valor sozinho. O valor continua vindo da decisão que você automatiza, e é por isso que a gente começa por ali quando constrói IA em produção, ponta a ponta.