MCP (Model Context Protocol): o padrão que está mudando como agentes de IA usam ferramentas

Em novembro de 2024, a Anthropic anunciou o Model Context Protocol (MCP) sem muito estardalhaço. Um ano depois, ele virou o padrão de fato para conectar modelos de linguagem a ferramentas, dados e ações no mundo real. Cursor, ChatGPT Desktop, Zed, Windsurf e dezenas de outras ferramentas adotaram. Este é o guia técnico e prático para entender por que isso importa.

Índice

• O problema que o MCP resolve
• Como o MCP funciona por baixo
• Por que virou padrão em menos de um ano
• Servidores MCP essenciais em 2026
• Construindo seu primeiro servidor MCP
• Quando NÃO usar MCP
• Segurança: o ponto mais subestimado
• O impacto no design de agentes
• Perguntas frequentes

O problema que o MCP resolve

Quando um modelo de linguagem precisa acessar uma ferramenta externa — ler seu Notion, consultar seu banco de dados, buscar em um repositório Git — cada integração era feita ad hoc. Cada plataforma reinventava a roda: OpenAI tinha "Functions", Anthropic tinha "Tool Use", cada IDE tinha sua sintaxe. O resultado: integrações não portáveis, sem interoperabilidade e caras de manter.

MCP resolve isso definindo um protocolo aberto — pense em USB para modelos de IA. Qualquer cliente MCP conversa com qualquer servidor MCP, independentemente de quem os construiu.

Como o MCP funciona por baixo

MCP é um protocolo cliente-servidor sobre JSON-RPC 2.0, executando geralmente via stdio (entrada e saída padrão de um processo) ou HTTP com Server-Sent Events para conexões remotas.

• Cliente: o software que hospeda o modelo (Claude Desktop, Cursor, ChatGPT).
• Servidor MCP: um pequeno programa que expõe capacidades — ler arquivos, consultar API, executar comando.
• Modelo: recebe a lista de capacidades disponíveis via JSON schema padronizado e decide quando invocar cada uma.

Três primitivas principais: Resources (dados que o modelo pode ler), Tools (ações que o modelo pode executar) e Prompts (templates parametrizáveis que o usuário pode invocar).

Por que virou padrão em menos de um ano

1. Nasceu aberto. Especificação pública, SDKs em Python, TypeScript, Rust, Go.
2. Interoperabilidade real. Um servidor MCP funciona no Claude Desktop, no Cursor e no ChatGPT.
3. Simples o suficiente. Um servidor MCP funcional cabe em 50 linhas de código.
4. Ecossistema explodiu. Em 2026, existem centenas de servidores públicos para GitHub, Postgres, Notion, Linear, Slack, Figma, AWS, etc.
5. OpenAI aderiu formalmente em 2025, encerrando a briga de padrões.

Servidores MCP essenciais em 2026

Servidor	O que expõe	Uso típico
mcp-server-filesystem	Arquivos locais	Cursor lê seu projeto
mcp-server-github	Repos, issues, PRs	Agente que abre PRs para você
mcp-server-postgres	Query em BD	Consultas em linguagem natural
mcp-server-notion	Databases, páginas	Perguntas sobre wiki interno
mcp-server-slack	Mensagens, canais	Resumir threads, buscar decisões
mcp-server-puppeteer	Automação web	Ações em navegador
mcp-server-memory	Memória persistente	Contexto entre sessões
mcp-server-supabase	Backend Supabase	IA que administra seu app

Construindo seu primeiro servidor MCP

Um servidor MCP em TypeScript, exposto via stdio, pode ser assim (esqueleto):

import { Server } from '@modelcontextprotocol/sdk/server';
const server = new Server({ name: 'meu-server', version: '1.0.0' });
server.tool('get_weather', 'Retorna clima', { city: z.string() }, async ({ city }) => await fetchWeather(city));
server.connect(new StdioServerTransport());

Configure o cliente (por exemplo Claude Desktop) apontando para o binário do seu servidor no arquivo claude_desktop_config.json. Pronto: o Claude agora pode chamar sua função.

Quando NÃO usar MCP

• Chamadas simples síncronas ligadas ao seu produto: se você só precisa de uma tool_call específica no seu app, use a API nativa do modelo direto.
• Latência ultracrítica: MCP adiciona overhead de serialização. Para respostas em <100ms, chame direto.
• Baixa maturidade em produção: MCP amadureceu em 2025–2026, mas gerência de erros e telemetria ainda são áreas frágeis. Instrumente bem.

Segurança: o ponto mais subestimado

Um servidor MCP é código executando com suas credenciais. Um MCP mal projetado pode:

• Vazar dados sensíveis para o modelo (que os manda para nuvem terceirizada).
• Executar ações destrutivas sem confirmação ("DELETE FROM users").
• Ser envenenado via prompt injection — texto em um documento que induz o modelo a chamar tool errada.

1. Princípio do menor privilégio: cada servidor com escopo mínimo.
2. Confirmação humana obrigatória para ações destrutivas.
3. Sandbox forte para servidores de execução de código.
4. Auditoria de logs — grave toda tool call com input/output.
5. Prefira servidores oficiais ou revisados; qualquer npm publica um MCP hoje.

O impacto no design de agentes

Antes do MCP, construir um agente sério envolvia integrar mão a mão dezenas de APIs. Agora, você declara quais servidores MCP o agente pode conectar, e a modularidade emerge sozinha. É análogo ao que HTTP fez pelos serviços web nos anos 90: uma vez que todo mundo fala o mesmo protocolo, o ecossistema decola.

Em 2026, é razoável esperar que qualquer SaaS relevante ofereça um servidor MCP oficial, como oferece hoje uma API REST. É o novo mínimo denominador comum.

Perguntas frequentes

MCP é da OpenAI ou da Anthropic?

Foi criado pela Anthropic, mas é um padrão aberto. OpenAI, Google e outros adotaram formalmente em 2025.

Preciso saber MCP para usar Claude/ChatGPT?

Como usuário final, não. Como desenvolvedor que quer integrar IA a dados internos, praticamente sim em 2026.

Qual a diferença entre MCP e a antiga 'Functions API' da OpenAI?

Functions eram uma spec proprietária dentro da API OpenAI. MCP é externo, aberto e portável entre clientes.

Servidores MCP são gratuitos?

A maioria dos oficiais é open source e gratuita. Alguns proprietários (Cursor Pro, etc.) requerem plano pago.

Consigo rodar servidor MCP num container?

Sim. Para segurança em produção, isolamento por container ou VM é altamente recomendado.

Continue lendo no 3ITech Hub

• Agentes de IA: o que são, para que servem e quando ainda não vale a pena usar
• Webhooks explicados: o cimento invisível das integrações modernas
• RAG explicado sem jargão: como fazer a IA responder sobre seus próprios documentos