Invisible Work
Conversar

Guia

O que é MCP (Model Context Protocol) e por que importa para a sua empresa

Invisible Work7 min de leitura

Em uma frase

MCP (Model Context Protocol) é um padrão aberto para conectar assistentes e agentes de IA aos sistemas onde os dados estão, como repositórios de documentos e ferramentas de negócio. Em vez de uma integração sob medida para cada fonte, quem tem os dados os expõe por um servidor MCP e a aplicação de IA se conecta como cliente.

O que é o MCP, sem jargão

MCP (Model Context Protocol) é um padrão aberto para conectar assistentes e agentes de IA aos sistemas onde os dados da empresa estão: repositórios de documentos, ferramentas de negócio e ambientes de desenvolvimento.

A Anthropic lançou o MCP em 25 de novembro de 2024 como código aberto. A arquitetura, nas palavras dela, é direta: quem tem os dados os expõe por meio de um servidor MCP, e quem constrói a aplicação de IA cria um cliente MCP que se conecta a esses servidores. Em vez de escrever uma integração para cada fonte, cada lado implementa o padrão uma vez.

Uma integração para cada par e um padrão únicoDois desenhos lado a lado. À esquerda, três aplicações de IA ligadas a três sistemas por nove linhas cruzadas, uma integração própria para cada par. À direita, as mesmas três aplicações ligadas a um bloco central chamado MCP, que por sua vez se liga aos três sistemas, em seis linhas.Sem padrão: 9 integraçõesCom MCP: 6 conexõesIA 1IA 2IA 3DriveBancoCRMcada par, um trabalho sob medidaIA 1IA 2IA 3DriveBancoCRMMCPcada ponta fala o mesmo padrão
O problema que a Anthropic descreve ao lançar o MCP: cada fonte de dados exigia uma implementação própria. Com um protocolo aberto, cada aplicação e cada sistema implementam o padrão uma vez.

Servidor e cliente

“Servidor” aqui não é uma máquina grande: é o programa que expõe um sistema (um drive de documentos, um banco de dados, um CRM) no formato do padrão. “Cliente” é a aplicação de IA que o usa, como um assistente de chat ou um agente.

O problema que ele resolve

A Anthropic descreve o ponto de partida assim: mesmo os modelos mais sofisticados ficam isolados dos dados, presos atrás de silos de informação e de sistemas legados, e cada nova fonte de dados exigia uma implementação própria. Isso tornava difícil escalar qualquer sistema conectado.

Para a empresa que contrata, a consequência prática é a de qualquer integração sob medida: custa a cada novo sistema, e cada conexão é mais uma peça para manter. Com um padrão, a conexão deixa de ser o trabalho principal, e a conversa passa a ser sobre o que o agente deve fazer com o que enxerga.

Quem usa, e por que isso importa

O MCP nasceu na Anthropic, criado por David Soria Parra e Justin Spahr-Summers. Um ano depois, em 9 de dezembro de 2025, a Anthropic anunciou a doação do protocolo à Agentic AI Foundation (AAIF), um fundo dentro da Linux Foundation, cofundado por Anthropic, Block e OpenAI, com apoio de Google, Microsoft, AWS, Cloudflare e Bloomberg. A governança do projeto, segundo o anúncio, permanece a mesma, guiada pelos mantenedores e pela comunidade.

Os números que a própria Anthropic divulgou nesse anúncio:

  1. Mais de 10.000 servidores públicos ativos

    De ferramentas de desenvolvimento a implantações em empresas da Fortune 500.

  2. Adotado por vários produtos de IA

    ChatGPT, Cursor, Gemini, Microsoft Copilot e Visual Studio Code, entre outros.

  3. Suporte de infraestrutura

    AWS, Cloudflare, Google Cloud e Microsoft Azure oferecem implantação para MCP.

  4. Mais de 97 milhões de downloads mensais de SDK

    Somando as bibliotecas oficiais de Python e TypeScript.

Onde o MCP pesa: o custo de contexto

Conectar muitas ferramentas tem um custo que aparece só em escala. A Anthropic descreve dois: as definições de todas as ferramentas costumam ser carregadas de uma vez na janela de contexto do modelo, e cada resultado intermediário também passa por ele. Com centenas ou milhares de ferramentas, o agente processa centenas de milhares de tokens antes mesmo de ler o pedido, o que aumenta custo e tempo de resposta.

Num exemplo da Anthropic, deixar o agente carregar só as ferramentas de que precisa, escrevendo código para chamá-las, reduziu o consumo de 150.000 para 2.000 tokens, uma economia de 98,7%. O mesmo texto mostra um benefício de privacidade: dados sensíveis, como e-mails e telefones, podem passar de um sistema a outro sem nunca atravessar o modelo.

Contexto também é gasto

“Janela de contexto” é a quantidade de texto que o modelo consegue ter diante de si de uma vez. Tudo o que entra nela custa dinheiro e tempo, inclusive a lista de ferramentas disponíveis. Esse tema aparece também em O que é um harness de agente de IA.

Nossa leitura: o MCP conecta, não autoriza

Esta seção é da Invisible Work e não vem das fontes. O MCP padroniza a conexão entre o agente e o sistema. O que o agente pode ler, o que pode alterar e quem responde pelo que ele faz continuam sendo decisões da empresa. Um agente conectado a um sistema ganha poder de ação sobre ele, e um padrão que facilita a conexão facilita também conectar demais.

Na prática, a conversa de negócio não é “vamos usar MCP?”, e sim “que sistemas esse agente deve alcançar, com que permissão, e como saberemos o que ele fez?”. É a mesma pergunta que fazemos sobre o harness e sobre os testes de um agente, tratada em O que são evals de IA.

Perguntas antes de conectar um agente aos seus sistemas

  1. Quais sistemas ele precisa alcançar para a tarefa, e quais deveriam ficar de fora?
  2. Ele só lê, ou também altera dados? Quem aprova o que ele altera?
  3. Conseguimos ver cada chamada que ele fez, em qual sistema e com qual resultado?
  4. Quem mantém cada servidor conectado, e o que acontece quando o sistema por trás muda?
  5. Que dados sensíveis passam por ele, e precisam mesmo passar?

Continue lendo