O que é MCP: o protocolo que virou o padrão de tools dos agentes de IA

Antes do MCP, cada agente falava com cada ferramenta no seu próprio dialeto. Você escrevia um conector pro GitHub. Outro pro Postgres. Outro pro Slack. Trocava de modelo? Reescrevia tudo. Era a Torre de Babel das integrações — e ninguém aguentava mais.

O Model Context Protocol parou essa bagunça. Ele é o padrão aberto que define como um modelo conversa com ferramenta e dado externo, sem você reinventar a integração a cada projeto. A indústria inteira adotou em pouco mais de um ano. E entender o que é MCP virou pré-requisito pra quem vai arquitetar agente em 2026.

Neste post você vai entender o que é MCP de verdade — não a versão de slide —, por que ele resolve um problema real de engenharia, como a arquitetura funciona por dentro e o que muda no seu trabalho de construir agente.

TL;DR

• O que é: Model Context Protocol, um padrão aberto pra conectar modelos de IA a ferramentas, dados e workflows externos.
• Quem criou: Anthropic, lançado em 25 de novembro de 2024 como open source.
• Por que importa: mata o problema das integrações M×N. Escreve o conector uma vez, usa em qualquer cliente que fale MCP.
• Estado em 2026: padrão de fato. OpenAI, Google, Microsoft, AWS a bordo. Mais de 10 mil servidores públicos. Doado pra Agentic AI Foundation, sob a Linux Foundation.
• Base técnica: JSON-RPC 2.0, arquitetura host/cliente/servidor.

O contexto — o problema que o MCP resolve

Pensa no cenário antes do MCP.

Você tem um modelo. Quer que ele leia um banco, abra um ticket no Jira, busque um arquivo no Drive. Cada uma dessas conexões era uma integração sob medida. Código próprio, autenticação própria, formato de resposta próprio.

Agora multiplica. N modelos × M ferramentas. Cada combinação, um conector. É o clássico problema M×N: o número de integrações explode, e cada uma é frágil do seu jeito. Trocou o modelo, mudou a API da ferramenta, quebrou tudo.

A Anthropic descreveu exatamente isso no anúncio: "cada nova fonte de dados exige a sua própria implementação customizada". Era trabalho que não escalava.

O MCP transforma esse M×N em M+N. A ferramenta expõe uma interface MCP uma vez. O modelo fala MCP uma vez. Qualquer cliente que entenda o protocolo conversa com qualquer servidor que o implemente. É a mesma jogada do USB-C — e não é analogia de marketing, é a definição que está na documentação oficial: "pensa no MCP como uma porta USB-C pra aplicações de IA".

Antes do USB-C, cada aparelho tinha o seu carregador. Depois, um conector pra tudo. O MCP faz isso pro contexto que o modelo precisa pra agir.

O que é MCP por dentro: como o protocolo funciona

Três papéis, e é só isso que você precisa fixar:

• Host — a aplicação onde o modelo roda. Claude Desktop, Cursor, VS Code, seu próprio agente.
• Cliente — vive dentro do host e mantém a conexão com um servidor. Um cliente por servidor.
• Servidor — o programa que expõe capacidades: suas ferramentas, seus dados, seus prompts.

A comunicação é JSON-RPC 2.0. Mensagens estruturadas, previsíveis, fáceis de debugar. O transporte pode ser stdio (servidor rodando como processo local) ou HTTP com streaming (servidor remoto). O modelo não sabe nem se importa — pra ele a interface é a mesma.

E o servidor expõe três primitivas. Aqui mora a beleza do protocolo:

• Tools — ações que o modelo pode executar. "Cria um arquivo", "roda essa query", "manda esse e-mail". É o que mais gente associa ao MCP.
• Resources — dados que o modelo pode ler. Arquivos, linhas de banco, conteúdo de API. Contexto, não ação.
• Prompts — templates de interação reutilizáveis, que o servidor entrega pronto pro cliente disparar.

Repara no que isso muda. O servidor MCP do blog que publica este post aqui, por exemplo, expõe uma tool create-post. Eu não escrevi integração nenhuma pro modelo entender o blog — o servidor se descreve, lista o que sabe fazer, e o cliente descobre isso em runtime. Conceito técnico vira capacidade prática sem cola no meio.

Por que a indústria adotou em massa

Padrão bom não vence por decreto. Vence por adoção. E a do MCP foi rápida de assustar.

Começou com Block e Apollo usando em produção, e ferramentas de dev como Zed, Replit, Sourcegraph e Codeium integrando logo de cara. Dhanji R. Prasanna, CTO da Block, resumiu o motivo: "tecnologias abertas como o Model Context Protocol são as pontes que conectam a IA a aplicações reais".

Aí veio o efeito dominó. Em março de 2025, a OpenAI adotou o MCP oficialmente — incluindo o app de desktop do ChatGPT. O Google DeepMind confirmou suporte no Gemini. A Microsoft trouxe pro Copilot Studio. Quando os concorrentes diretos da criadora adotam o teu protocolo, parou de ser "coisa da Anthropic". Virou infraestrutura.

O selo final veio em dezembro de 2025: a Anthropic doou o MCP pra recém-criada Agentic AI Foundation, sob a Linux Foundation, com OpenAI e Block como cofundadores e apoio de Google, Microsoft, AWS, Cloudflare e Bloomberg. Protocolo de fornecedor único não escala confiança. Protocolo de fundação neutra, sim. Hoje são mais de 10 mil servidores MCP públicos rodando.

Isso não é hype. É o que acontece quando um padrão resolve dor real e ninguém tem incentivo pra fragmentar de novo.

Limitações e pontos de atenção

MCP é padrão, não mágica. Antes de jogar tudo num servidor MCP, segura alguns pontos.

Segurança é responsabilidade sua. Um servidor MCP expõe ações reais — escrever em banco, mandar e-mail, rodar comando. Se o modelo for induzido por um prompt malicioso (injection) a chamar uma tool destrutiva, o protocolo não vai te salvar. Autenticação, escopo de permissão e validação de input continuam sendo engenharia sua. Tirar um MCP do laptop e colocar pra servir agente corporativo é outro jogo — é o que detalhamos em MCP em produção: OAuth 2.1, schemas validados e gateway.

Mais tool não é melhor. Cada ferramenta que você expõe entra no contexto do modelo e compete pela atenção dele. Servidor com 80 tools mal descritas degrada a decisão do agente. Curadoria importa mais que quantidade — e desenhar tool que o modelo realmente sabe chamar é uma disciplina à parte, que a gente quebrou em tool use na prática.

O ecossistema ainda está amadurecendo. Dez mil servidores públicos significam também qualidade desigual. Muito servidor de fim de semana, sem tratamento de erro, sem rate limit. Trate servidor de terceiro como dependência: audite antes de confiar.

FAQ rápido

MCP substitui function calling? Não. Ele organiza. Function calling é o mecanismo do modelo de decidir chamar uma função. O MCP é o protocolo padronizado que descreve quais funções existem e como falar com elas, do lado de fora do modelo. Eles trabalham juntos.

Preciso de MCP pra construir agente? Não é obrigatório. Você pode codar integração na mão. O MCP entra quando você quer reaproveitar conectores entre projetos e clientes, em vez de reescrever a cada vez.

Funciona com qualquer modelo? Funciona com qualquer cliente que implemente o protocolo. Como Claude, ChatGPT, Gemini, Cursor e VS Code já falam MCP, na prática você atinge os principais modelos sem mexer no servidor.

É só pra cloud? Não. Servidor MCP roda local via stdio ou remoto via HTTP. Muito caso de uso começa rodando na sua máquina como processo local.

Conclusão

MCP é o que acontece quando a indústria cansa de reinventar a mesma integração. Um padrão aberto, base JSON-RPC, três papéis claros, três primitivas, e um efeito de rede que transformou ele no padrão de tools dos agentes em pouco mais de um ano.

Entender o que é MCP deixou de ser opcional. Não porque está na moda, mas porque é a camada onde as decisões de arquitetura de agente acontecem agora: o que você expõe como tool, o que entrega como resource, onde coloca o limite de segurança. Saber conectar modelo a ferramenta é uma coisa. Saber arquitetar essa conexão pra aguentar produção é outra — e é exatamente o tipo de decisão que a gente coloca na mesa, com código rodando, no Workshop Arquitetando Soluções de IA.

O próximo passo da tecnologia não é ter mais tool. É saber escolher e orquestrar as certas. E isso continua sendo engenharia — não prompt bonito.