O Gemini suporta o Model Context Protocol, mas cada superfície lida com ele de um jeito diferente. Este artigo compara o Gemini CLI, a API e o SDK do Gemini, os agentes gerenciados, o app Gemini e o Gemini Enterprise, com campos de configuração, comandos, limites e um trecho de código em Python que funciona.
Sim, o Gemini suporta o Model Context Protocol, mas a resposta muda conforme a porta por onde você entra. O Gemini CLI trata o MCP como um recurso nativo. A API do Gemini chega até ele por meio de um cliente SDK experimental e, em prévia, por meio dos agentes gerenciados. O app Gemini aceita servidores remotos apenas para um grupo restrito de usuários, e o Gemini Enterprise deixa a configuração para os administradores. Se três tópicos de fórum deram três respostas diferentes, provavelmente todos estavam certos, mas sobre produtos diferentes.
Este artigo percorre cada caminho com base no que o Google documenta até outubro de 2026. Você vai ver qual caminho executa um processo local, qual exige um endereço HTTPS público, onde ficam os limites do modelo e quais contas podem usar cada opção. Há um arquivo de configuração que funciona, um trecho em Python, uma tabela de decisão e uma lista curta dos erros que mais fazem perder tempo.
MCP, o Model Context Protocol, é um padrão aberto que permite a um assistente de IA chamar ferramentas e ler recursos de um servidor separado. Você escreve o servidor uma vez, e qualquer cliente MCP pode usá-lo. O Gemini atua como cliente em cinco formatos diferentes, e cada um tem suas próprias regras sobre onde o servidor fica, quem faz login e o que o modelo pode acessar.
| Superfície | Suporte a MCP | Localização do servidor | Status |
|---|---|---|---|
| Gemini CLI | Nativo | Processo local ou URL remota | Documentado |
| API do Gemini com SDKs Python e JS | Sessão passada como ferramenta | Onde o seu código conseguir se conectar | Experimental |
| Agentes gerenciados da API do Gemini | Ferramenta mcp_server | Servidores remotos | Prévia |
| App Gemini, web e mobile | Apps personalizados | Servidores HTTPS remotos | Elegibilidade limitada |
| Gemini Enterprise | Servidor MCP personalizado | Servidores remotos | Configuração pelo administrador |
💡 Regra rápida: apenas o Gemini CLI e o código do seu próprio SDK podem iniciar um servidor MCP local. Todas as outras rotas precisam de uma URL.
O Gemini CLI é o cliente MCP mais completo da família. Ele suporta três transportes (stdio, SSE e HTTP em streaming), e expõe mais do que ferramentas: recursos e prompts do servidor também aparecem dentro da sessão. Para quem está testando um servidor novo, este é o caminho mais curto da ideia até uma chamada funcionando.
A CLI traz uma pequena família de comandos para gerenciar servidores:
gemini mcp add [options] <name> <commandOrUrl> [args...]
gemini mcp list
gemini mcp remove <name>
gemini mcp enable <name>
gemini mcp disable <name>
gemini mcp list mostra todos os servidores configurados com o status de conexão, o que o torna a verificação mais rápida para confirmar que tudo está certo depois de uma edição. Se você preferir editar à mão, os servidores ficam no objeto mcpServers do seu settings.json, seja no nível do usuário (~/.gemini/settings.json) ou no nível do projeto (.gemini/settings.json):
{
"mcpServers": {
"filesystem": {
"command": "npx",
"args": ["-y", "@modelcontextprotocol/server-filesystem", "./docs"],
"timeout": 30000
},
"remote-tools": {
"httpUrl": "https://example.com/mcp",
"headers": { "Authorization": "Bearer YOUR_TOKEN" },
"includeTools": ["search_docs"]
}
}
}
A primeira entrada inicia um servidor local por stdio. A segunda se comunica com um servidor remoto por HTTP em streaming e expõe uma única ferramenta, o que mantém as opções do modelo pequenas e previsíveis.
Cada entrada de servidor precisa de um campo de transporte. Todo o resto é opcional:
command: o executável de um servidor stdio local, com args, cwd e env ao lado. Os valores em env podem referenciar variáveis com $VAR_NAME, para que os tokens fiquem fora do arquivo.url: um endpoint SSE.httpUrl: um endpoint HTTP em streaming.headers: cabeçalhos HTTP personalizados para os dois transportes por URL.timeout: tempo limite da requisição em milissegundos, 600.000 por padrão.includeTools e excludeTools: uma lista de permissões e uma lista de bloqueios para os nomes das ferramentas.trust: quando definido como verdadeiro, as caixas de confirmação das ferramentas são ignoradas.authProviderType: escolhe o provedor de autenticação: busca automática de endpoint OAuth, credenciais do Google (google_credentials) ou personificação de conta de serviço (service_account_impersonation).💡 Não deixe
trustativo em nenhum servidor que você não escreveu. A caixa de confirmação é a última barreira antes de uma ferramenta ser executada.
Com a CLI em execução, /mcp mostra o status de cada servidor, suas ferramentas, recursos e prompts. /mcp auth [serverName] cuida do OAuth, e /mcp enable e /mcp disable ativam ou desativam um servidor apenas para a sessão atual.
Alguns comportamentos surpreendem as pessoas na primeira vez:
mcp_{serverName}_{toolName}, o que evita conflitos entre servidores e ferramentas nativas.@server://resource/path dentro do seu prompt.~/.gemini/mcp-oauth-tokens.json, e as Application Default Credentials do Google também são suportadas.A API do Gemini não abre conexões com o seu servidor por conta própria. Quem faz isso é o SDK. Ele se conecta ao servidor, pede a lista de ferramentas e entrega essas ferramentas ao modelo como funções chamáveis. No repositório python-genai, o Google descreve esse suporte nativo a MCP como um recurso experimental, e o exemplo está marcado apenas para a API do Gemini Developer, não para a Enterprise Agent Platform.
O padrão exige o pacote mcp junto com google-genai. Você abre uma sessão de cliente com um servidor e, em seguida, passa essa sessão diretamente para a configuração de geração:
import asyncio
from google import genai
from mcp import ClientSession, StdioServerParameters
from mcp.client.stdio import stdio_client
client = genai.Client() # reads the API token from the environment
server = StdioServerParameters(
command="npx",
args=["-y", "@modelcontextprotocol/server-filesystem", "./docs"],
)
async def main():
async with stdio_client(server) as (read, write):
async with ClientSession(read, write) as session:
await session.initialize()
response = await client.aio.models.generate_content(
model="gemini-flash-latest",
contents="List the markdown files in the docs folder.",
config=genai.types.GenerateContentConfig(tools=[session]),
)
print(response.text)
asyncio.run(main())
Como o seu código mantém a sessão, a conexão roda dentro do seu próprio processo. É por isso que esse caminho funciona com servidores locais. O custo é o trabalho do ciclo de vida: você abre a sessão, a inicializa, faz a chamada e a fecha novamente.
Em 7 de julho de 2026, o Google anunciou o MCP remoto para agentes gerenciados na API do Gemini. Em vez de escrever um middleware de proxy, você passa uma ferramenta mcp_server no momento da interação, ao lado de ferramentas como a Pesquisa Google ou a execução de código. As credenciais viajam em cabeçalhos personalizados, então um cabeçalho Authorization pode proteger o seu endpoint. Depois, o agente chama os seus endpoints a partir de um sandbox seguro próprio.
Os exemplos do anúncio usam o agente antigravity-preview-05-2026, e o recurso está em prévia, então espere que os detalhes mudem.
A visão geral da Interactions API lista uma limitação de forma direta: o Gemini 3 não suporta MCP remoto, e a página diz que o suporte chegará em breve. O Google descreve os agentes gerenciados e o caminho do modelo puro como capacidades separadas, então leia os limites da superfície exata que você usa. A rota via SDK, descrita acima, é outra história, já que a conexão fica no seu código, mas teste com o modelo de destino antes de construir sobre ela.
💡 Quando uma página da documentação e um anúncio parecem divergir, confira a data. Recursos em prévia mudam rápido, e a página mais antiga costuma ser a que está defasada.
A Central de Ajuda do Gemini Apps lista as condições para adicionar o seu próprio servidor MCP ao app Gemini:
Ações de escrita atualmente exigem confirmação manual, então o app pergunta antes que uma ferramenta edite, envie ou exclua qualquer coisa. É um padrão sensato para um produto de consumo, mesmo que torne mais lenta uma longa sequência de passos.
A página de ajuda descreve como adicionar um servidor pelo app web:
O Registro Dinâmico de Cliente permite que um cliente se registre sozinho no provedor OAuth do servidor. Sem ele, você primeiro cria o cliente do lado do provedor e depois cola as credenciais no Gemini.
As organizações têm um caminho separado. O Google Cloud documenta a conexão de um servidor MCP personalizado ao Gemini Enterprise, e quem faz a configuração é um administrador, não cada funcionário. Relatos da comunidade sobre as notas de lançamento dizem que, desde 15 de junho de 2026, um servidor MCP personalizado pode se autenticar com um token de acesso de conta de serviço do Google Cloud, o que serve bem a servidores internos que nunca encontram uma tela de login humana.
O Google também anunciou suporte oficial a MCP para os próprios serviços, então alguns dos servidores de que uma equipe precisa podem já existir como endpoints gerenciados. Verifique isso antes de construir um personalizado.
A melhor escolha depende de onde o seu servidor roda e de quem é o usuário. Use esta tabela como um primeiro filtro:
| O que você precisa | Melhor caminho | Por quê |
|---|---|---|
| Arquivos locais e ferramentas de shell | Gemini CLI | Servidores stdio rodam na sua própria máquina |
| Um backend em Python ou JS com lógica própria | Sessão do SDK | Seu código controla todo o ciclo |
| Um agente hospedado chamando endpoints remotos | Agentes gerenciados | Sem camada de proxy, ainda em prévia |
| Um assistente pessoal com as suas próprias ferramentas | App Gemini | Apenas URL, inglês dos EUA, conta pessoal |
| Uma implantação para a empresa toda | Gemini Enterprise | Administradores gerenciam as conexões |
Dois padrões aparecem sempre. Desenvolvedores prototipam no Gemini CLI porque o ciclo de feedback é um único comando, e depois movem o mesmo servidor para uma URL remota quando ele funciona. Essa mudança custa quase nada, já que um servidor escrito para um cliente MCP geralmente se comporta igual em outro. Equipes que começam pelo app costumam esbarrar cedo na barreira de elegibilidade, porque as exigências de estar nos EUA, de conta pessoal e de inglês eliminam muitas configurações de trabalho.
No Gemini CLI, url significa SSE e httpUrl significa HTTP em streaming. Um servidor que fala HTTP em streaming, mas está configurado sob url, não vai conectar, e o erro raramente diz por quê. Confira qual transporte o seu servidor documenta e então ajuste o campo. gemini mcp list mostra o status da conexão na hora.
Definir trust como verdadeiro ignora as caixas de confirmação, o que parece ótimo até que uma ferramenta faça algo inesperado. Comece com as confirmações ativadas. Use includeTools para expor apenas as ferramentas que uma tarefa precisa e amplie a lista depois de observar o comportamento do servidor.
O app Gemini recebe uma URL, não um comando. Um servidor no seu notebook não pode ser acessado a partir dele. Primeiro publique o servidor atrás de HTTPS e depois cole esse endereço em Apps conectados. Se o servidor precisar de OAuth e não tiver Registro Dinâmico de Cliente, deixe as credenciais do cliente prontas antes de começar.
Projetos de MCP envolvem muita escrita: blocos de configuração, descrições de ferramentas, prompts de teste e notas de revisão. O PicassoIA hospeda vários modelos Gemini na sua categoria de modelos de linguagem (LLM), incluindo o Gemini 3.5 Flash para rascunhos rápidos, o Gemini 3 Flash para um chat ágil, e o Gemini 3.1 Pro e o Gemini 3 Pro para revisões mais difíceis. Nesse fluxo, o PicassoIA é a mesa de rascunho. A conexão MCP em si ainda acontece na superfície do Gemini que você escolheu acima.
settings.json que use httpUrl.excludeTools para uma sessão somente leitura?"/mcp.💡 Prompts específicos vencem. "Escreva uma configuração para um servidor remoto com cabeçalho bearer e uma ferramenta permitida" sempre supera "configure o MCP".
MCP não serve só para texto e código. Uma equipe criativa pode conectar um gerador de imagens ou vídeos como ferramenta, para que um assistente produza visuais como parte de uma tarefa maior, como redigir uma postagem e gerar o cabeçalho dela na mesma sessão.
O PicassoIA oferece uma API para desenvolvedores e conexões MCP para os seus modelos de imagem e vídeo. A API segue um padrão assíncrono: você cria uma previsão, consulta o status dela e depois busca o resultado. No início de outubro de 2026, o limite é de 5 previsões simultâneas por conta, compartilhadas entre seus tokens de API e suas conexões MCP. Requisitos de plano e preços podem mudar, então confira a página de preços antes de construir sobre ela. Se uma superfície específica do Gemini aceita essa conexão depende das regras acima: a CLI e o SDK conseguem chegar até ela com o transporte certo, enquanto o app Gemini precisa que as condições de elegibilidade se alinhem.
Você não precisa de uma API para começar. O PicassoIA Image transforma um prompt escrito em uma imagem fotorrealista, e o PicassoIA Image Editor Pro refina uma foto existente com edições em linguagem simples. Para vídeo, explore o catálogo completo em picassoia.com/en/all-models.
Experimente agora: abra o PicassoIA, descreva uma cena com uma lente, uma direção de luz e um clima, e execute. Mude um detalhe, rode de novo e compare. Sua primeira imagem forte costuma estar a dois ou três prompts de distância.
Escolha seu idioma
