O que é MCP em IA? Explicado em termos simples, com exemplos

Peça a um assistente de IA para verificar sua agenda, ler uma planilha ou corrigir um bug no seu repositório, e você provavelmente receberá um pedido de desculpas educado. O modelo é muito capaz, mas fica numa sala fechada, sem porta para seus arquivos, seus apps ou a web em tempo real. MCP, abreviação de Model Context Protocol, é essa porta. É um padrão aberto que permite que apps de IA se conectem a ferramentas e dados externos por meio de uma conexão comum, do mesmo jeito que uma única porta permite que um notebook converse com um monitor, um HD externo e uma câmera. Este artigo explica o que é o MCP, como ele funciona e como aparece no uso diário, com cada ideia ligada a algo que você consegue imaginar.

💡 Resposta rápida: o MCP é uma linguagem comum entre os apps de IA e as ferramentas de que eles dependem. A Anthropic o apresentou em novembro de 2024, e produtos de muitas outras empresas já oferecem suporte a ele.

O que o MCP significa, em linguagem simples

MCP quer dizer Model Context Protocol. Um protocolo é um conjunto acordado de regras para dois programas conversarem entre si. Contexto é a informação de que um modelo precisa para dar uma resposta útil: seus documentos, seus dados, o estado do seu projeto. Juntando tudo, o MCP é um conjunto de regras para levar contexto a um modelo e para permitir que o modelo atue com base nele.

Sem um protocolo desse tipo, um modelo de IA só sabe o que absorveu durante o treinamento, mais qualquer texto que você cole no chat. É por isso que ele não consegue dizer o que está na sua caixa de entrada hoje ou o que mudou no seu código esta manhã. O MCP oferece a ele uma forma segura e padronizada de perguntar.

A porta USB-C para apps de IA

A própria documentação da Anthropic compara o MCP a uma porta USB-C para aplicações de IA, e a comparação se sustenta bem. Antes do USB-C, cada aparelho vinha com seu próprio cabo e seu próprio formato de plugue. Com uma porta e um padrão de sinal acordado, qualquer dispositivo pode conversar com qualquer outro.

O MCP faz o mesmo trabalho para o software. Um app de IA que fala MCP pode se conectar a qualquer servidor que também fale MCP, tenha ele sido criado pela mesma empresa ou por um desconhecido que o publicou na semana passada.

Por que a IA precisava de um padrão comum

Antes do MCP, conectar uma IA a uma ferramenta era um trabalho sob medida a cada vez. Imagine que você tem 5 apps de IA e 20 ferramentas que quer que eles usem. Cada par precisa de sua própria ponte, então você acaba com até 100 integrações separadas, cada uma com suas peculiaridades e seu próprio custo de manutenção.

O MCP transforma essa multiplicação em soma. Cada app de IA cria um cliente MCP, e cada ferramenta cria um servidor MCP. São 5 + 20 = 25 peças, em vez de 100.

Um adaptador de viagem universal é uma boa imagem mental. Você não leva um carregador diferente para cada país. Leva um único adaptador com pinos deslizantes, e a tomada da parede importa bem menos. O MCP é esse adaptador para a conexão entre um modelo e o mundo ao redor.

Outro benefício é que um servidor escrito uma vez continua funcionando à medida que novos apps de IA aparecem, então o esforço que você investiu numa conexão não expira quando você troca de assistente.

Como o MCP funciona por dentro

As peças móveis são simples depois que você lhes dá nomes. Três papéis, três tipos de blocos de construção e um formato de mensagem.

Papéis de host, cliente e servidor

• Host: o app de IA que você realmente usa, como um app de chat, um assistente de programação ou um editor com IA integrada.
• Cliente: um pequeno conector dentro do host. Cada cliente mantém uma ligação um para um com exatamente um servidor.
• Servidor: um programa leve que expõe uma capacidade, como seus arquivos, um banco de dados, uma agenda ou um gerador de imagens.

Um restaurante facilita a memorização dos papéis. Você é o comensal, e o modelo de IA é a parte da equipe que decide o que pedir. O cliente é o garçom, que anota o pedido num formato que a cozinha espera e o leva até lá. O servidor é a cozinha, que faz o trabalho de verdade e devolve um prato pronto.

O garçom nunca cozinha, e a cozinha nunca precisa saber quem está sentado na mesa seis. Cada lado só precisa respeitar a comanda, e essa comanda é o protocolo.

As três coisas que um servidor oferece

Um servidor pode expor três tipos de blocos de construção. A maioria dos servidores usa apenas um ou dois deles.

As ferramentas são as que as pessoas notam primeiro. Imagine um painel de ferramentas de garagem em que cada chave de mão fica pendurada no seu lugar marcado. Cada ferramenta MCP também tem um nome, uma descrição curta do que faz e uma lista das entradas de que precisa. O modelo lê essas descrições para decidir qual ferramenta serve para o trabalho, da mesma forma que você pega a chave certa olhando para o painel.

Os recursos funcionam como uma biblioteca. A IA não está mudando nada. Ela está tirando um livro da prateleira para ler o que há dentro. Um recurso pode ser um arquivo de texto, um registro de banco de dados ou um log de ontem. O host normalmente decide quais recursos anexar, e o modelo os lê como contexto.

Os prompts são o menu de atalhos. Um servidor pode oferecer um modelo salvo, como "resuma os chamados desta semana", e você escolhe esse modelo em vez de digitar as instruções você mesmo.

O que trafega entre eles

Por baixo dos panos, as mensagens do MCP usam JSON-RPC 2.0, um formato de texto simples que diz "chame este método com estes argumentos". Há duas formas comuns de transportar essas mensagens:

• stdio: o servidor roda como um processo local na sua própria máquina, e o app conversa com ele diretamente.
• Streamable HTTP: o servidor roda em outro lugar e é acessado por um endereço web.

Uma chamada de ferramenta fica assim:

{
  "jsonrpc": "2.0",
  "id": 1,
  "method": "tools/call",
  "params": {
    "name": "get_weather",
    "arguments": { "city": "Lisbon" }
  }
}

Copiar prompt

Nada nessa mensagem é mágica. É um nome de ferramenta e alguns argumentos. Adicionar um servidor local a um app costuma ser igualmente simples, com algumas linhas de configuração que dizem qual programa iniciar:

{
  "mcpServers": {
    "filesystem": {
      "command": "npx",
      "args": ["-y", "@modelcontextprotocol/server-filesystem", "/Users/me/Documents"]
    }
  }
}

Copiar prompt

Essa entrada dá à IA acesso a uma pasta e a mais nada.

Um pedido do início ao fim

Veja o que acontece quando você pergunta: "Quais das minhas faturas estão vencidas?" num app conectado a um servidor de banco de dados.

1. Conectar. Quando o app inicia, cada cliente contata seu servidor e pergunta o que ele pode fazer. O servidor responde com sua lista de ferramentas e suas descrições.
2. Perguntar. Você digita sua pergunta. O app a envia ao modelo junto com a lista de ferramentas disponíveis.
3. Escolher. O modelo decide que uma ferramenta serve e responde com uma chamada de ferramenta, por exemplo, uma ferramenta de consulta com o filtro "status é vencido".
4. Aprovar. A maioria dos apps para aqui e mostra a ação planejada para você permitir ou recusar.
5. Executar. O cliente passa a chamada para o servidor. O servidor consulta o banco de dados e devolve as linhas.
6. Responder. O app entrega as linhas de volta ao modelo, que escreve uma resposta em linguagem simples para você.

💡 Vale notar: o modelo nunca toca diretamente no seu banco de dados. Ele apenas pede, e o servidor decide o que é permitido. Essa separação é o que torna o MCP viável num ambiente empresarial.

Exemplos reais de MCP que você consegue imaginar

Existem hoje milhares de servidores MCP, desde os oficiais, mantidos pelas empresas por trás das ferramentas, até pequenos projetos da comunidade. Quatro famílias mostram a variedade.

Arquivos e documentos

O servidor de sistema de arquivos de referência permite que uma IA leia, pesquise e edite arquivos dentro de pastas que você escolhe. Peça para ela renomear uma pasta de downloads bagunçada por data, ou para reunir todas as menções a um nome de cliente numa pilha de anotações, e ela faz o trabalho braçal, um arquivo por vez.

Código, GitHub e bancos de dados

Os desenvolvedores foram os primeiros usuários intensivos do MCP. Um servidor do GitHub pode ler issues e abrir pull requests. Um servidor de banco de dados pode executar consultas somente de leitura. Um assistente de programação conectado aos dois pode encontrar o chamado com falha, ler o código relacionado e propor uma correção sem que você copie nada de uma janela para outra.

Navegadores e ferramentas de design

Um servidor de automação de navegador, como um construído sobre o Playwright, permite que uma IA abra uma página, preencha um formulário e informe o que quebrou. Ferramentas de design e de gestão de projetos também publicam servidores, então um assistente pode ler um layout ou atualizar um quadro de tarefas.

Geração de imagens e vídeos

O trabalho criativo se encaixa bem no MCP, porque a geração é uma chamada de ferramenta com uma entrada clara (um prompt) e uma saída clara (um arquivo). A PicassoIA oferece uma conexão MCP para seus modelos de imagem e vídeo, incluindo o PicassoIA Image e o PicassoIA Image Editor Pro. Depois de conectado, um app de IA enxerga uma lista curta de ferramentas:

Este exemplo mostra por que as descrições das ferramentas importam. Os jobs de imagem levam um tempo, então generate_image não devolve uma imagem na hora. Ele devolve um ID de job. A IA precisa ler as descrições, perceber isso e chamar get_generation depois de uma breve espera para coletar o resultado. Ninguém escreveu um script para essa sequência. O modelo a deduziu a partir da lista de ferramentas. As ferramentas de vídeo seguem o mesmo padrão de enviar e depois verificar, e uma conta pode executar até 5 jobs ao mesmo tempo. Como a conexão segue o padrão, as mesmas ferramentas funcionam em qualquer app que suporte MCP, sem integração personalizada para cada um.

Como o MCP difere de outras opções

As pessoas costumam perguntar se o MCP substitui as APIs. Não substitui. A maioria dos servidores MCP chama uma API comum por dentro. O MCP é a camada que torna essa API utilizável por um modelo.

MCP comparado a uma API comum

MCP comparado ao function calling

Function calling é uma habilidade do modelo: dada uma lista de funções, ele pode responder com um pedido estruturado para executar uma delas. MCP é a infraestrutura em torno dessa habilidade. Ele padroniza de onde vêm as funções, como são descritas e como a chamada chega até quem a executa.

💡 Uma forma simples de lembrar: o function calling é o modelo decidindo apertar um botão. O MCP é a fiação padrão por trás de cada botão.

Quais modelos funcionam com MCP

O suporte ao MCP fica principalmente no app host, então o mesmo servidor pode funcionar com modelos diferentes. O que muda é o quão bem um modelo escolhe a ferramenta certa e preenche as entradas. Estes modelos de linguagem da PicassoIA são escolhas comuns para trabalhos com muitas ferramentas:

Escolhendo um modelo para usar ferramentas

Procure um modelo que siga as instruções com atenção e devolva entradas limpas e bem formadas. Comece com um conjunto pequeno de ferramentas, porque uma lista longa de ferramentas parecidas pode confundir qualquer modelo. Use um modelo mais rápido para consultas simples e reserve os mais pesados para tarefas que encadeiam várias ferramentas.

Riscos e permissões que merecem atenção

Dar a uma IA ferramentas reais dá a ela um alcance real. Esse é o objetivo, e também o motivo para ter cuidado.

Injeção de prompt por meio dos resultados das ferramentas

Uma ferramenta pode trazer texto de uma página web, de um e-mail ou de um documento compartilhado. Se alguém escondeu instruções nesse texto, o modelo pode tratá-las como ordens. Por exemplo, uma página web poderia conter uma linha oculta dizendo ao assistente para ignorar suas instruções e enviar seus arquivos para outro lugar. Trate tudo o que uma ferramenta devolve como dado não confiável, limite o que cada ferramenta pode fazer e mantenha as solicitações de aprovação ativadas para qualquer ação que envie, apague ou gaste algo.

Regras de permissão que vale definir

• Comece somente leitura. Deixe a IA olhar antes de permitir que ela altere qualquer coisa.
• Restrinja o escopo. Aponte um servidor de sistema de arquivos para uma pasta, não para o disco inteiro.
• Instale apenas de fontes em que você confia. Um servidor local é um programa rodando na sua máquina.
• Leia a solicitação de aprovação. Ela mostra a ferramenta e as entradas exatas antes de qualquer execução.
• Remova os servidores que não usa. Menos conexões significam menos maneiras de algo dar errado.

Experimente você mesmo na Picasso IA

A forma mais rápida de sentir o que o MCP faz é ver uma IA usando uma ferramenta por você. Conecte um app compatível com MCP à sua conta na Picasso IA (as configurações de conexão ficam na área da sua conta em picassoia.com/en/mcp/accounts), depois peça uma imagem em linguagem simples. Você verá o assistente enviar o job, verificar o status e entregar o arquivo final, que é o protocolo inteiro em ação.

Experimente prompts como estes:

• "Crie uma imagem fotorrealista da mesa de um desenvolvedor com um hub USB-C na hora dourada."
• "Edite essa imagem para que o fundo seja uma biblioteca silenciosa."
• "Verifique se meu último job de imagem já terminou."

Cada um deles corresponde a uma ferramenta da tabela acima, e cada um é uma pequena lição sobre como o MCP transforma uma frase em ação. Quando quiser ver o que mais a plataforma oferece, explore todos os modelos em picassoia.com/en/all-models, depois volte e dê ao seu assistente uma nova ferramenta para usar.