diogodev_

Voltar à listagem

Conteúdo

Consumindo servidores MCP para dar superpoderes aos agentes de IA

Os agentes de IA estão evoluindo rapidamente, mas por padrão os modelos possuem acesso apenas ao contexto enviado pelo usuário. Para permitir interações com sistemas externos, surgiu o MCP (Model Context Protocol), um protocolo aberto que permite conectar modelos a ferramentas e serviços de forma padronizada.

O que é MCP?

MCP (Model Context Protocol) é um protocolo aberto criado pela Anthropic que permite que aplicações de IA consumam ferramentas, recursos e prompts através de servidores externos.

Com isso, um agente pode:

  • Buscar informações em bancos de dados;
  • Acessar APIs;
  • Trabalhar com arquivos;
  • Consultar documentação;
  • Interagir com serviços externos como GitHub, Slack e bancos vetoriais.

A ideia é semelhante ao conceito de Function Calling, mas de forma padronizada e reutilizável.

Como funciona?

De forma simplificada, temos:

Usuário
    ↓
Agente de IA
    ↓
MCP Client
    ↓
MCP Server
    ↓
Ferramentas e Recursos

O agente envia uma requisição ao cliente MCP, que se comunica com um servidor responsável por disponibilizar ferramentas específicas.

Por que utilizar MCP?

Antes do MCP, era necessário implementar integrações específicas para cada ferramenta.

Com o protocolo, basta que um servidor exponha suas ferramentas e qualquer cliente compatível poderá consumi-las.

Entre as vantagens:

  • Padronização;
  • Reutilização;
  • Menor acoplamento;
  • Facilidade para adicionar novas ferramentas;
  • Compatibilidade entre diferentes frameworks.

Utilizando o servidor MCP do GitHub

Um dos servidores mais populares é o GitHub MCP Server.

Ele permite que agentes executem operações como:

  • Buscar repositórios;
  • Consultar pull requests;
  • Ler issues;
  • Criar issues;
  • Listar branches;
  • Obter informações sobre commits.

Isso permite criar assistentes especializados em desenvolvimento.

Exemplo de uso

Imagine o seguinte prompt:

Liste as issues abertas do meu projeto e mostre quais possuem maior número de comentários.

O fluxo seria:

Usuário
 ↓

LLM

 ↓

GitHub MCP Server

 ↓

GitHub API

 ↓

Issues abertas

O modelo não precisa conhecer a API do GitHub. Ele apenas utiliza as ferramentas disponibilizadas pelo servidor MCP.

Exemplos de perguntas

Buscar repositórios

Mostre os repositórios da organização OpenAI.

Consultar uma issue

Mostre os detalhes da issue #25.

Verificar pull requests abertas

Liste os pull requests em aberto do repositório.

Analisar commits recentes

Quais foram os últimos commits realizados na branch main?

Encontrar arquivos

Mostre onde a classe UserService é utilizada.

Essas operações são realizadas pelo servidor, enquanto o modelo fica responsável pela interpretação dos resultados.

Utilizando com agentes

Frameworks como:

  • Google ADK;
  • OpenAI Agents SDK;
  • LangChain;
  • Claude Desktop;

podem consumir servidores MCP.

Isso permite criar agentes capazes de:

  • Monitorar projetos;
  • Revisar código;
  • Consultar documentação;
  • Criar issues automaticamente;
  • Auxiliar em code reviews.

Exemplo de cenário

Imagine um agente responsável por uma aplicação.

Pergunta:

Existe alguma issue aberta relacionada ao login?

O agente consulta o GitHub MCP Server e responde:

Sim.

Issue #145

Título:
Erro ao renovar token JWT.

Status:
Open

Criada há:
3 dias

Tudo isso sem implementar manualmente chamadas para a API do GitHub.

Ferramentas disponibilizadas

Dependendo da configuração do servidor, é possível trabalhar com:

  • Repositórios;
  • Branches;
  • Pull requests;
  • Issues;
  • Commits;
  • Arquivos;
  • Releases;
  • Workflows.

Isso torna o agente muito mais útil para equipes de desenvolvimento.

Segurança

Uma característica importante do MCP é que as permissões continuam sendo controladas pelos serviços externos.

Por exemplo, o GitHub continuará exigindo:

  • Tokens de acesso;
  • Escopos específicos;
  • Permissões sobre repositórios.

O servidor MCP não substitui os mecanismos de segurança já existentes.

Outros servidores MCP populares

Além do GitHub, existem servidores para:

Slack

Permite consultar mensagens e canais.

PostgreSQL

Executa consultas diretamente no banco.

Google Drive

Acessa documentos e arquivos.

Notion

Consulta páginas e bases de conhecimento.

Filesystem

Interage com arquivos locais.

Redis

Busca e armazena informações em cache.

Qdrant

Realiza buscas vetoriais em aplicações RAG.

Quando utilizar MCP?

MCP é uma excelente escolha quando:

  • Existem múltiplas integrações;
  • Deseja-se reaproveitar ferramentas;
  • O agente precisa acessar sistemas externos;
  • Há necessidade de desacoplar integrações da lógica do agente.

Vantagens

  • Protocolo padronizado;
  • Reutilização de ferramentas;
  • Menor complexidade;
  • Fácil integração com agentes;
  • Compatibilidade entre frameworks;
  • Ecossistema em crescimento.

Conclusão

O MCP está se consolidando como uma das principais formas de conectar agentes de IA ao mundo externo. Em vez de implementar integrações específicas para cada serviço, podemos consumir servidores já existentes e permitir que os modelos tenham acesso a ferramentas poderosas.

O servidor do GitHub é um excelente exemplo disso, possibilitando criar agentes capazes de interagir com projetos, analisar código e auxiliar equipes de desenvolvimento de forma muito mais eficiente.

Saiba mais