Casos de Uso de Agentes MCP: 8 Agentes de IA que Você Pode Construir por Função

📖 TL;DR

• Um agente MCP é quatro coisas: um modelo, dois ou três servidores MCP, um prompt do sistema e uma barreira de escrita.
• Vendas → HubSpot ou Salesforce + Slack + Calendário. Marketing → Ahrefs ou Semrush + Exa + Notion.
• Mídias sociais → X e TikTok têm servidores MCP de anúncios oficiais. Postagens orgânicas ainda precisam de Zapier ou seu próprio servidor.
• Suporte → Stripe + Slack + Linear. Dados → PostHog ou Amplitude + seu armazém. Engenharia → GitHub + Sentry + Linear.
• Três servidores é o teto para a maioria dos agentes. Além disso, a precisão na seleção de ferramentas despenca.
• A escolha do modelo é uma decisão de custo, não de qualidade. Haiku para roteamento, Sonnet para raciocínio, Opus para cadeias longas.

Toda equipe com quem converso quer a mesma coisa do MCP. Não um tour pelo protocolo — um agente que faça seu trabalho real.

O líder de vendas quer preparação para chamadas. O profissional de marketing quer um resumo de conteúdo que cite dados reais de palavras-chave. O líder de suporte quer triagem de reembolso.

Todos esses são a mesma construção. Apenas os servidores mudam.

Então, este post está organizado da maneira como você realmente pensa sobre isso: por função. Para cada uma, eu listo os servidores MCP que valem a pena conectar, as URLs hospedadas, uma recomendação de modelo e exemplos de prompts que funcionam no primeiro dia.

Eu mantive cada URL genuína. Onde um serviço não tem servidor MCP hospedado oficial, eu digo isso em vez de inventar um.

Anatomia de um Agente MCP (Quatro Partes, Não Mais)

Despoje-se das estruturas e cada agente MCP é as mesmas quatro coisas.

A quarta linha é a que as pessoas pulam. Um agente com um token Stripe pode emitir reembolsos. Um agente com um token de CRM pode sobrescrever estágios de negócios.

Eu coloco uma linha em cada prompt do sistema que escrevo: propor escritas, nunca executá-las, até eu dizer vai.

Como Escolher Servidores MCP para Qualquer Agente

A intuição é conectar tudo. Resista a isso.

Cada servidor conectado injeta seu esquema completo de ferramentas no contexto do modelo em cada solicitação. Um servidor grande como o GitHub consome cerca de 18.000 tokens por conta própria.

Conecte seis desses e você queimou sua janela de contexto antes que o usuário digite uma palavra. Pior, a precisão na seleção de ferramentas cai à medida que descrições de ferramentas quase idênticas se acumulam.

Eu uso uma regra de três servidores, e cada servidor desempenha um papel distinto:

1. Sistema de registro — onde a verdade reside. HubSpot, GitHub, Stripe, seu armazém.
2. Fonte de contexto — o que preenche as lacunas. Exa para a web, Notion para documentos internos, Calendário para timing.
3. Canal de entrega — onde a saída aterrissa. Slack, Notion, Linear.

Registro, contexto, canal. Quase todo agente útil abaixo tem essa forma.

1. O Agente de Vendas: Higiene de CRM e Preparação de Chamadas

Os representantes de vendas perdem horas com duas tarefas. Pesquisar um prospecto antes de uma chamada e atualizar o CRM depois.

Ambas são pura montagem de contexto. Isso é exatamente o que um agente MCP é bom em fazer.

Minha construção recomendada: Calendário + HubSpot + Exa. O agente lê as reuniões de amanhã, puxa o histórico do CRM de cada conta e pesquisa notícias recentes.

Modelo: Claude Sonnet 5. A preparação para chamadas envolve síntese entre três fontes, que é onde modelos mais baratos começam a perder detalhes.

Prompts que funcionam imediatamente:

• Prepare-me para as chamadas de amanhã. Para cada uma, puxe o estágio do negócio, a data do último contato e qualquer coisa relevante sobre a empresa.
• Quais negócios não tiveram atividade nos últimos 21 dias e ainda estão marcados como abertos?
• Redija um e-mail de acompanhamento para o negócio da Acme referenciando o que discutimos da última vez.

Observe o escopo de escrita. Um token do HubSpot com acesso de escrita permite que o agente mude os estágios de negócios. Comece somente com leitura e adicione escritas uma vez que você confie em seu julgamento.

2. O Agente de Marketing: Resumos Baseados em Dados Reais

A maioria dos fluxos de trabalho de conteúdo de IA falha por uma razão. O modelo não tem ideia do que as pessoas realmente buscam.

Ele adivinha palavras-chave, inventa volumes e produz um resumo que parece bom e não classifica em lugar nenhum.

Conectar uma fonte de dados de SEO real resolve isso em um passo.

Minha construção recomendada: Ahrefs + Exa + Notion. Verdade das palavras-chave, contexto de SERP ao vivo e um lugar para arquivar a saída.

Modelo: Sonnet 5, ou um modelo de raciocínio mais forte quando o resumo abrange uma dúzia de páginas de concorrentes.

Prompts que valem a pena roubar:

• Crie um resumo de conteúdo para a palavra-chave "[palavra-chave]" com base nos dados de pesquisa mais recentes.
• Quais são os principais concorrentes para a palavra-chave "[palavra-chave]" e quais lacunas podemos explorar?
• Gere um título cativante e uma meta descrição para o artigo sobre "[palavra-chave]".