Genkit 2.0 GA: Construa e Implemente um Servidor MCP em TypeScript no Cloud Run
A história mais útil do Genkit em 2026 não é que o Google tenha mais um framework de IA. É que uma equipe de TypeScript pode definir ações de IA tipadas localmente, expô-las através do Protocolo de Contexto de Modelo e, em seguida, mover a mesma forma de aplicação para o Cloud Run, Secret Manager, IAM e telemetria de produção.
A Effloow Lab executou a parte local desse caminho em 2026-05-28. O sandbox instalou os pacotes atuais genkit e @genkit-ai/mcp, definiu uma ferramenta de risco de implantação determinística, expôs-a com createMcpServer, conectou-se ao cliente oficial do SDK MCP, listou a ferramenta e a chamou com sucesso. A nota de evidência está em data/lab-runs/genkit-2-mcp-server-cloud-run-sandbox-poc-2026.md.
A fronteira importa. Este foi um PoC de servidor MCP local, não uma implantação do Cloud Run. Nenhum projeto do Google Cloud, conta de cobrança, segredo do Secret Manager, captura de tela do Cloud Trace, chamada do Gemini ou endpoint público foi utilizado. As seções de Cloud Run e observabilidade abaixo são baseadas na documentação atual do Google, não em uma implantação ao vivo da Effloow.
Por que isso é importante
O MCP torna as ferramentas descobertas para os agentes. O Genkit torna essas ferramentas parte de uma superfície de aplicação de IA mais ampla: esquemas, fluxos, prompts, provedores de modelo, desenvolvimento local, implantação, middleware e telemetria. Essa combinação é útil quando a ferramenta não é uma função de brinquedo add(a, b), mas um fluxo de trabalho de negócios que deve ser tipado, auditado e implantado atrás de uma verdadeira fronteira de plataforma.
A documentação do Genkit do Google descreve o framework como open source e construído para aplicações completas impulsionadas por IA e agentes em TypeScript, Go, Dart preview e Python preview. A documentação do plugin Genkit MCP diz que o mesmo pacote pode consumir servidores MCP como cliente ou expor ferramentas e prompts do Genkit como um servidor MCP usando createMcpServer. A documentação de implantação do Cloud Run então explica como os fluxos do Genkit podem se tornar endpoints HTTPS no Cloud Run, com atenção explícita a scripts de inicialização, credenciais e autorização.
Essa é a ideia moldada para produção: ferramentas de agente tipadas localmente primeiro, depois implantação e monitoramento após o comportamento ser pequeno o suficiente para verificar.
O que a Effloow Lab verificou
O sandbox usou /tmp/effloow-genkit-mcp-poc e instalou:
genkit@1.36.0
@genkit-ai/mcp@1.36.0
@modelcontextprotocol/sdk@1.29.0
Node.js v25.9.0
npm 11.12.1
O servidor local definiu uma ferramenta chamada riskScore. Ela aceita caminhos de arquivos alterados e dois booleanos, e retorna um escore de risco determinístico, rótulo e lista de razões. Isso deliberadamente evitou qualquer chamada de modelo. Uma demonstração com modelo teria adicionado perguntas sobre chave de API e variância de saída antes de provar a fiação do MCP.
A saída do cliente de verificação foi:
tools: riskScore
riskScore result: [{"type":"text","text":"{\"score\":75,\"label\":\"high\",\"reasons\":[\"authentication surface changed\",\"database migration present\"]}"}]
Essa saída suporta uma afirmação estreita: uma ferramenta de TypeScript definida pelo Genkit pode ser exposta através do plugin Genkit MCP e invocada por um cliente real do SDK MCP via stdio em um sandbox local.
A forma mínima do servidor
O caminho de código importante é curto:
import { createMcpServer } from '@genkit-ai/mcp';
import { genkit, z } from 'genkit/beta';
const ai = genkit({});
ai.defineTool(
{
name: 'riskScore',
description: 'Classifique uma mudança de implantação por regras de risco determinísticas.',
inputSchema: z.object({
changedFiles: z.array(z.string()),
touchesAuth: z.boolean().default(false),
touchesBilling: z.boolean().default(false),
}),
},
async ({ changedFiles, touchesAuth, touchesBilling }) => {
let score = Math.min(changedFiles.length * 10, 40);
if (touchesAuth) score += 35;
if (touchesBilling) score += 30;
if (changedFiles.some((file) => file.includes('migration'))) score += 20;
const capped = Math.min(score, 100);
return {
scoreO Genkit 2.0 oferece uma solução prática para empresas brasileiras que buscam integrar ferramentas de IA em seus fluxos de trabalho. A capacidade de definir e implantar ações de IA tipadas pode melhorar a eficiência operacional e a segurança em processos críticos. Isso é especialmente relevante em um cenário onde a automação e a inteligência artificial estão se tornando essenciais para a competitividade.
Noticias relacionadas

Do Comércio ao E-Commerce ao MCP-Comércio: A Terceira Onda
O artigo explora a evolução do comércio para o MCP-Comércio, onde a IA gerencia operações comerciais, permitindo que empreendedores se concentrem em decisões estratégicas.

Testando IA de Borda com uma ferramenta MCP: mk-qa-master e YOLO
O artigo explora como o mk-qa-master, uma ferramenta nativa do MCP, pode testar IA de borda usando um feed de câmera ao vivo e o modelo YOLO, abordando desafios como latência e robustez.

Construa um Servidor MCP com Playwright Stealth para Navegação de IA
Aprenda a criar um servidor MCP usando Playwright e o plugin playwright-stealth para fornecer acesso confiável à web para agentes de IA, contornando proteções contra bots.
Gostou do conteudo?
Receba toda semana as principais novidades sobre WebMCP.