Genkit 2.0 GA: Firebase AI, MCP e Cloud Run

Genkit é o framework de código aberto do Google para construir aplicações impulsionadas por IA e agentes em TypeScript, Go, Python preview e Dart preview. A razão pela qual isso é importante em 2026 não é apenas "mais um SDK de agente". Ele está próximo do Firebase, Google Cloud, Cloud Run, Gemini, Vertex AI e da onda de ferramentas MCP que está transformando sistemas de agentes em infraestrutura chamável.

O Effloow Lab executou um PoC de sandbox local para o caminho MCP do TypeScript em 2026-05-27. O resultado: os pacotes atuais genkit e @genkit-ai/mcp instalados, TypeScript compilado, uma ferramenta definida pelo Genkit foi exposta através do MCP via stdio, e um cliente MCP real a descobriu e a chamou. A nota de evidência completa está em data/lab-runs/google-genkit-2-0-firebase-ai-developer-guide-2026.md.

Este artigo mantém a linha de evidência rigorosa. Verificamos o caminho do plugin MCP local. Não implantamos no Cloud Run, configuramos o Firebase Monitoring, criamos uma captura de tela do Cloud Trace ou chamamos o Gemini. Esses passos de produção estão cobertos pela documentação oficial, mas não são reivindicados como testados em laboratório aqui.

O que a sandbox provou

O PoC criou um projeto Node temporário em /tmp/effloow-genkit-mcp-poc, instalou os pacotes atuais, definiu uma ferramenta determinística do Genkit, iniciou um servidor MCP do Genkit e então usou o SDK oficial do MCP como cliente.

As versões instaladas foram:

A ferramenta foi intencionalmente sem graça: estimate_prompt_window conta caracteres e palavras, e então recomenda se deve resumir ou enviar diretamente. Isso foi deliberado. Uma ferramenta local determinística prova a estrutura e a fiação do MCP sem exigir chaves de API, chamadas de modelo ou credenciais de nuvem.

A saída do cliente MCP foi:

TOOLS
[
  "estimate_prompt_window"
]
CALL_RESULT
[
  {
    "type": "text",
    "text": "{\"characters\":46,\"words\":8,\"withinLimit\":false,\"recommendation\":\"Summarize or chunk before sending to the model.\"}"
  }
]

Isso é suficiente para dizer: um aplicativo Genkit TypeScript pode expor uma ferramenta local tipada através do plugin MCP do Genkit, e um cliente MCP real pode descobri-la e invocá-la.

O servidor MCP mínimo

O servidor principal foi curto:

import { createMcpServer } from '@genkit-ai/mcp';
import { genkit, z } from 'genkit/beta';

const ai = genkit({});

ai.defineTool(
  {
    name: 'estimate_prompt_window',
    description:
      'Estime o tamanho do prompt e sugira se a entrada deve ser resumida antes de enviar para um LLM.',
    inputSchema: z.object({
      text: z.string(),
      maxCharacters: z.number().int().positive().default(1200),
    }),
    outputSchema: z.object({
      characters: z.number(),
      words: z.number(),
      withinLimit: z.boolean(),
      recommendation: z.string(),
    }),
  },
  async ({ text, maxCharacters }) => {
    const words = text.trim().length === 0 ? 0 : text.trim().split(/\s+/).length;
    const withinLimit = text.length <= maxCharacters;

    return {
      characters: text.length,
      words,
      withinLimit,
      recommendation: withinLimit
        ? 'Enviar diretamente.'
        : 'Resumir ou dividir antes de enviar para o modelo.',
    };
  },
);

const server = createMcpServer({
  port: 3000,
  ai,
});

server.start();