MCP Não é Mágica, é Apenas uma Boa Porta

Introdução

Eu fiquei convencido a usar pipelines de IA no momento em que encontrei o n8n. Foi impressionante o potencial que ele tem. Eu não queria ser apenas um usuário, eu queria saber como funciona. Como muitos desenvolvedores, eu uso IA para assistência diária, mas isso é apenas a ponta do iceberg. Eu queria uma imersão no desenvolvimento de aplicações de IA. A primeira coisa que senti que precisava saber era o Protocolo de Contexto de Modelo (MCP), "Por que é útil e como funciona?".

O grande negócio com o MCP

Como a documentação oficial afirma, o MCP é um padrão de código aberto para conectar aplicações de IA a sistemas externos. Vamos pensar no MCP como o USB-C para aplicações de IA. Este protocolo fornece uma maneira padronizada de conectar aplicações de IA a sistemas externos.

Um exemplo disso aplicado é um simples chat com Claude ou ChatGPT com acesso a um banco de dados interno da empresa e ferramentas em torno do modelo de negócios, capacitando o usuário; agentes tomando decisões em seu nome; conexão direta com muitos dos seus serviços como Figma, PostHog, GitHub, e a lista continua crescendo.

Primeiros Passos

Eu comecei com um servidor MCP, porque já tinha um bom Cliente MCP funcionando, o Claude. Ao trabalhar no lado do servidor, você tem três conceitos ou capacidades principais: Recursos, Ferramentas e Prompts. Comecei com Ferramentas, que são basicamente funções que seu LLM pode usar.

Outra coisa importante a ter em mente é que um Servidor MCP pode ser baseado em STDIO ou HTTP. Cada um tem propósitos diferentes. O STDIO é destinado a ferramentas locais de usuário único e de alto desempenho. Enquanto os baseados em HTTP são para aplicações web e sistemas distribuídos, pense neles como uma API. Assim que entendi STDIO vs HTTP, tudo fez sentido. Eu entendi por que algumas ferramentas são baseadas em CLI e outras são serviços completos.

Eu esperava uma barreira maior para começar com os MCPs, uma alta cerimônia junto com conceitos pesados de Engenharia de IA. Enquanto escrevia uma simples ferramenta get_current_time, o que encontrei não foi um protocolo complexo, mas sim um contrato bem definido para construir. Abaixo podemos ver a implementação da ferramenta que é basicamente o bloco registerTool, que é a única coisa com a qual precisamos nos preocupar. O resto é boilerplate.

import { McpServer } from '@modelcontextprotocol/sdk/server/mcp.js';
import { StdioServerTransport } from '@modelcontextprotocol/sdk/server/stdio.js';
import z from 'zod';

const server = new McpServer({
  name: 'my-mcp-server',
  version: '1.0.0',
});

server.registerTool(
  'get_current_time',
  {
    description: 'Obter a hora atual',
  },
  () => {
    return {
      content: [
        {
           type: 'text',
           text: `A hora atual é: ${new Date().toLocaleString()}`,
        },
      ],
    };
  },
);

async function main() {
  const transport = new StdioServerTransport();
  await server.connect(transport);
  console.error('Meu MCP rodando no stdio');
}

main().catch((error) => {
  console.error('Erro fatal em main():', error);
  process.exit(1);
});

Uma vez integrado com meu cliente, neste caso o Claude Desktop, a ferramenta está disponível para nós pedindo ao Claude para "Obter a hora atual" em um prompt para usá-la.

Continue avançando nos MCPs

O MCP é a porta que dá a um LLM o poder de usar seu sistema. Pode ser tão simples quanto uma ferramenta para obter a hora atual e tão complexo quanto manipular uma aplicação web inteira através de um chat. Um dos meus exemplos favoritos é o MCP do PostHog que permite que você construa gráficos de insights dizendo ao LLM o que você gostaria de ver.

Como prova de entendimento, eu queria construir um servidor MCP complexo. Acabei com uma ferramenta chamada gitstoria. Esta ferramenta ajuda você a anexar raciocínios e notas de processo aos seus commits do git via qualquer cliente LLM compatível com MCP. Toda vez que você faz um commit, gitstoria coloca o commit na fila para revisão; seu LLM lê o diff, escreve um log de sessão estruturado e o armazena localmente ao lado do histórico do seu repositório.

Como funciona:

1. Você faz um commit, um post-commit hook é acionado e registra o hash do commit em um banco de dados SQLite local
2. Você pede ao Claude para registrar o que trabalhou
3. Claude chama as ferramentas MCP do gitstoria, lê o diff e escreve um log de sessão de volta ao DB

Você pode dar uma olhada no código completo e baixar o pacote se estiver curioso:

• Código Completo do GitHub:
  Contexto Triplo Up

  O MCP oferece uma maneira padronizada de integrar aplicações de IA com sistemas empresariais, permitindo decisões automatizadas e acesso a dados internos. Isso pode transformar a forma como as empresas brasileiras utilizam IA em suas operações diárias.