MCP vs Chamada de Função — Um Guia de Seleção Baseado em Dados
Duas Perguntas Específicas
O Artigo 01 abordou a vantagem arquitetônica do MCP: reutilização padronizada de ferramentas. Engenheiros que fazem uma seleção real fazem duas perguntas mais concretas:
- Qual é a sobrecarga de comunicação do processo MCP? Isso afeta a experiência do usuário?
- Quando o tamanho do código do MCP realmente se torna menor do que o Chamado de Função?
Dados de benchmark reais respondem a ambas.
Design do Benchmark
Assunto do teste: o mesmo recurso "buscar problemas"
- Método A (Chamado de Função): definição da ferramenta e manipulador vivem no código do Agente, executados como uma chamada direta de função Python
- Método B (MCP): a ferramenta é executada em um processo de Servidor autônomo, chamada via subprocesso stdio
20 chamadas cada (5 de aquecimento excluídas), registrando P50/P90/média.
Resultados de Latência
Método Média P50 P90 Mín
──────────────────────────── ──────── ──────── ──────── ────────
Chamada de função direta 0.01ms 0.01ms 0.01ms 0.005ms
Chamada stdio do MCP 2.09ms 2.05ms 2.37ms 2.00ms
Sobrecarga do MCP por chamada: +2.08ms (283x mais lento que direto)
Inicialização do servidor MCP (uma vez): 570ms
Chamadas para amortizar o custo de inicialização: ~274
283x soa alarmante. Em contexto: a inferência LLM leva de 5 a 30 segundos. Chamadas de ferramentas são um passo nessa cadeia. Nesse intervalo de tempo, 2ms de sobrecarga de protocolo são imperceptíveis.
Quando a sobrecarga de 2ms realmente importa:
Tarefa típica do Agente: inferência LLM 15s + chamada de ferramenta 2ms → 0.01% de sobrecarga
→ negligenciável
Chatbot em tempo real: alvo < 200ms, chamada de ferramenta no caminho crítico
→ avaliar cuidadosamente
Automação de alta frequência: 100 chamadas de ferramenta/segundo
2ms × 100 = 200ms de latência extra/segundo
→ avaliar cuidadosamente
O Servidor MCP é inicializado uma vez por sessão e atende todas as chamadas de ferramentas depois disso. Sessões que excedem 274 chamadas de ferramentas (570ms ÷ 2.08ms) alcançam paridade com o Chamado de Função em latência total. A maioria das tarefas do Agente ultrapassa esse limite; o custo de inicialização se amortiza rapidamente.
Resultados do Tamanho do Código
Chamado de Função (definição + manipulador + loop do Agente): 43 linhas
Servidor MCP (processo autônomo, servidor completo): 32 linhas
Código do Agente MCP (zero código de ferramenta): 0 linhas
Com N=1, a diferença é pequena. Ela cresce a cada projeto adicional:
Projetos compartilhando uma ferramenta Total de linhas FC Total de linhas MCP Economia MCP
──────────────────────────────────────────────────────────────────────────
N=1 43 32 11
N=2 86 32 54
N=3 129 32 97
N=5 215 32 183
O código do Chamado de Função escala linearmente (cada Agente mantém seu próprio código de ferramenta). O código do MCP permanece constante (Servidor escrito uma vez). O benefício da reutilização se acumula a cada projeto adicional.
Por que 283x Não é a Métrica Certa para Seleção
O multiplicador bruto engana. O custo real de uma chamada de ferramenta tem três componentes:
Latência total = inferência LLM + execução da ferramenta + sobrecarga de protocolo
Cenário típico:
Inferência LLM: 8,000ms
Execução da ferramenta: 200ms
Protocolo MCP: 2ms
─────────────────────────────
Total: 8,202ms
Chamado de Função: 8,200ms
MCP: 8,202ms
Diferença: 0.024%
A sobrecarga de protocolo desaparece em comparação com o tempo de inferência LLM. A latência não dirige a decisão de seleção.
Estrutura de Decisão
Pergunta central: quantos projetos usarão esta ferramenta?
Projetos = 1, E:
Lógica da ferramenta < 30 linhas
Protótipo rápido, incerto se a longo prazo
→ Chamado de Função
Projetos >= 2, OU:
A ferramenta precisa de estado (pool de conexão, sessão de autenticação)
Não engenheiros precisam instalar/configurar (ecossistema Claude Desktop)
A equipe quer um padrão de ferramenta compartilhado e mantido centralmente
→ Servidor MCP
MCP está errado quando:
Requisito em tempo real < 10ms (gateway API, recomendações ao vivo)
Lógica da ferramenta está intimamente acoplada à lógica do Agente; a separação não adiciona nada
A duração da sessão é muito curta (< 100 chamadas de ferramenta) e o tempo de inicialização importa
Lógica de seleção em um diagrama:
Reutilização de ferramentas (N projetos × M chamadas)
│
├── Projeto único, infrequente ──────→ Chamado de Função (mais simples)
│
├── Vários projetos compartilhando ────────→ Servidor MCP (a reutilização compensa)
│
├── Necessita de estado ───────────────────────→ Servidor MCP (processo mantém estado)
│
└── Requisito em tempo real < 10ms ────→ Chamado de Função (sem sobrecarga)
Implementação Lado a Lado
Chamado de Função (43 linhas — código da ferramenta em cada Agente):
# Esquema da ferramenta
SEARCH_TOOL = {
"name": "search_issues",
"description": "Buscar problemas do Jira por palavra-chave",
"input_schema": {
"type": "object",
"properties": {"query": {"type": "string"}},
"required": ["query"]
}
}
# Implementação da ferramenta
def search_issues(query: str) -> str:
results = [Empresas brasileiras que utilizam agentes de IA podem se beneficiar da escolha entre MCP e chamadas de função, especialmente em projetos que exigem reutilização de ferramentas. A análise de latência e código pode otimizar o desempenho e a eficiência operacional.
Noticias relacionadas
Pare de escrever wrappers de API da Anthropic e comece a usar MCP
O artigo discute como o MCP transforma a interação com APIs em um fluxo de trabalho mais eficiente, eliminando a necessidade de wrappers personalizados e melhorando a gestão de contexto e custos em LLMs.
Criei um cliente estilo Bruno para servidores MCP
Desenvolvi o MCPFlo, um aplicativo open-source para testar servidores MCP, focando em assertivas determinísticas e visualização de orçamento de tokens, eliminando a necessidade de testes baseados em LLMs.
Quais servidores MCP os agentes de IA devem usar para dados do mercado financeiro em 2026
O artigo discute a importância de servidores MCP que fornecem decisões auditáveis para agentes de IA no mercado financeiro, destacando o servidor da AlgoVault como um exemplo eficaz.
Gostou do conteudo?
Receba toda semana as principais novidades sobre WebMCP.