MCP vs chamadas de ferramentas para agentes de IA: qual é melhor?

Se você está construindo um agente de IA em seu produto que precisa de integrações de API de terceiros (buscar um cliente do Salesforce, enviar uma mensagem no Slack, atualizar um negócio no HubSpot), você tem duas maneiras de fornecer ferramentas: conectá-lo a servidores MCP (Modelo de Protocolo de Contexto), ou definir chamadas de ferramentas personalizadas (também chamadas de chamadas de função).

As duas não são alternativas no nível do protocolo: o MCP é construído sobre chamadas de ferramentas. Este artigo explica ambos, como eles diferem e qual usar em produção.

TL;DR

Chamadas de ferramentas (chamadas de função) são o mecanismo base: você passa esquemas de ferramentas para o modelo, o modelo escolhe um e retorna argumentos, e seu código executa a chamada. Você controla o design da ferramenta, autenticação e execução, e você constrói tudo isso.

O MCP é um protocolo aberto sobre chamadas de ferramentas. Ele padroniza como os agentes descobrem e chamam ferramentas de servidores, de modo que o mesmo servidor funcione com agentes construídos na Anthropic, OpenAI, LangChain ou qualquer outra pilha com um cliente MCP. Servidores MCP de terceiros genéricos são rápidos de conectar, mas eles custam contexto, reduzem a precisão da seleção de ferramentas e adicionam uma superfície de autenticação e segurança que você não controla.

A resposta curta:

• Escolha chamadas de ferramentas personalizadas para o agente de produção dentro do seu produto SaaS. Elas vencem em confiabilidade, custo de token e autenticação por usuário. Em nossa pesquisa no outono de 2025 com várias centenas de equipes construindo integrações de agentes, menos de 10 mantiveram o MCP em produção.
• Escolha servidores MCP para protótipos, agentes internos e ferramentas de desenvolvedor, onde a velocidade de configuração importa mais do que o custo por solicitação e seus próprios engenheiros supervisionam o agente.
• Use ambos escrevendo ferramentas personalizadas uma vez e servindo-as por meio de um servidor MCP. Nango suporta isso: use agentes de codificação como Claude Code, Cursor e Codex para construir chamadas de ferramentas personalizadas na plataforma, e seu agente as consome via REST ou pelo servidor MCP embutido da Nango.

O que são chamadas de ferramentas?

Chamadas de ferramentas são um recurso de LLM. A OpenAI lançou chamadas de função em 13 de junho de 2023, e o uso de ferramentas da Anthropic alcançou disponibilidade geral em 30 de maio de 2024. A mecânica é a mesma em todos os lugares:

1. Você passa definições de ferramentas (nome, descrição, entrada do esquema JSON) com sua solicitação.
2. Com base no prompt do usuário, o modelo decide que uma ferramenta é necessária e retorna o nome da ferramenta mais os argumentos.
3. Seu código executa a chamada da API real e retorna o resultado para o modelo.
4. O modelo usa o resultado para continuar ou responder.

Uma ferramenta tem duas partes. A primeira parte é o esquema que o modelo vê. Para uma busca de CRM:

{
  "name": "get_customer",
  "description": "Buscar um registro de cliente do CRM pelo endereço de e-mail.",
  "input_schema": {
    "type": "object",
    "properties": {
      "email": { "type": "string", "description": "Endereço de e-mail do cliente" }
    },
    "required": ["email"]
  }
}

A segunda parte é a função que seu código executa quando o modelo chama a ferramenta. O modelo apenas emite a intenção estruturada (o nome da ferramenta e argumentos como JSON). Nada acontece até que seu código corresponda essa intenção à lógica real:

// Seu loop de agente roteia a chamada de ferramenta do modelo para o código que você escreveu
async function executeTool(name: string, args: any, user: User) {
  if (name === 'get_customer') {
    const token = await getAccessToken(user, 'salesforce'); // sua camada de autenticação
    return crm.searchContacts(args.email, token);           // a chamada da API real
  }
}

Quando você usa Claude ou ChatGPT e as ferramentas parecem ser executadas automaticamente, é porque esse executor é enviado dentro desses aplicativos. Quando você constrói um agente em seu produto, você possui o executor. É onde a autenticação, tentativas, limites de taxa e paginação vivem.

A adesão ao esquema está amplamente resolvida: as saídas estruturadas da OpenAI (6 de agosto de 2024) garantem que os argumentos correspondam ao seu esquema, e a Anthropic oferece o mesmo com strict: true.

O que é MCP?

O MCP é um protocolo aberto que a Anthropic

As empresas brasileiras que desenvolvem agentes de IA podem se beneficiar ao entender as diferenças entre MCP e chamadas de ferramentas, otimizando a integração de APIs. A escolha correta pode impactar a eficiência e os custos operacionais dos agentes em produção.