Você já tentou pedir pra uma IA ler um arquivo do seu computador? Ou consultar seu banco de dados? Ou chamar uma API interna?
Na maioria dos casos, a resposta é: ela não consegue. LLMs como o ChatGPT, Claude e Gemini são treinadas em dados públicos, mas não têm acesso a nada que é seu. Elas vivem em uma bolha.
O MCP (Model Context Protocol) é o protocolo que fura essa bolha.
O problema: IAs inteligentes, mas cegas
Imagina um consultor brilhante que sabe tudo sobre programação, arquitetura de sistemas e boas práticas. Mas esse consultor está trancado em uma sala sem internet, sem acesso aos seus repositórios, sem ver seus logs. Você precisa copiar e colar tudo manualmente pra ele analisar.
É exatamente assim que a maioria das pessoas usa IA hoje. Copia o código, cola no chat, pega a resposta, volta pro editor. Um loop manual e tedioso.
O MCP elimina esse loop.
O que é MCP, na prática
MCP é um protocolo aberto criado pela Anthropic que define como uma IA se conecta a ferramentas externas. Pense nele como um "USB-C para IAs" — uma interface padronizada que permite que qualquer modelo se comunique com qualquer ferramenta.
Um servidor MCP é um programa que expõe ferramentas específicas. Exemplos reais:
- Um servidor MCP de arquivos permite que a IA leia, escreva e busque arquivos no seu computador
- Um servidor MCP de banco de dados permite que a IA rode queries SQL
- Um servidor MCP do GitHub permite que a IA abra PRs, leia issues, faça code review
- Um servidor MCP do Slack permite que a IA mande mensagens e leia canais
O modelo de IA é o cliente. Ele descobre quais ferramentas estão disponíveis e decide quando usar cada uma, baseado no que você pede.
Como funciona por baixo
A comunicação acontece de duas formas:
- stdio: o servidor roda como processo local e se comunica via stdin/stdout. Ideal pra ferramentas no seu computador.
- SSE (Server-Sent Events): o servidor roda remotamente via HTTP. Ideal pra serviços na nuvem.
O fluxo é simples:
- O cliente (a IA) se conecta ao servidor MCP
- O servidor anuncia suas ferramentas (tools) — nome, descrição, parâmetros
- A IA decide usar uma ferramenta quando faz sentido
- O servidor executa e retorna o resultado
- A IA incorpora o resultado na resposta
Tudo isso acontece de forma transparente. Você pede "busca nos meus arquivos de memória sobre o incidente de fevereiro" e a IA sabe que precisa chamar a ferramenta de busca do servidor MCP.
Exemplo real: conectando o Claude Code a uma base de notas
Usei um servidor MCP chamado mcpvault pra conectar o Claude Code à minha base de conhecimento — veja como.
A configuração é minimalista:
{
"mcpServers": {
"vault": {
"command": "npx",
"args": ["-y", "@bitbonsai/mcpvault", "/root/brain"]
}
}
}Com isso, o Claude Code ganhou 14 ferramentas: busca por palavras-chave, leitura de arquivos, escrita, manipulação de metadados. Ele passou de "IA que só responde perguntas" para "IA que consulta minha documentação e toma decisões informadas".
Onde MCP já está funcionando
O ecossistema cresceu rápido. Alguns servidores MCP populares:
- filesystem — acesso a arquivos locais
- postgres / mysql — queries em banco de dados
- github — operações em repositórios
- playwright — automação de browser
- cloudflare — gerenciamento de DNS e Workers
- context7 — documentação atualizada de bibliotecas
O Claude Code, o Cursor e outros editores com IA já suportam MCP nativamente. A tendência é que isso se torne padrão.
MCP vs. function calling: qual a diferença?
Function calling (da OpenAI) e MCP resolvem problemas parecidos, mas de formas diferentes.
Function calling é proprietário — cada provedor de LLM tem sua implementação. Você define as funções no código e o modelo decide quando chamar. O código que executa a função é seu.
MCP é um protocolo aberto e padronizado. Os servidores são reutilizáveis entre diferentes modelos e editores. Você instala um servidor MCP de GitHub e ele funciona no Claude Code, no Cursor, em qualquer cliente compatível.
Em resumo: function calling é como cada app ter seu próprio carregador. MCP é o USB-C.
MCP no Mundo Real
Teoria e exemplos de tutorial são uma coisa. Mas quero mostrar dois casos onde MCP (ou sua filosofia) resolveu problemas reais pra mim.
Design System + IA: documentação viva via MCP
Em uma empresa onde trabalhei, a equipe mantinha um design system proprietário com dezenas de componentes. O problema clássico: a documentação ficava desatualizada, e quem usava IA pra gerar código com esses componentes recebia sugestões com props erradas, padrões obsoletos, configurações inválidas.
A solução foi criar um servidor MCP que expunha a documentação completa do design system — cada componente com suas props válidas, regras de validação, exemplos de uso. Quando alguém usava o Claude Code pra construir uma página, a IA consultava o MCP pra verificar como usar cada componente corretamente.
O resultado: a IA sempre tinha a documentação atualizada sem precisar memorizar nada. Quando um componente mudava, bastava atualizar a fonte de dados do MCP. Zero retreino, zero copia-e-cola de docs. É MCP no seu melhor — uma ponte viva entre documentação e desenvolvimento assistido por IA.
WhatsApp AI Bot: function calling na prática
No Sistema Reino — meu SaaS de gestão para igrejas — eu construí um bot de WhatsApp com IA que permite que administradores de igrejas façam coisas como:
- Consultar informações de membros ("qual o telefone da Maria Silva?")
- Ver próximos eventos e escalas
- Consultar relatórios financeiros
- Registrar presença em cultos
O bot usa function calling — que é conceitualmente primo do MCP. A IA recebe a mensagem em linguagem natural, decide qual "função" chamar (buscar membro, listar eventos, consultar financeiro), executa, e responde com os dados reais.
Essa é a filosofia do MCP em ação: dar à IA acesso a capacidades externas que ela não teria sozinha. A diferença é que function calling é amarrado ao provedor de LLM, enquanto MCP é um protocolo aberto. Mas o conceito central — IA que age em vez de só opinar — é o mesmo.
Por que isso importa pra devs
MCP é a ponte entre "IA que sugere código" e "IA que opera sistemas". Quando a IA consegue ler seus logs, consultar seu banco, acessar sua documentação interna — ela para de ser um autocomplete glorificado e vira um colega de trabalho.
Se você usa Claude Code, Cursor ou qualquer ferramenta de IA no dia a dia, vale investir 30 minutos pra entender e configurar seus primeiros servidores MCP. O ganho de produtividade é real e imediato.
Eu gerencio 5 projetos em produção com um bot no Telegram que usa MCP pra acessar servidores, bancos e arquivos. Não é futuro — é o que já roda hoje.
