MCP (Model Context Protocol): O que Você Precisa Saber

Essa semana (segunda) eu fiz uma apresentação para o time que faço parte na PicPay (salveeee pessoal de AI Lab e todos de AI Products que estão lendo isso 🚀!!). Nessa apresentação eu expliquei a ele sobre MCP (Model Context Protocol), um das varias "novidades" que vem sido muito falado nos últimos dias. Eu curti bastante fazer a apresentação, então resolvi criar um video no youtube a respeito desse assunto. E nessa postagem eu irei trazer alguns highlights desse vídeo de forma resumida, para que você consiga entender o que diacho é MCP.

1. O que é MCP?

O MCP é um protocolo que visa padronizar a comunicação entre aplicativos de IA e fontes de dados externas. Diferente das abordagens onde a lógica de integração é implementada diretamente no serviço da aplicação de IA, o MCP propõe uma arquitetura desacoplada.

Na prática, o MCP define um padrão para a troca de mensagens entre um cliente (MCP Client), implementado na aplicação, e servidores (MCP Servers) que expõem funcionalidades específicas (chamadas de capabilities). Essa separação de responsabilidades permite que diferentes serviços e ferramentas sejam integrados de forma mais modular e flexível.

2. Qual Problema o MCP Resolve?

As arquiteturas atuais frequentemente resultam em um alto acoplamento entre a aplicação de IA e as integrações com sistemas externos. Isso dificulta a customização e a extensão das funcionalidades, uma vez que qualquer alteração requer modificações no serviço principal da aplicação.

O MCP busca resolver esse problema ao desacoplar as integrações. Os MCP Servers podem ser desenvolvidos e mantidos independentemente da aplicação de IA, permitindo que novas funcionalidades sejam adicionadas ou removidas sem a necessidade de modificar o código da aplicação principal. Além disso, o MCP facilita o gerenciamento do contexto nas interações com modelos de linguagem, contribuindo para uma comunicação mais eficiente e precisa.

3. Diferença entre MCP e Tool Calling

Embora ambos os mecanismos permitam a interação de modelos de linguagem com ferramentas externas, eles diferem em sua abordagem. O Tool Calling geralmente envolve a implementação dos executores das ferramentas diretamente no modelo de linguagem. Já o MCP propõe uma arquitetura onde as ferramentas são expostas por MCP Servers independentes, com os quais o modelo de linguagem interage através de um MCP Client.

Essa separação de responsabilidades oferece maior flexibilidade e escalabilidade, permitindo que diferentes serviços e ferramentas sejam integrados de forma mais modular. No meu vídeo, apresento um exemplo prático dessa diferença, demonstrando a implementação de um MCP Server para o AbacatePay. Resumindo, o MCP é uma estrutura de comunicação padronizada e nela você pode até utilizar as tools de forma separada do host/client.

4. Caso de Uso

Um exemplo de aplicação do MCP é a integração de um modelo de linguagem com um sistema de pagamentos. No vídeo, demonstro a criação de um MCP Server para o AbacatePay, que permite a um modelo de linguagem interagir com a API de pagamentos para listar clientes e criar novos cadastros.

Essa abordagem pode ser estendida para outros casos de uso, como a integração com sistemas de CRM, ferramentas de desenvolvimento e outras aplicações, permitindo a criação de fluxos de trabalho automatizados e personalizados.

Conclusão:

O MCP representa uma abordagem promissora para a integração de aplicações de IA com sistemas externos. Ao padronizar a comunicação e desacoplar as responsabilidades, o MCP contribui para o desenvolvimento de aplicações mais flexíveis, escaláveis e fáceis de manter.

Se você tiver interesse em aprofundar seus conhecimentos sobre o MCP, convido você a assistir ao vídeo onde demonstro a implementação de um MCP Server para o AbacatePay. Link para o vídeo