.webp)
Está a reconfigurar o seu pipeline de agente de IA pela décima vez hoje - mais uma integração de API frágil, mais uma ronda de passagem manual de contexto apenas para evitar que as coisas se partam. Fluxos de autenticação de codificação rígida, normalização de respostas de API, junção de pontos de extremidade - isso não é desenvolvimento de IA; é um inferno de integração.
Criar agentes de IA que extraem dados de várias fontes sem problemas deveria ser fácil, mas a realidade atual é fragmentada, repetitiva e difícil de escalar. Cada ferramenta fala a sua própria língua, obrigando-o a encontrar soluções alternativas em vez de criar uma verdadeira automatização.
A Anthropic está a tentar mudar isso com o Protocolo de Contexto de Modelo (MCP) - uma forma normalizada de os agentes de IA obterem e utilizarem dados externos sem o pesadelo interminável da integração. Mas será que isso resolve o problema? Vamos analisar a questão.
O que é um protocolo?
Um protocolo é um conjunto de regras e convenções que definem a forma como os sistemas comunicam e trocam dados. Ao contrário de uma API, uma interface específica de implementação, um protocolo estabelece uma norma universal para as interações. Alguns exemplos bem conhecidos incluem:
- HTTP (Hypertext Transfer Protocol) - Define a forma como os navegadores Web e os servidores comunicam.
- OAuth (Open Authorization Protocol) - Uma norma para autenticação segura em diferentes plataformas.
Os protocolos asseguram a interoperabilidade - em vez de cada sistema reinventar a forma como os dados devem ser trocados, um protocolo normaliza o processo, reduzindo a complexidade e tornando as integrações mais escaláveis.
Embora os protocolos não sejam obrigatórios ou impostos, a adoção de protocolos ao longo do tempo pode moldar a base da forma como os sistemas interagem à escala global - vimos isto com a evolução do HTTP para o HTTPS, mais seguro e amplamente aceite, alterando fundamentalmente a forma como os dados são transmitidos através da Internet.
O que é o protocolo de contexto de modelo (MCP)?
O Protocolo de Contexto de Modelo (MCP) é uma norma aberta desenvolvida pela Anthropic para simplificar a forma como os modelos de IA acedem e interagem com fontes de dados externas.
Em vez de exigir que os sistemas de IA dependam de integrações de API personalizadas, solicitações estruturadas manualmente e autenticação por serviço, o MCP fornece uma estrutura unificada para que os agentes de IA recuperem, processem e atuem em dados estruturados de forma padronizada.
Em termos mais simples, o MCP define a forma como os modelos de IA devem solicitar e consumir dados externos - quer sejam de bases de dados, APIs, armazenamento na nuvem ou aplicações empresariais - sem que os programadores tenham de codificar a lógica específica da API para cada fonte.
Porque é que a MCP foi criada?
Os modelos de IA, especialmente LLMs (modelos de linguagem de grande dimensão) e os agentes autónomos, necessitam de acesso a ferramentas e bases de dados externas para gerar respostas precisas e contextuais. No entanto, as actuais interações entre a IA e as API são ineficientes e criam despesas gerais significativas para os programadores.
Atualmente, a integração de um agente de IA com sistemas externos exige:
- Integrações API personalizadas para cada ferramenta (CRM, armazenamento na nuvem, sistemas de bilhética, etc.).
- Configuração da autenticação por API (OAuth, chaves de API, tokens de sessão).
- Formatação manual de dados para tornar as respostas da API utilizáveis para modelos de IA.
- Gestão de limites de taxas e tratamento de erros em diferentes serviços.
Esta abordagem não é escalável. Cada nova integração requer lógica personalizada, depuração e manutenção, tornando a automação baseada em IA lenta, cara e frágil.
Ao definir um protocolo comum, o MCP torna os modelos de IA mais conscientes dos dados sem obrigar os programadores a criar pontes API personalizadas para cada sistema com que interagem.
Como é que a CIM funciona?
Atualmente, os agentes de IA dependem de chamadas de API personalizadas, autenticação por serviço e análise manual de respostas, criando uma rede frágil de integrações que são difíceis de escalar.
Em vez de forçar os agentes de IA a interagir com APIs isoladamente, o MCP estabelece um protocolo unificado que abstrai a complexidade da autenticação, da execução de pedidos e da formatação de dados - permitindo que os sistemas de IA se concentrem no raciocínio e não na lógica de integração de baixo nível.
Arquitetura cliente-servidor da MCP
A MCP foi criada com base num modelo cliente-servidor que estrutura a forma como os modelos de IA recuperam e interagem com fontes de dados externas.
- Os clientes MCP são agentes de IA, aplicações ou qualquer sistema que solicite dados estruturados.
- Os servidores MCP actuam como intermediários, obtendo dados de várias APIs, bases de dados ou sistemas empresariais e devolvendo-os num formato consistente.
Em vez de os modelos de IA fazerem solicitações diretas de API, os servidores MCP lidam com a complexidade da autenticação, recuperação de dados e normalização de respostas. Isso significa que os agentes de IA não precisam mais gerenciar várias credenciais de API, diferentes formatos de solicitação ou estruturas de resposta inconsistentes.
Por exemplo, se um modelo de IA precisa extrair informações de vários serviços, como Google Drive, Slack e um banco de dados, ele não consulta cada API separadamente. Ele envia uma única solicitação estruturada para um servidor MCP, que processa a solicitação, reúne dados das fontes necessárias e retorna uma resposta bem organizada.
Ciclo de vida dos pedidos e respostas da MCP
Uma interação MCP típica segue um ciclo estruturado de pedido-resposta que elimina chamadas API redundantes e normaliza a recuperação de dados.
1. O agente de IA envia um pedido estruturado ao servidor MCP. Em vez de elaborar pedidos API individuais, o agente define os dados de que necessita num formato uniforme.{
"request_id": "xyz-987",
"queries": [
{"source": "github", "action": "get_recent_commits", "repo": "company/project"},
{"source": "slack", "action": "fetch_unread_messages", "channel": "engineering"}
]
}
2. O servidor MCP processa o pedido validando a autenticação, verificando as permissões e determinando quais os sistemas externos a consultar.
3. As consultas são executadas em paralelo, o que significa que os dados de vários serviços são recuperados ao mesmo tempo e não sequencialmente, reduzindo a latência global.
4. As respostas de diferentes fontes são normalizadas num formato estruturado que os modelos de IA podem facilmente processar.{
"github": {
"recent_commits": [
{"author": "Alice", "message": "Refactored AI pipeline", "timestamp": "2024-03-12T10:15:00Z"}
]
},
"slack": {
"mensagens não lidas": [
{"user": "Bob", "text": "Hey, can you review the PR?", "timestamp": "2024-03-12T09:45:00Z"}
]
}
}
Ao contrário das respostas brutas da API que exigem análise manual, o MCP garante que todos os dados recuperados sigam um formato previsível e estruturado, facilitando a compreensão e a utilização pelos modelos de IA.
Execução de consultas e agregação de respostas
O MCP foi concebido para otimizar a forma como os modelos de IA interagem com sistemas externos, introduzindo um processo de execução estruturado.
- A validação do pedido garante que o modelo de IA tem as permissões necessárias antes de quaisquer dados serem recuperados.
- O encaminhamento de consultas determina quais os serviços externos a que é necessário aceder.
- A execução paralela recupera dados de várias fontes ao mesmo tempo, reduzindo os atrasos causados por pedidos de API sequenciais.
- A agregação de respostas consolida dados estruturados numa única resposta, eliminando a necessidade de os modelos de IA processarem manualmente várias saídas de API em bruto.
Ao reduzir solicitações redundantes, normalizar respostas e tratar a autenticação de forma centralizada, o MCP elimina a sobrecarga desnecessária da API e torna a automação orientada por IA mais escalonável.
Limitações do CIM
O Protocolo de Contexto de Modelo (MCP) é um passo importante para tornar os modelos de IA mais capazes de interagir com sistemas externos de uma forma estruturada e escalável. No entanto, como qualquer tecnologia emergente, apresenta limitações que têm de ser resolvidas antes de uma adoção generalizada.
Desafios de autenticação
Uma das maiores promessas do MCP é tornar os agentes de IA menos dependentes de integrações específicas de API. No entanto, a autenticação (AuthN) continua a ser um grande desafio.
Atualmente, a autenticação de API é um processo fragmentado - alguns serviços usam OAuth, outros dependem de chaves de API e alguns exigem autenticação baseada em sessão. Essa inconsistência faz com que a integração de novas APIs seja demorada, e o MCP atualmente não tem uma estrutura de autenticação integrada para lidar com essa complexidade.
O MCP ainda requer algum mecanismo externo para autenticar solicitações de API, o que significa que os agentes de IA que usam o MCP devem contar com soluções adicionais, como o Composio, para gerenciar credenciais de API. A autenticação está no roteiro do MCP, mas até que seja totalmente implementada, os desenvolvedores ainda precisarão de soluções alternativas para lidar com a autenticação em vários sistemas.
Gestão da identidade pouco clara
Outra questão por resolver é a gestão da identidade - quem é que um sistema externo vê quando um agente de IA faz um pedido através da MCP?
Por exemplo, se um assistente de IA consultar Slack através do MCP, Slack deve reconhecer o pedido como proveniente de:
- O utilizador final (ou seja, a IA actua em nome de um ser humano).
- O próprio agente de IA? (O que exigiria que Slack tratasse as interações baseadas na IA separadamente).
- Uma conta de sistema partilhada (que pode suscitar problemas de segurança e controlo de acesso).
Esta questão é ainda mais complicada em ambientes empresariais, onde as políticas de controlo de acesso determinam quem pode aceder a que dados. Sem um mapeamento de identidade claro, as integrações de CIM podem enfrentar acesso restrito, riscos de segurança ou inconsistências em diferentes plataformas.
O suporte OAuth está planeado para o MCP, o que pode ajudar a clarificar o tratamento de identidades, mas até que este seja totalmente implementado, os modelos de IA podem ter dificuldades com o acesso baseado em permissões a serviços de terceiros.
Bloqueio do fornecedor e fragmentação do ecossistema
O MCP é atualmente uma iniciativa liderada pela Anthropic, o que levanta questões sobre a sua normalização a longo prazo. À medida que os ecossistemas de IA evoluem, existe uma forte possibilidade de outros intervenientes importantes - como a OpenAI ou a DeepSeek - desenvolverem os seus próprios protocolos para interações IA-sistema.
Se surgirem várias normas concorrentes, o sector poderá fragmentar-se, obrigando os programadores a escolher entre abordagens diferentes e incompatíveis. Resta saber se a MCP continua a ser a abordagem dominante ou se se torna simplesmente uma das várias opções concorrentes.
Os fornecedores de IA irão normalizar-se em torno do MCP?
A MCP oferece um quadro universal para reduzir a fragmentação nas integrações de IA, em que cada ligação exige atualmente soluções personalizadas que aumentam a complexidade.
Para que o MCP se torne um padrão amplamente aceite, é necessário que os principais fornecedores de IA o adoptem. Empresas como a OpenAI, a Google DeepMind e a Meta ainda não se comprometeram, deixando incerta a sua viabilidade a longo prazo. Sem a colaboração de toda a indústria, o risco de vários protocolos concorrentes permanece alto.
Algumas empresas já começaram a utilizar a MCP. A Replit, a Codeium e a Sourcegraph integraram-na para simplificar a forma como os seus agentes de IA interagem com dados estruturados. No entanto, é necessária uma adoção mais ampla para que a CIM vá além da experimentação inicial.
Para além das empresas de IA, os esforços de normalização global poderão influenciar o futuro da MCP. Organizações como a ISO/IEC JTC 1/SC 42 estão a trabalhar para definir quadros de integração da IA. Iniciativas nacionais, como o comité de normas de IA da China, destacam a corrida para moldar a próxima geração de protocolos de IA.
A CIM ainda está a evoluir. Se a indústria se alinhar em torno dele, as integrações de IA poderão tornar-se mais interoperáveis e escaláveis. No entanto, se surgirem normas concorrentes, os programadores poderão deparar-se com um ecossistema fragmentado em vez de uma solução unificada.
Criar agentes de IA que se integram com APIs
O MCP simplifica as interações de IA, mas a autenticação e o acesso estruturado à API continuam sendo os principais desafios. Botpress oferece suporte a OAuth e JWT, permitindo que os agentes de IA se autentiquem com segurança e interajam com o Slack, Google Calendar, Notion e muito mais.
Com o Nó Autónomo, os agentes de IA podem tomar decisões LLM e executar tarefas de forma dinâmica. Botpress fornece uma forma estruturada de criar agentes de IA que se ligam a vários sistemas.
Comece a construir hoje -é grátis.
.svg)
