Recentemente, o Protocolo de Contextualização de Modelos (MCP) emergiu como um ponto focal na indústria de IA, atraindo atenção significativa de grandes players como OpenAI, Google e várias empresas dentro e fora dos Estados Unidos. Charlie Graham, o Fundador e CEO da Second Coffee, recentemente compartilhou suas percepções sobre MCPs e seu potencial para remodelar o cenário em uma postagem de blog. Este artigo investiga as possibilidades e restrições atuais dos MCPs, com base em pesquisas aprofundadas e experiência prática na construção de servidores MCP experimentais.
Entendendo os MCPs: Unindo Modelos de IA e Dados Externos
Os MCPs podem ser conceituados como APIs padronizadas que servem como um elo crucial entre fontes de dados externas ou aplicativos e grandes modelos de linguagem (LLMs) como ChatGPT ou Claude. Esses protocolos permitem que os modelos de IA acessem dados em tempo real de sites de viagens, gerenciem calendários e até manipulem arquivos em um computador.
Embora algumas ferramentas de IA como Claude, Cursor e OpenAI já empreguem recursos de integração personalizados, os MCPs oferecem um formato universal e padronizado para todas essas interações, aumentando muito sua versatilidade.
Um MCP consiste principalmente em dois componentes: um cliente (por exemplo, ChatGPT) e um servidor (por exemplo, um site de agendamento de voos). Quando usados juntos, eles conferem aos modelos de IA a capacidade de acessar dados em tempo real, realizar ações online e funcionar mais como agentes proativos do que como chatbots estáticos.
Atualmente, dois tipos principais de MCPs estão ganhando força. O primeiro tipo atende a desenvolvedores, exemplificado por ferramentas como Cursor ou Claude Code, que podem ser executadas em dispositivos como laptops para gerenciar arquivos e executar scripts. O segundo tipo é voltado para aplicações no mundo real, focando em atividades como busca de produtos, registro de domínios, agendamento de eventos ou envio de e-mails.
Para explorar as implicações práticas, dois tipos distintos de MCPs foram desenvolvidos. O primeiro, chamado GPT Learner, é um servidor de desenvolvedor projetado para ajudar os usuários a orientar o Cursor a lembrar erros e evitar repetição. Se Claude ou Cursor sobrescreverem o código incorretamente, a ferramenta permite que os usuários gravem e aprendam com o erro, armazenando a abordagem correta para referência futura.
O segundo projeto é um MCP de mercado de previsão que conecta grandes modelos de linguagem a um site, betsee.xyz, que agrega mercados de previsão em tempo real. Quando um usuário faz uma pergunta a Claude como, ‘Quais são os efeitos secundários de Trump pausar as tarifas e no que as pessoas estão apostando?’, o MCP retorna mercados relevantes e probabilidades em tempo real de Polymarket ou Kalshi.
Por que os MCPs Ainda Não Estão Prontos Para o Horário Nobre
A construção desses dois MCPs revelou várias percepções importantes, principalmente que os MCPs ainda não estão prontos para adoção generalizada.
A experiência atual do usuário com MCPs está longe de ser ideal. A maioria dos chatbots, como ChatGPT, ainda não suporta servidores MCP. Daqueles que suportam, a instalação geralmente requer a edição manual de JSON, um processo que está longe de ser amigável. Chatbots como Cursor e Claude tendem a solicitar aos usuários cada solicitação e frequentemente retornam informações incompletas ou saída JSON bruta, tornando a experiência desajeitada e insatisfatória.
Usando a versão desktop de Claude para consultar o MCP do mercado de previsão, muitas vezes não conseguia fornecer links ou preços, a menos que solicitado explicitamente e, ocasionalmente, nem sequer chamava o servidor. Os prompts pop-up constantes de Claude quando os MCPs eram usados diminuíram ainda mais o interesse do usuário. Embora o processamento contínuo e as respostas significativas dos MCPs sejam esperados no futuro, a tecnologia ainda não atingiu esse estágio.
A segurança é outra preocupação significativa. Dada sua capacidade de realizar operações externas e acessar sistemas em tempo real, os MCPs enfrentam vários desafios de segurança. Injeção de prompt, instalação de ferramentas maliciosas, acesso não autorizado e ataques de cavalo de Tróia são ameaças muito reais. Atualmente, há uma falta de sandboxing, camadas de verificação e um ecossistema maduro para lidar com esses casos extremos.
Esses problemas deixam claro que o MCP ainda é uma tecnologia experimental.
O Papel Decisivo do Cliente
Uma lição importante aprendida ao construir esses servidores é que o cliente, e não o servidor, decide em última análise o futuro dos MCPs.
Aqueles que controlam a interação com grandes modelos também controlam quais ferramentas os usuários veem, quais são acionadas e quais respostas são exibidas. Poderia criar o servidor MCP mais útil do mundo, mas o cliente pode não chamá-lo, pode mostrar apenas metade de sua saída ou pode nem mesmo permitir sua instalação.
MCPs e o Surgimento de Gatekeepers
O poder crítico do cliente significa que os MCPs serão, em última análise, governados como mecanismos de busca e lojas de aplicativos. Os principais provedores de aplicativos de grandes modelos, como OpenAI e Anthropic, se tornarão os novos ‘gatekeepers’, decidindo quais MCPs podem ser listados e organizando sua capacidade de descoberta por meio de algoritmos de recomendação.
Desde a sua criação no final da década de 1990, o Google controlou o conteúdo apresentado aos usuários, o que os ajudou a construir um negócio extremamente lucrativo. Os Chatbots agora estão ganhando essa capacidade, substituindo os tradicionais ‘10 links azuis’ do mecanismo de busca por respostas diretas. Eles podem decidir qual conteúdo mostrar, qual excluir e como formatá-lo.
O processo de instalação do MCP provavelmente se assemelhará ao modelo da loja de aplicativos. Assim como a Apple e o Google moldaram o ecossistema móvel ao decidir quais aplicativos são recomendados, pré-instalados ou aprovados, os clientes de grandes modelos determinarão quais servidores MCP são exibidos, promovidos e até mesmo permitidos na plataforma. Essa dinâmica provavelmente levará à concorrência entre as empresas, potencialmente envolvendo pagamentos aos provedores de modelos para recomendações e exposição no novo ecossistema, promovendo a criação de plataformas de distribuição de MCP de alto lucro.
Os usuários instalarão MCPs ou ‘aplicativos de bate-papo AI’ de ‘lojas MCP’ cuidadosamente selecionadas. Ferramentas como Gmail, HubSpot, Uber e Kayak adicionarão endpoints MCP, integrando-se diretamente aos fluxos de trabalho baseados em bate-papo. Embora os usuários possam, teoricamente, optar por instalar qualquer MCP que desejarem, amaioria provavelmente confiará nas recomendações fornecidas pelo cliente, como as do ChatGPT. Essas recomendações não serão arbitrárias, mas decorrerão de parcerias lucrativas, com grandes empresas pagando para se tornarem a opção padrão nas categorias de compras, viagens, pesquisa de domínio ou pesquisa de serviços. Esse nível de visibilidade se traduziria em milhões de usuários, oferecendo imensa exposição, dados e valor comercial.
Algumas lojas de aplicativos MCP (MAS) do lado do cliente oferecerão uma seleção mais branda e aberta de MCPs, permitindo uma gama mais ampla de experimentação e MCPs desenvolvidos pela comunidade. Outros terão processos de aprovação rigorosos, priorizando a qualidade, a segurança e a monetização. Em qualquer caso, o cliente define as condições para a participação e as regras para o sucesso.
Clientes MCP como OpenAI e Claude se tornarão as novas plataformas iOS e Android, com servidores MCP desempenhando o papel de aplicativos. Em vez de ícones, esses aplicativos serão invocados por meio de comandos do usuário, oferecendo respostas ricas, estruturadas e interativas às necessidades do usuário por meio da interação linguística.
Com o tempo, podemos ver clientes especializados surgindo, adaptados a setores ou domínios específicos. Imagine um assistente de bate-papo com IA focado no planejamento de viagens, integrando perfeitamente serviços de companhias aéreas, redes de hotéis e agências de viagens para oferecer aos usuários uma experiência abrangente de planejamento de viagens. Ou um cliente MCP focado em recursos humanos, fornecendo acesso unificado a dados jurídicos, registros de funcionários e ferramentas organizacionais, transformando a forma como as empresas são gerenciadas.
Embora a maioria dos usuários fique com os clientes convencionais, alguns chatbots de IA de código aberto surgirão. Esses chatbots atrairão profissionais que desejam controle total sobre os MCPs que instalam, livres das limitações impostas pelos gatekeepers. No entanto, como os sistemas de desktop Linux, esses produtos de código aberto provavelmente permanecerão nichos de mercado.
Novas Oportunidades no Ecossistema Emergente
Vários tipos de empresas e ferramentas devem surgir para atender ao cenário de MCP em evolução, incluindo:
Wrappers MCP e Pacotes de Servidor: Estes agruparão vários MCPs relacionados em um único pacote de instalação, simplificando a configuração. Imagine um único pacote fornecendo um calendário, e-mail, gerenciamento de relacionamento com o cliente e MCP de armazenamento de arquivos que está pronto para uso sem qualquer configuração. Tais pacotes simplificarão os processos de pessoal e serão particularmente úteis em mercados verticais. Eles também podem incluir ferramentas de embalagem (‘Configurar calendário e enviar e-mail’).
Mecanismos de Compras MCP: Alguns servidores MCP atuarão como mecanismos de comparação alimentados por IA, oferecendo preços em tempo real e listas de produtos de vários fornecedores. Eles monetizarão por meio de links de afiliados, ganhando taxas de indicação. Esta abordagem espelha a otimização inicial do motor de busca e o marketing de afiliados.
Aplicativos de Conteúdo MCP-First: Esses serviços otimizarão a entrega de conteúdo para grandes modelos de linguagem via servidores MCP, em vez de projetar sites para espectadores humanos. Imagine dados ricos e estruturados e tags semânticas retornados por meio de chamadas MCP. A receita virá de assinaturas ou patrocínios embutidos e colocações de produtos, em vez de visualizações de página.
Provedores API-to-MCP: Muitos provedores de API existentes desejam participar deste novo ecossistema, mas não têm os recursos para fazê-lo. Isso impulsionará o surgimento de ferramentas de middleware que convertem automaticamente APIs REST tradicionais em servidores MCP compatíveis e detectáveis, tornando mais fácil para as plataformas SaaS aderirem.
Cloudflare para MCPs: A segurança é uma grande preocupação. Essas ferramentas se sentarão entre o cliente e o servidor, limpando entradas, registrando solicitações, bloqueando ataques e monitorando anomalias. Assim como o Cloudflare tornou a web moderna mais segura, este tipo de serviço desempenhará um papel semelhante no ecossistema MCP.
Soluções MCP ‘Privadas’ Empresariais: Grandes empresas começarão a conectar seus serviços internos a servidores MCP privados e usar produtos de IA de código aberto. Essas configurações internas se tornarão parte dos fluxos de trabalho de IA atrás do firewall, dando às empresas controle.
Clientes MCP Focados Verticalmente: Embora muitos chatbots possam atender às necessidades gerais do usuário, certos cenários, como compras industriais e trabalhos de conformidade, exigem interfaces de usuário e lógica de negócios específicas. Clientes MCP focados verticalmente surgirão, com operações, linguagem e layouts personalizados para atender a essas necessidades exclusivas.