🔌 Model Context Protocol (MCP) — Padrão de IA para Agentes

📌 Pra que serve

MCP é o padrão aberto que deixa agentes de IA (Claude, ChatGPT, Gemini) descobrir e chamar ferramentas — APIs, bancos de dados, arquivos — sem precisar de integrações custom para cada plataforma. Um servidor MCP descreve suas capacidades uma vez; qualquer cliente MCP as acessa. É tipo um "USB-C para agentes de IA".

🛠️ Passo a passo

1. Entenda a arquitetura

Um servidor MCP embrulha seu sistema (API, banco de dados, arquivo)

Um cliente MCP (seu agente/IDE) descobre e chama as ferramentas

Comunicam via JSON-RPC (local/stdio) ou HTTP Streamable (remoto)

2. Crie um servidor MCP em Python

pip install mcp

Arquivo servidor_exemplo.py:

from mcp.server import Server
server = Server("meu-servidor")
@server.tool()
def buscar_usuario(id: int) -> str:
    """Busca usuário por ID no banco"""
    return f"Usuario {id}: João Silva"server.run()

3. Configure seu agente Claude
Seu agente chama o servidor via cliente MCP. Se usar Claude Code:

{
  "mcpServers": {
    "meu-db": {
      "command": "python",
      "args": ["servidor_exemplo.py"]
    }
  }
}

4. Conecte a servidores remotos (HTTPS + OAuth 2.1)
Se sua API roda em https://api.empresa.com:

{
  "mcpServers": {
    "empresa": {
      "url": "https://api.empresa.com/mcp",
      "auth": "oauth2_resource"
    }
  }
}

5. Seu agente verá automaticamente

Cada ferramenta (tool), recurso (resource) e prompt disponível

Entrada/saída esperadas em JSON Schema

Descrição de cada ação

💡 Dica: A spec 2026-07-28 (atual) é stateless — sem handshake de sessão. Tutoriais antigos com "session id" estão desatualizados; use os docs de 2026 em diante.

🔗 Links e instalação

Spec oficial: https://modelcontextprotocol.io
Instalar MCP: pip install mcp (Python) · npm install @modelcontextprotocol/sdk (Node/TypeScript)
SDKs (Go, C

#, Ruby): https://github.com/modelcontextprotocol/

Azure: APIs em API Management expõem como servidores MCP automaticamente
AWS AgentCore: transforma APIs/Lambdas em MCP
Google Cloud: ~80 servidores MCP públicos (BigQuery, Cloud Run, etc.)

Comece local (stdio), teste seu servidor, depois suba remoto com OAuth 2.1 para agentes em produção.