O próximo passo na automatização da IA: Protocolo de contexto de modelo (MCP)

Abirami Vina

5 min. de leitura

13 de maio de 2025

Descubra as noções básicas do Protocolo de Contexto de Modelo MCP, como funciona nos sistemas de IA e porque é que os programadores o estão a utilizar para ligar modelos a ferramentas e dados em tempo real.

Diferentes tipos de modelos de IA, desde grandes modelos linguísticos a sistemas de visão por computador, são capazes de suportar uma vasta gama de tarefas, incluindo a geração de texto, a análise de imagens, a deteção de padrões e a realização de previsões. No entanto, a ligação destes modelos a sistemas informáticos do mundo real de uma forma contínua e escalável tem normalmente exigido esforços de integração complexos.

Embora um modelo possa ter um bom desempenho por si só, a sua implementação em ambientes práticos requer frequentemente o acesso a ferramentas externas, dados em tempo real ou contexto específico do domínio. A junção destes elementos envolve normalmente código personalizado, configuração manual e reutilização limitada.

Recentemente, o conceito de Protocolo de Contexto de Modelo (MCP) tem vindo a ganhar atenção na comunidade de IA. O MCP é uma norma aberta que permite aos sistemas de IA trocar informações com ferramentas, ficheiros e bases de dados utilizando um formato partilhado e estruturado. Em vez de criar integrações para cada caso de utilização, os programadores podem utilizar o MCP para simplificar a forma como os modelos acedem e interagem com o contexto de que necessitam.

Pode pensar-se na MCP como um adaptador universal. Tal como um adaptador de viagem permite que os seus dispositivos se liguem a diferentes tomadas eléctricas em todo o mundo, a MCP permite que os modelos de IA se liguem a vários sistemas, ferramentas e fontes de dados sem necessidade de uma configuração personalizada para cada um deles.

Neste artigo, vamos analisar mais detalhadamente o que é a MCP, como funciona e o papel que desempenha para tornar a IA mais eficaz em aplicações do mundo real. Também vamos explorar alguns exemplos do mundo real em que a MCP está a ser utilizada.

O que é o protocolo de contexto de modelo?

O Protocolo de Contexto de Modelo (MCP) é uma norma aberta criada pela Anthropic, uma empresa de segurança e investigação de IA conhecida por criar modelos de linguagem avançados. Proporciona aos modelos de IA uma forma clara de ligação a ferramentas, ficheiros ou bases de dados. 

Atualmente, a maioria dos assistentes de IA baseia-se em grandes modelos linguísticos para responder a perguntas ou realizar tarefas. No entanto, esses modelos precisam frequentemente de dados adicionais para responder bem. Sem um sistema partilhado, cada ligação tem de ser construída de raiz. 

Por exemplo, um chatbot projetado para ajudar no suporte de TI pode precisar extrair informações do sistema interno de emissão de bilhetes de uma empresa. Sem a MCP, isso exigiria uma integração personalizada, tornando a configuração demorada e difícil de manter.

O MCP resolve esse problema actuando como uma porta comum para todas as ferramentas e modelos. Não pertence a nenhuma empresa ou modelo - é antes um novo conceito de como os sistemas de IA podem ligar-se a dados e serviços externos.

__wf_reserved_inherit
Fig. 1. A MCP é como uma porta comum para todas as ferramentas e modelos.

Qualquer programador pode utilizar a MCP para criar assistentes que funcionem com informações em tempo real. Isto reduz o tempo de configuração e evita confusões ao alternar entre ferramentas ou plataformas. 

A origem e a adoção do protocolo de contexto de modelo

O Anthropic introduziu a ideia do Protocolo de Contexto de Modelo (MCP) em novembro de 2024. Começou como um projeto de código aberto para melhorar a forma como os modelos linguísticos interagem com ferramentas e dados. 

Desde então, a MCP ganhou muita atenção. Começou com os programadores a criarem ferramentas internas para coisas como pesquisa de documentos e assistência de código. Esse interesse inicial cresceu rapidamente, com as grandes empresas a começarem a utilizar a MCP nos seus sistemas de produção.

__wf_reserved_inherit
Fig. 2. MCP vs. integração tradicional da IA.

No início de 2025, o apoio ao MCP começou a espalhar-se pela indústria tecnológica. O OpenAI e o Google DeepMind, dois dos principais laboratórios de investigação de IA, anunciaram que os seus sistemas funcionariam com o protocolo.

Na mesma altura, a Microsoft lançou ferramentas para ajudar os programadores a utilizar a MCP mais facilmente, incluindo suporte para os seus produtos populares, como o Copilot Studio, que ajuda as empresas a criar assistentes de IA, e o Visual Studio Code, um editor de código muito utilizado.

Principais componentes do protocolo de contexto de modelo

No centro da CIM estão três partes principais: clientes, servidores e um conjunto partilhado de regras chamado protocolo. Pense nisto como uma conversa entre dois lados: um que pede informações e o outro que as fornece.

Nesta configuração, o sistema de IA desempenha o papel de cliente. Quando precisa de algo, como um ficheiro, uma entrada na base de dados ou uma ferramenta para executar uma ação, envia um pedido. Do outro lado, o servidor recebe esse pedido, vai buscar a informação necessária ao sítio certo e envia-a de volta de uma forma que a IA possa compreender.

Essa estrutura significa que os desenvolvedores não precisam criar uma conexão personalizada sempre que quiserem que um modelo de IA funcione com uma nova ferramenta ou fonte de dados. O MCP ajuda a padronizar o processo, tornando tudo mais rápido, mais simples e mais confiável.

Uma visão geral do funcionamento da CIM

Eis um passo a passo de como a MCP liga um assistente de IA a dados ou ferramentas externas:

  • O assistente verifica o que sabe: quando um utilizador pergunta algo, o assistente verifica primeiro se já tem a resposta. Se não tiver, decide pedir ajuda a outro sistema.
  • Cria um pedido: Actuando como um cliente MCP, o assistente cria um pedido. Este inclui os dados de que necessita e porquê.
  • O pedido chega ao servidor: A solicitação é enviada para um servidor que está conectado a uma ferramenta, aplicativo ou banco de dados. O servidor pode compreender e tratar o pedido utilizando as regras da CIM.
  • O servidor faz o trabalho: Pode procurar dados, executar uma consulta, atualizar um ficheiro ou executar outra ação na ferramenta ligada - qualquer que seja o pedido do assistente.
  • O servidor responde: Os dados são empacotados no formato MCP e enviados de volta para o assistente. Isto ajuda o modelo a compreendê-los de imediato.
  • O assistente responde: Com o contexto atualizado, o assistente utiliza as novas informações para completar a sua resposta. O utilizador recebe uma resposta precisa, relevante e baseada em dados em tempo real.
__wf_reserved_inherit
Fig. 3. Como funciona a MCP em aplicações de IA.

Explorar as aplicações do mundo real da CIM

Atualmente, o MCP já está a ser utilizado numa variedade de ferramentas e plataformas que dependem do contexto em tempo real. Eis alguns exemplos de como as empresas estão a utilizar o protocolo para ligar modelos linguísticos a sistemas em tempo real e a dados estruturados:

  • Desenvolvimento de software: Os assistentes de programação são mais úteis quando sabem no que está a trabalhar. Ferramentas como o Zed (um editor de código rápido e colaborativo) e o Replit (uma plataforma online para escrever e executar código) utilizam MCP para que os seus assistentes possam ler ficheiros abertos e seguir as suas alterações à medida que codifica.

  • Assistentes empresariais: Muitas empresas utilizam ferramentas internas como wikis, help desks ou sistemas de gestão de relações com clientes (CRM). Empresas como a Apollo (uma plataforma para equipas de vendas) utilizam a MCP para permitir que os seus assistentes encontrem informações nestes sistemas - sem obrigar os utilizadores a alternar entre aplicações.

  • Agentes multi-ferramentas: Algumas tarefas abrangem vários sistemas. Com o MCP, os assistentes podem pesquisar documentos e enviar actualizações ou mensagens sem problemas.

  • Assistentes de ambiente de trabalho: Os assistentes que são executados no seu computador precisam, por vezes, de aceder a ficheiros locais. A aplicação de ambiente de trabalho Claude, criada pela Anthropic como parte da sua família de assistentes de IA, utiliza a MCP para tratar estes pedidos de forma segura, mantendo os seus dados no seu dispositivo em vez de os enviar para a nuvem.
__wf_reserved_inherit
Figura 4. Um exemplo de como a MCP trata os dados em vários sistemas.

Utilizar a MCP para impulsionar aplicações de visão computacional

Em seguida, vamos analisar mais de perto um ramo da IA em que a CIM está apenas a começar a emergir: a visão por computador.

Embora os modelos de visão por computador, como o Ultralytics YOLO11, sejam óptimos na identificação de padrões e objectos em imagens, as suas ideias podem ter ainda mais impacto quando combinadas com o contexto certo. 

Em aplicações do mundo real, especialmente no sector da saúde, a adição de contexto, como o historial do doente, resultados laboratoriais ou notas clínicas, pode aumentar significativamente a utilidade das previsões do modelo, conduzindo a resultados mais informados e significativos.

É aí que entra o Protocolo de Contexto de Modelo (MCP). Embora ainda não seja amplamente utilizado e seja ainda uma abordagem em desenvolvimento que está a ser explorada por investigadores e engenheiros, apresenta um grande potencial. 

Melhorar a imagiologia médica com IA sensível ao contexto e MCP

Por exemplo, no diagnóstico da retinopatia diabética, uma doença que pode causar a perda de visão em pessoas com diabetes, um assistente de IA pode utilizar o MCP para coordenar várias ferramentas especializadas. Pode começar por obter registos de pacientes de uma base de dados e avaliar o risco de diabetes utilizando um modelo preditivo. 

De seguida, um modelo de visão por computador analisa as imagens da retina para detetar sinais de danos, como hemorragias ou inchaço, que indicam a presença ou a gravidade da retinopatia. Por fim, o assistente pode procurar ensaios clínicos relevantes com base no perfil do doente. 

A MCP permite que todas estas ferramentas comuniquem através de um protocolo partilhado, permitindo que o assistente reúna a análise de imagens e os dados estruturados num único fluxo de trabalho contínuo.

Fig. 5. Uma imagem da retina processada por um assistente de IA utilizando o MCP.

Cada ferramenta é acedida através de um servidor MCP, o que permite ao assistente enviar pedidos estruturados e receber respostas padronizadas. Isto elimina a necessidade de integrações personalizadas e permite que o assistente combine a análise de imagens com dados críticos do doente num fluxo de trabalho suave e eficiente. Embora a MCP ainda seja recente, já existe muita investigação e trabalho em curso com o objetivo de tornar casos de utilização como este praticamente possíveis.

Prós e contras do protocolo de contexto de modelo

Eis algumas das principais vantagens oferecidas pela MCP:

  • Comunicação consistente e normalizada: O protocolo assegura estruturas de pedido/resposta uniformes, tornando a depuração e o registo mais fáceis de gerir.

  • Melhoria da modularidade: Os sistemas tornam-se mais modulares, permitindo que diferentes componentes (modelos, ferramentas, bases de dados) evoluam de forma independente.

  • Facilita a autonomia na IA agêntica: os agentes de IA podem raciocinar e agir através de várias ferramentas sem fluxos de trabalho definidos por humanos, permitindo um comportamento mais flexível e autónomo.

Por outro lado, existem algumas limitações a ter em conta no que diz respeito à CIM:

  • Complexidade da configuração inicial: A configuração de servidores e anfitriões compatíveis com MCP para sistemas existentes requer um esforço de engenharia e, potencialmente, uma reformulação das arquitecturas actuais.

  • Sobrecarga de desempenho: A adição de uma camada de protocolo pode introduzir latência, especialmente se as ferramentas forem distribuídas ou acedidas através de redes.

  • Curva de aprendizagem: As equipas de desenvolvimento têm de compreender a arquitetura da CIM (anfitriões, clientes, servidores) e a forma de a conceber, o que pode atrasar a adoção.

Principais conclusões

Os modelos de IA estão a tornar-se mais capazes, mas continuam a depender do acesso aos dados certos. O Protocolo de Contexto de Modelo (MCP) oferece aos programadores uma forma consistente e padronizada de estabelecer essas ligações. Em vez de criar cada integração a partir do zero, as equipas podem seguir um formato partilhado que funciona em diferentes ferramentas e sistemas.

À medida que a adoção cresce, o MCP tem o potencial de se tornar uma parte padrão da forma como os assistentes de IA são concebidos e implementados. Ajuda a simplificar a configuração, a melhorar o fluxo de dados e a estruturar as interações de modelos do mundo real. 

Junte-se à nossa crescente comunidade. Visite o nosso repositório GitHub para saber mais sobre IA e explorar as nossas opções de licenciamento para começar a utilizar a IA de visão. Quer ver como é utilizada na vida real? Veja as aplicações da IA nos cuidados de saúde e da visão por computador no retalho na nossa página de soluções.

Vamos construir juntos o futuro
da IA!

Comece a sua viagem com o futuro da aprendizagem automática

Comece gratuitamente
Ligação copiada para a área de transferência