O que é MCP em IA: como o Model Context Protocol funciona com o Claude

Saber o que é MCP é entender o Model Context Protocol, um padrão aberto que define como modelos de inteligência artificial se conectam a ferramentas, dados e sistemas externos. Em vez de criar uma integração frágil para cada serviço, o protocolo oferece uma linguagem comum que conecta assistentes como o Claude a GitHub, bancos de dados ou arquivos locais. Portanto, a sigla não descreve um produto, e sim uma especificação técnica que qualquer aplicação de IA pode implementar.

Criado pela Anthropic e lançado em novembro de 2024, o MCP saiu rápido do ecossistema de um único fornecedor. Hoje ele soma mais de 97 milhões de downloads mensais dos SDKs e é mantido sob a Linux Foundation, com adoção de OpenAI, Google, Microsoft e AWS. Neste guia explicamos o que é o MCP em IA e como funciona a arquitetura host/client/server. Por fim, mostramos como o MCP do Claude se conecta a ferramentas e onde ele difere de uma API comum.

O que é MCP em IA e por que ele importa

Responder o que é MCP é, na prática, entender o Model Context Protocol (MCP): uma especificação aberta que define como aplicações de inteligência artificial podem se comunicar com dados e ferramentas externas. Em outras palavras, ele cria um padrão universal de integração entre modelos de IA e diferentes sistemas. Dessa forma, uma única especificação substitui dezenas de integrações personalizadas.

Uma maneira simples de entender o MCP é compará-lo ao USB-C da inteligência artificial. Antes da padronização desse conector, cada fabricante usava cabos e portas diferentes. Por isso, surgiam incompatibilidades e a necessidade de vários adaptadores. De forma semelhante, antes do MCP cada conexão precisava ser construída do zero. Consequentemente, essas integrações eram complexas e pouco reutilizáveis.

Com o MCP, esse cenário muda. Qualquer sistema que implemente o protocolo pode ser acessado por modelos compatíveis. Assim, surge um ecossistema interoperável. Por isso, modelos abertos como o Kimi K3 também se beneficiam dele. O Claude conversa com um repositório no GitHub da mesma maneira que acessa o Postgres ou consulta documentos no Notion.

Ainda sobre o que é MCP, vale lembrar que a Anthropic lançou o protocolo como padrão aberto por um motivo. Mesmo modelos avançados continuam restritos quando não acessam dados e sistemas externos. Em outras palavras, um modelo muito inteligente em ambiente fechado tem utilidade limitada. Portanto, o MCP resolve esse problema. Ele permite acesso seguro e controlado a ferramentas, APIs e bancos de dados.

O MCP ainda é um projeto só da Anthropic?

Ao explicar o que é MCP, muita gente ainda o trata como “coisa da Anthropic”. Esse framing ficou desatualizado. Em dezembro de 2025, a Anthropic doou o Model Context Protocol para a Agentic AI Foundation. Trata-se de um fundo dirigido sob a Linux Foundation. Com isso, o protocolo deixou de ser controlado por uma única empresa. Em seguida, passou a ser governado de forma aberta e neutra.

A fundação foi co-fundada por Anthropic, Block e OpenAI. Além disso, tem apoio de Google, Microsoft, AWS, Cloudflare e Bloomberg, conforme o anúncio oficial da Linux Foundation. Na prática, o MCP do Claude usa a mesma especificação que ChatGPT, Gemini, Microsoft Copilot e Cursor. Por isso, aprender MCP hoje não é apostar em um único fornecedor. É apostar em um padrão que atravessa toda a indústria de IA.

Essa adoção multi-vendor consolidou o MCP como camada de integração padrão para agentes. Veja a seguir os números que sustentam essa afirmação.

Qual é a adoção do MCP em números?

Ao pesquisar o que é MCP, muita gente se surpreende com a escala de adoção. O MCP soma mais de 97 milhões de downloads mensais dos SDKs e mais de 10.000 servidores públicos ativos. Esse alcance ajuda a entender por que o MCP virou referência tão rápido. Segundo a Anthropic, o protocolo soma mais de 97 milhões de downloads mensais dos SDKs oficiais em Python e TypeScript. Esse volume foi atingido pouco mais de um ano após o lançamento. Logo, trata-se de um dos projetos de código aberto de crescimento mais rápido no espaço de IA.

Além disso, já existem mais de 10.000 servidores MCP públicos ativos. O dado consta tanto na Anthropic quanto no comunicado da Linux Foundation. Esses servidores cobrem desde ferramentas de desenvolvedor até implantações na Fortune 500. Em conjunto, os dois números mostram um ecossistema maduro. Por isso, é improvável que um serviço relevante fique de fora do padrão.

O que mudou na spec mais recente do MCP?

Entender o que é MCP hoje exige olhar a revisão vigente da especificação, a 2026-07-28, que trouxe uma virada estrutural: o MCP ficou stateless. Segundo o changelog oficial do Model Context Protocol, o antigo handshake de initialize e as sessões de protocolo (o header Mcp-Session-Id) foram removidos. Agora cada requisição carrega a própria versão do protocolo e as capacidades do cliente em campos _meta, o que simplifica balanceamento de carga e deploys sem estado.

Além disso, o transporte HTTP+SSE foi reclassificado como descontinuado, e o caminho recomendado é o Streamable HTTP. No lado de segurança, a especificação reforçou a autorização: servidores devem incluir o parâmetro iss nas respostas de autorização (conforme a RFC 9207) e clientes precisam validar esse emissor antes de resgatar o código. A documentação oficial descreve a mudança de forma direta: os resultados agora carregam um campo resultType obrigatório, com "complete" para respostas normais e "input_required" quando o servidor precisa de mais dados. Como o campo _meta é a fonte de verdade, a spec afirma que “o corpo continua sendo a fonte de verdade” mesmo quando o transporte espelha metadados em cabeçalhos HTTP.

Arquitetura do MCP: host, client e server

Compreender o que é MCP na prática passa por sua arquitetura. O Model Context Protocol segue um modelo cliente-servidor com três componentes principais. Cada um tem um papel específico na comunicação entre o modelo e os sistemas externos. A arquitetura cria uma camada intermediária. Dessa forma, o modelo não precisa implementar integrações próprias para cada ferramenta.

O MCP Host é a aplicação de IA que coordena todo o sistema. Exemplos comuns incluem o Claude Desktop e o Claude Code. Além disso, o host decide quais servidores podem ser acessados durante a conversa. Em seguida, o MCP Client entra em cena. Esse componente interno do host mantém uma conexão dedicada com cada servidor. Como resultado, é possível usar vários servidores ao mesmo tempo.

Por fim, o MCP Server expõe os dados e funcionalidades acessíveis ao modelo. Ele pode rodar localmente na máquina do usuário ou remotamente na nuvem. Por exemplo, um servidor de filesystem funciona localmente via stdio. Já um servidor de serviços externos usa o transporte Streamable HTTP, que é o padrão HTTP atual do protocolo. O antigo transporte HTTP+SSE segue como opção legada, porém foi marcado como descontinuado na especificação e não deve ser adotado em projetos novos. Em ambos os casos, a comunicação entre client e server utiliza o protocolo JSON-RPC 2.0, com a versão do protocolo e as capacidades do cliente declaradas em cada requisição.

As três primitivas: tools, resources e prompts

Além da arquitetura, o que é MCP também se define por três primitivas fundamentais. As Tools são funções que o modelo pode executar. Por exemplo, elas criam arquivos, rodam consultas em banco de dados ou chamam APIs. Os Resources, por sua vez, fornecem contexto ao modelo. Isso inclui conteúdos de arquivos, schemas de banco e respostas de APIs. Já os Prompts funcionam como templates reutilizáveis. Dessa forma, eles ajudam a estruturar as interações entre o modelo e as ferramentas conectadas.

Vale citar ainda a elicitação: quando um servidor precisa de uma informação adicional no meio de uma chamada, ele sinaliza isso ao client. Na revisão atual, esse pedido acontece pelo padrão de múltiplas idas e voltas (o servidor devolve um resultado input_required e o client repete a requisição com os dados solicitados), em vez de o servidor iniciar uma requisição por conta própria.

MCP vs API: qual a diferença?

Ao aprender o que é MCP, essa é uma dúvida comum, porque os dois lidam com integração. A diferença está na camada de abstração. Uma API é um endpoint pontual. Você escreve código específico para chamar o GitHub e outro código para o Postgres. Consequentemente, cada integração precisa ser mantida separadamente. O MCP, por outro lado, é uma camada padronizada. Ele descreve ferramentas, contexto e prompts de um jeito que qualquer agente entende, sem código sob medida.

Em resumo, o MCP não substitui APIs. Na verdade, ele costuma envolvê-las. Um servidor MCP frequentemente chama uma API por baixo dos panos. Em seguida, ele a expõe ao modelo de forma padronizada. A diferença prática aparece na tabela abaixo.

MCP é o mesmo que RAG ou function calling?

Não, e quem começa a entender o que é MCP costuma cair nessa confusão. Afinal, os três tocam no tema “dar contexto ao modelo”. Cada um, contudo, resolve um problema diferente. O RAG (Retrieval-Augmented Generation) recupera trechos de documentos para enriquecer a resposta. Portanto, ele é uma técnica de busca e injeção de contexto, não um protocolo de conexão. Se você quer entender essa abordagem a fundo, veja nosso guia sobre o que é RAG.

O function calling, por sua vez, é o mecanismo que permite ao modelo decidir chamar uma função. Ele responde “qual ferramenta usar”, mas não padroniza como ela é descrita. É aí que entra o MCP. Ele padroniza a camada de transporte e descoberta dessas funções e contextos. Na prática, o function calling pode disparar uma tool exposta por um servidor MCP. Da mesma forma, um servidor MCP pode entregar resultados de uma busca RAG. Em vez de concorrentes, portanto, esses conceitos costumam trabalhar juntos.

Casos de uso práticos do MCP com Claude

O MCP do Claude já é usado em diversos cenários. A seguir estão alguns exemplos que consideramos os mais relevantes para desenvolvedores e entusiastas de inteligência artificial. Em todos eles, o modelo deixa de ser apenas um chatbot. Assim, ele passa a agir sobre sistemas reais.

Com um servidor MCP de filesystem, o Claude lê e organiza arquivos diretamente na sua máquina. Por exemplo, você pode pedir uma análise dos logs de um projeto e um relatório automático. Já com o servidor do GitHub, o modelo acessa repositórios e busca trechos de código. Além disso, ele cria issues e revisa pull requests.

O servidor do Notion permite acessar páginas e bancos de dados da plataforma. Dessa forma, o modelo organiza tarefas ou cria páginas sozinho. Por fim, servidores MCP também se conectam a bancos de dados como o Postgres. Nesse caso, o modelo executa consultas SQL e interpreta os resultados. Normalmente esse acesso é configurado em modo somente leitura, o que aumenta a segurança. Se quiser entender como o Claude atua em tarefas mais complexas, veja também nosso artigo sobre o Claude Cowork.

Como criar um MCP server para o Claude?

Depois de entender o que é MCP, o termo “MCP server” merece atenção própria. Afinal, é a peça que você de fato configura. Em resumo, um MCP server é o programa que expõe tools e resources para o agente. Você pode usar servidores prontos do repositório oficial. Como alternativa, pode criar o seu para um sistema interno da sua empresa.

Criar um MCP server, em linhas gerais, envolve três passos. Primeiro, você escolhe um SDK oficial (Python ou TypeScript) e declara as tools, os resources e os prompts que o servidor vai expor. Em seguida, você implementa a lógica de cada tool, que normalmente encapsula uma API ou consulta a um banco. Por fim, você define o transporte: stdio para uso local ou Streamable HTTP para acesso remoto. Depois é só registrar o servidor no host, como o Claude Desktop.

Como esse tema é prático e extenso, cobrimos a configuração passo a passo em um guia dedicado. Veja os servidores mais úteis e os cuidados de segurança em como configurar um MCP server no Claude Code. Se o seu objetivo é colocar o Claude para acessar ferramentas de verdade, comece por lá. Vale também conferir as melhores skills do Claude Code, que se combinam bem com servidores MCP no dia a dia.

Como começar a usar o MCP com o Claude

Agora que você já sabe o que é MCP, começar é mais simples do que parece. Primeiro, instale o Claude Desktop, que funciona como host MCP. Ele está disponível gratuitamente para Mac e Windows. Em seguida, escolha um servidor MCP. O repositório oficial no GitHub lista vários servidores de referência mantidos pela equipe do MCP.

Depois, configure o servidor no arquivo do Claude Desktop. Vale notar que servidores via npx exigem o Node.js instalado, já que o npx faz parte do pacote. Veja a seguir um exemplo usando o servidor de filesystem:

Depois de salvar a configuração, reinicie o Claude Desktop. Assim, o assistente detecta automaticamente as ferramentas disponíveis. Para servidores remotos, comuns ao integrar APIs externas ou serviços como o Notion, o servidor roda na nuvem. Nesse caso, o host se conecta via Streamable HTTP, o transporte HTTP padrão do MCP hoje. Além disso, a extensão do Claude para navegador também suporta MCP, como mostramos no guia sobre como usar a extensão Claude no Chrome.

Conclusão

Entender o que é MCP mostra por que o Model Context Protocol representa uma mudança importante no ecossistema de inteligência artificial. Com ele, modelos de IA se conectam de forma padronizada a sistemas externos. Como resultado, integrações frágeis deixam de ser necessárias. Por isso, assistentes como o Claude deixam de ser apenas chatbots. Eles passam a atuar como agentes capazes de acessar dados, executar tarefas e interagir com ferramentas reais.

Mais do que um padrão de um único fornecedor, o MCP virou camada de integração da indústria. Hoje ele é governado de forma aberta sob a Linux Foundation. Se quiser experimentar na prática, comece com o Claude Desktop e um servidor de filesystem. Em seguida, explore o repositório oficial. Por fim, se quiser criar seu próprio servidor, consulte a documentação oficial do MCP.