Model Context Protocol (MCP): integração e otimização em agentes de IA

Arquitetura do MCP e primeira implementação - Apresentação

Apresentando o instrutor e o curso

Olá! Meu nome é Lucas Mendes e desejo as boas-vindas a este curso de MCP, no qual serei o instrutor durante esta trilha.

Audiodescrição: Lucas é um homem de pele parda, usa óculos e tem cabelo preto, curto e penteado para o lado. Ele não possui barba e veste uma camisa social branca com listras pretas, além de um blazer preto. Ao fundo, há uma iluminação azul e roxa, e à direita, uma estante com itens decorativos.

Sou professor e palestrante sobre o tema de inteligência artificial e apoio empresas em transformações de processos, automações com inteligência artificial e construção de agentes inteligentes. Este curso é destinado a pessoas que possuem conhecimento em LLMs (Large Language Models, ou Modelos de Linguagem Grande) e desenvolvimento de APIs, e que estão à procura de aprimorar ou potencializar o contexto dos agentes inteligentes, além do RAG (Retrieval-Augmented Generation, ou Geração Aumentada por Recuperação).

Explorando o conteúdo do curso

Neste curso, nós iremos entender como funciona o MCP, o Model Context Protocol (Protocolo de Contexto de Modelo), como ele interage, como se comunica, e como faz com que os agentes inteligentes tenham mais autonomia, permitindo-nos ter mais governança na escalabilidade dessas soluções.

Durante as aulas, abordaremos temas como a arquitetura do MCP, o funcionamento da nomenclatura de MCP Server e MCP Client.

Implementando e comparando soluções práticas

Nós vamos visualizar essa implementação na prática, construindo nosso servidor e conectando nossos agentes a esse único servidor de MCP. Vamos reutilizar tools (ferramentas), demonstrando como isso é prático, como apoia no desenvolvimento e, acima de tudo, considerando a governança e segurança nos acessos dos agentes a determinadas ferramentas.

Para finalizar, faremos um comparativo entre o MCP e o Agent-to-Agent da Google. De forma prática, construiremos juntos agentes inteligentes conectados ao MCP Server, onde solucionaremos problemas de gerenciamento de loja, gerenciamento escolar e também no gerenciamento de um hospital.

Utilizando a plataforma N8n

Durante este curso, utilizaremos a plataforma do N8n para a construção de nossos servidores de MCP e também de nossos agentes de IA. Utilizaremos o N8n para trazer uma visualização do conceito de forma visual e low-code (baixo código), lembrando que todo esse conceito de MCP pode ser replicado em outras linguagens de programação.

Convidando à interação e ao aprendizado

Esperamos que vocês tenham ficado interessados neste curso. Aproveitem as atividades ao longo da nossa trilha, e se surgirem dúvidas ou quiserem interagir conosco, basta nos contatar no fórum do curso ou através do Discord.

Vamos estudar juntos?

Arquitetura do MCP e primeira implementação - Limitações de contexto

Discutindo a importância do protocolo MCP

Estamos discutindo a importância do protocolo MCP e, nesta aula, abordaremos as limitações de contextos, apresentando uma problemática e explicando por que utilizamos o MCP, ou como ele se torna uma grande solução no contexto de IA generativa e agentes inteligentes.

Se retrocedermos alguns passos e falarmos sobre o avanço dos agentes ou como nascem os agentes de IA, o primeiro degrau, o primeiro pilar que temos é o uso e o surgimento dos LLMs (Large Language Models, ou Grandes Modelos de Linguagem). Esses modelos reprocessam textos e nos permitem interagir com as máquinas em uma linguagem natural, o que parece quase mágico. As máquinas conseguem compreender nossos contextos, responder de forma correta, redigir e-mails, transcrever áudios de videochamadas, criar pautas e muito mais.

Explorando o potencial dos LLMs e agentes de IA

Esses grandes modelos, com seus ricos e inúmeros contextos e seus bilhões ou trilhões de parâmetros, nos possibilitam questionar e, em resposta, o modelo nos fornece as respostas necessárias.

Pensamos em como seria o segundo passo ou como poderíamos ir além utilizando toda essa tecnologia. Dentro desse contexto, considerando o poder de milhões, bilhões ou trilhões de parâmetros que os modelos possuem, como DeepSeek, OpenAI, Gemini e outros, buscamos formas de utilizar tudo isso para resolver problemas do dia a dia. É nesse contexto que nascem os agentes de IA. Acoplamos esses modelos, toda essa inteligência, juntamente com tarefas e tools (ferramentas), permitindo que as máquinas ou agentes consigam executar tarefas como acessar um banco de dados, efetuar o payload de um arquivo, entre outras.

Abordando as limitações de contexto dos agentes de IA

Porém, os agentes de IA, como qualquer outra tecnologia, enfrentam algumas limitações, que chamamos de limitações de contexto. Esses agentes, muitas vezes, são generalistas e sabem de tudo, mas não conhecem o seu contexto específico, o cenário, o dia a dia, ou como funcionam as regras do jogo na sua empresa. Dentro desse molde de limitações dos modelos, surgem técnicas como o RAG, que expandem ou entregam mais contextos para os agentes, fazendo com que deixem de ser generalistas para se tornarem especialistas. Com o uso do RAG, as máquinas conseguem entender as regras e a base de conhecimento da sua empresa.

Introduzindo o protocolo MCP para superar desafios

Ao avançarmos nesse segundo degrau, surgem outras objeções, como escala, governança e a necessidade de trafegar entre os agentes de forma segura, aumentando a assertividade. Em suma, buscamos entregar mais autonomia para os agentes de IA. É nesse contexto que surge o novo protocolo chamado MCP, que exploraremos ao longo deste curso. Nosso foco é dar mais autonomia aos agentes, otimizar o tempo de desenvolvimento utilizando a plataforma do N8n. Vamos ver como superar, a cada aula e exemplo, essas limitações de contexto que os agentes de IA enfrentam nesse segundo degrau. Com o MCP, resolvemos essas questões.

Esperamos vocês no próximo vídeo.

Arquitetura do MCP e primeira implementação - O que é o MCP?

Introduzindo o MCP e seu impacto

Estamos de volta nesta aula para mostrar o que é o MCP. Discutimos o poder do MCP e o terceiro degrau, que é esse novo protocolo, e como nossos agentes conseguem mais autonomia. Nesta aula, falaremos sobre o MCP na prática.

Estamos utilizando uma planilha no Google Sheets que possui campos sobre data, loja, produto, categoria, quantidade de vendas e o valor monetário dessas vendas. Esses registros são de lojas de autopeças, com distinção por estado. Se utilizássemos essa base de dados, nosso agente precisaria responder perguntas, acessar a base de dados e nos informar sobre a quantidade de vendas, o valor monetário por loja, e realizar análises, tudo isso com nossos agentes inteligentes.

Abordando desafios sem o MCP

Sem o protocolo MCP, enfrentaríamos algumas problemáticas e objeções, como ampliar o contexto. Como entregaríamos isso? Teríamos que fazer um RAG, que envolve a quebra dos textos em chunks (pedaços), embedding (incorporação), salvar em bancos vetoriais, restaurar tudo e entregar para nosso agente como uma busca semântica. Pensando em escala, aplicabilidade em grande volume e em um cenário dinâmico, teríamos problemas.

O MCP é apresentado como uma solução, permitindo que nossos agentes acessem a base de dados, realizem análises, buscas, compreendam nossos inputs (entradas) e dúvidas, e tenham autonomia para navegar na base e trazer informações necessárias de forma prática e rápida. Vamos criar um agente conversacional que possa esclarecer nossas dúvidas e desempenhar algumas funções.

Construindo um agente conversacional com N8n

A partir de agora, já possuímos os dados e um entendimento dessa base. Precisamos construir um agente conversacional que nos apoie como gestores dessas lojas, trazendo insights, relatórios e informações em tempo real.

Para realizar essa tarefa, utilizaremos a plataforma N8n, uma plataforma low-code que nos permite integrar APIs, construir fluxos de automações e conectar com LLMs, como no caso em que utilizaremos a OpenAI. Dentro da OpenAI, estamos com nossa credencial conectada, utilizando o modelo GPT 4.1 mini como motor para nosso agente.

Configurando o agente conversacional

Além disso, configuramos uma memória para esse agente conversacional, que se lembrará de 10 janelas de mensagens. Estamos conectados ao servidor MCP e temos o input via chatbot para nosso agente conversacional.

Qual é o prompt desse agente? Para visualizar isso, basta abrir o node do agente. Dentro de system message, importamos o seguinte prompt: "Você é um agente corporativo da empresa Automax, conectado ao servidor MCP. Utilize as ferramentas do MCP para executar as tarefas." Por exemplo, se perguntarmos a quantidade de vendas na loja de São Paulo, ele deve trazer essa informação. Se perguntarmos a quantidade total de vendas de todas as lojas, ele também deve trazer. O MCP será a caixa de ferramentas que orquestrará tudo isso.

Demonstrando o funcionamento do agente

Com essas informações configuradas, nosso fluxo no N8n está montado e criado. Vamos executá-lo para demonstrar como funciona um agente conversacional utilizando a plataforma MCP e o poder que isso traz. Ao enviar uma saudação, ele se conecta à OpenAI e já nos fornece uma resposta. Em seguida, perguntamos: "Qual é a quantidade de vendas na loja de São Paulo?" O agente utiliza o modelo da OpenAI, conectado ao nosso servidor MCP, e traz a quantidade total de vendas, considerando os dados da nossa base, detalhando a quantidade por item.

Embora ele traga os dados por item, podemos detalhar essa análise, solicitar um consolidado ou uma somatória de todas as lojas. Ao fazer uma nova requisição, ele informa que foram vendidas 160 unidades na loja de São Paulo.

Explorando o potencial do MCP

Queremos explorar mais essa tecnologia, onde com poucos nodes, aplicações e etapas, conseguimos desenvolver um servidor MCP, conectando-o ao nosso agente através de um client, integrando ou adicionando inteligência com poucas palavras e mensagens, executando a tarefa desejada.

Até aqui, respondemos à pergunta "O que é o MCP?" de forma prática e ilustrativa, utilizando o exemplo da autopeças. Nos próximos vídeos, aprofundaremos o que é o MCP client, onde tudo isso está hospedado e como funciona na prática. Esperamos vocês no próximo vídeo.

Sobre o curso Model Context Protocol (MCP): integração e otimização em agentes de IA

O curso Model Context Protocol (MCP): integração e otimização em agentes de IA possui 186 minutos de vídeos, em um total de 45 atividades. Gostou? Conheça nossos outros cursos de IA para Programação em Inteligência Artificial, ou leia nossos artigos de Inteligência Artificial.

Matricule-se e comece a estudar com a gente hoje! Conheça outros tópicos abordados durante o curso:

• capitulo