MCP (Model Context Protocol): o guia definitivo em português

Por Tripulação da Astronauta Martech

18/02/2026

17 min de leitura

MCP (Model Context Protocol) é um protocolo aberto, criado pela Anthropic e lançado em novembro de 2024, que padroniza a forma como sistemas de inteligência artificial se conectam a fontes de dados e ferramentas externas. Em vez de cada integração exigir um código proprietário diferente, o MCP funciona como uma camada comum entre a IA e os sistemas que ela precisa consultar ou operar, como RD Station, Reportei, Asaas, planilhas e bancos de dados. Na prática, é o que permite que uma IA deixe de responder apenas com base no que "sabe" e passe a responder com base no que está acontecendo agora, dentro dos seus sistemas reais.

O protocolo MCP já passou por três revisões desde o lançamento inicial. A versão oficial mais atual está publicada em modelcontextprotocol.io/specification, que também mantém o histórico completo de cada revisão. O protocolo define dois mecanismos padrão de transporte entre cliente e servidor: stdio, para servidores que rodam localmente na mesma máquina, e HTTP com streaming, para servidores remotos acessados pela rede.

Este guia reúne, num só lugar, tudo o que a Astronauta Martech já publicou sobre o tema: definições, arquitetura, comparação com API, como configurar um servidor, um glossário completo e os casos reais que rodam hoje conectando RD Station, Reportei e Asaas à IA dentro do Cérebro Astronauta, o nosso sistema interno de agentes. Se você já leu algum dos posts do cluster, use os links abaixo para ir direto ao subtema que falta. Se é a sua primeira leitura sobre MCP, este artigo funciona como mapa completo, com um resumo de cada subtema e o link para o artigo de aprofundamento.

O que é MCP, em uma definição direta

O protocolo MCP resolve um problema simples de nomear e difícil de resolver sem padrão: como uma IA acessa dados que estão fora da conversa, sem que cada empresa precise programar uma integração sob medida para cada combinação de ferramenta e modelo de IA. A analogia mais usada é a do USB-C: antes existiam dezenas de conectores diferentes para cada aparelho, hoje um único padrão físico resolve a maioria das conexões. O MCP propõe o mesmo para IA e dados.

Já temos a explicação básica completa, com a analogia detalhada e os primeiros exemplos, publicada em outro artigo do nosso material.

Como um MCP Server funciona por dentro

Todo MCP Server expõe três tipos de recurso para a IA: resources (dados que podem ser lidos, como um contato de CRM), tools (ações que podem ser executadas, como criar uma tarefa) e prompts (modelos de instrução prontos para tarefas recorrentes). A comunicação segue o padrão JSON-RPC 2.0, transportado via stdio ou HTTP com streaming.

Na prática de marketing educacional, os exemplos mais comuns já em uso são conectores para Google Drive, Slack, GitHub e bancos de dados como Postgres, além dos conectores próprios que a Astronauta mantém para RD Station, Reportei e Asaas, entre outras ferramentas. Cada um desses servidores expõe um conjunto diferente de tools e resources, mas todos seguem a mesma gramática JSON-RPC, o que é o ponto central do protocolo. Entramos na arquitetura completa, com exemplos reais, em outro artigo dedicado só a essa camada do protocolo.

MCP não é API: entenda a diferença antes de decidir arquitetura

Um erro comum de quem está começando é tratar o protocolo MCP como substituto de API. Não é. API é o mecanismo de comunicação entre dois sistemas e continua sendo a base técnica sobre a qual o próprio MCP Server é construído, geralmente chamando uma API já existente por trás. O MCP resolve outra camada: como a IA descobre e usa essas APIs, sem um conector escrito à mão para cada combinação de ferramenta e assistente.

Isso importa na hora de decidir arquitetura: sem padrão comum, conectar 5 sistemas a 3 assistentes de IA diferentes pode significar até 15 integrações distintas para manter. Com MCP, a mesma tarefa tende a exigir 5 servidores (um por sistema) que qualquer assistente compatível consegue usar. Detalhamos esse comparativo, com critérios práticos de quando usar cada abordagem, em outro texto do nosso material.

Como sair da teoria: configurando um MCP Server

Para a maioria dos casos, colocar um MCP Server no ar não significa escrever um servidor do zero: significa escolher um servidor já existente para o sistema que você quer conectar, configurar as credenciais de acesso corretas, e registrar esse servidor no cliente de IA (Claude Desktop ou Claude Code). É assim que operamos internamente na Astronauta.

Entender esse processo ajuda quem não programa a conversar melhor com quem constrói, porque revela onde estão as decisões de segurança e de escopo. Mostramos o passo a passo completo em outro artigo do nosso material.

MCP na RD Station: um dos casos aplicados que já operamos

A RD Station é a plataforma de marketing e vendas mais usada no mercado brasileiro de martech, onde ficam os dados de funil, campanhas e leads que decidem se uma matrícula avança ou trava. Conectar IA a esses dados via MCP significa perguntar diretamente "quantos leads entraram essa semana e de qual campanha vieram" e receber a resposta com base no dado real.

Essa proximidade não é acaso: a Astronauta é parceira oficial da RD Station desde 2018, e fomos a primeira agência convidada pela própria RD Station para testar o MCP deles ainda na fase alpha, antes de chegar ao mercado. Mostramos esse caso completo, com fluxo real, em outro artigo dedicado só a essa conexão.

MCP na prática na Astronauta: Reportei e Asaas conectados à IA

Dentro do Cérebro Astronauta, o mesmo tipo de conexão que existe com a RD Station também roda para o Reportei, usado para consolidar relatórios de performance de marketing, e para o Asaas, sistema financeiro usado para cobrança e gestão de recebíveis, entre outras ferramentas que fazem parte da nossa operação. Esses MCPs estão vivos, em produção, e não são prova de conceito.

Conectar IA a um sistema financeiro como o Asaas exige cuidado redobrado com segurança, porque o risco de erro tem custo direto em dinheiro. Mostramos o caso completo, com as capacidades reais de cada MCP e os cuidados de segurança aplicados, em outro artigo do nosso material.

Depois do MCP conectado, o trabalho não terminou

Um erro recorrente de quem implementa MCP pela primeira vez é achar que, uma vez conectado o servidor, a IA já sabe interpretar os dados corretamente. Não sabe. Um dado bruto de funil de vendas pode ter dezenas de campos e códigos internos que só fazem sentido para quem conhece a regra de negócio daquela instituição. Sem instrução explícita, a IA tende a responder de forma genérica ou, pior, a inferir errado.

É por isso que, depois de conectar o MCP, o passo seguinte é ensinar a IA a interpretar aquele dado específico, com exemplos de consulta (como RDQL, no caso de RD Station) e regras de negócio explícitas. Cobrimos esse segundo passo em outro guia do nosso material.

Arquitetura, segurança e ecossistema: a visão completa

Para quem quer entender o protocolo MCP em profundidade, temos um guia mais amplo que cobre a arquitetura cliente/servidor, os principais pontos de atenção em segurança (autenticação, escopo de permissão, dados sensíveis) e o ecossistema que vem se formando ao redor do protocolo desde seu lançamento. Vale mencionar, com a devida cautela sobre anúncios de mercado que mudam rápido: outros provedores de IA além da Anthropic vêm sinalizando suporte ao MCP, o que reforça a tese de que ele está caminhando para se tornar um padrão de mercado.

A linha do tempo do protocolo MCP: o que mudou em cada versão

O histórico completo de todas as revisões está publicado oficialmente em modelcontextprotocol.io/specification. Resumimos abaixo o que mudou em cada uma das quatro versões públicas até aqui.

5 de novembro de 2024 — Lançamento

Foi quando a Anthropic publicou a primeira versão pública do protocolo MCP, junto com SDKs iniciais em Python e TypeScript e um conjunto de servidores de referência para testar o conceito na prática.

Definiu o modelo básico de cliente e servidor.
Estabeleceu as três categorias de capacidade que um servidor pode expor: resources, tools e prompts.
Chegou com servidores de referência prontos para sistemas populares, como Google Drive, Slack e GitHub.

26 de março de 2025

Foi a primeira grande revisão de segurança e transporte do protocolo.

Adicionou um framework completo de autorização baseado em OAuth 2.1.
Substituiu o transporte inicial (HTTP+SSE) por um modelo mais flexível, o Streamable HTTP.
Introduziu anotações em tools, permitindo indicar se uma ação é somente leitura ou pode ter efeitos mais sensíveis, como alterar ou apagar dados.

18 de junho de 2025

Foi uma revisão de simplificação e reforço de segurança.

Removeu o suporte a batching de JSON-RPC, simplificando o formato de mensagens.
Adicionou suporte a saída estruturada nas respostas de tools.
Passou a tratar servidores MCP como um tipo de servidor de recursos OAuth, reforçando a camada de autenticação.
Introduziu a "elicitation", que permite ao servidor pedir mais informação ao usuário no meio de uma interação.

25 de novembro de 2025 — Versão atual

É a versão em vigor hoje.

Melhorou a descoberta de servidores de autorização.
Adicionou suporte a ícones, para identificar visualmente tools, resources e prompts.
Deu mais controle refinado de permissões durante o uso, com consentimento incremental de escopo.
Trouxe suporte experimental a "tasks", para acompanhar operações longas com atualização de progresso.

Para quem decide arquitetura, o ponto prático é este: o protocolo evoluiu principalmente na direção de segurança (autorização, escopo de permissão) e de recursos que dão mais controle sobre o que a IA pode fazer, não em mudanças que quebram implementações antigas de uma hora para outra. Servidores construídos numa versão anterior continuam funcionando, desde que cliente e servidor negociem a versão em comum durante a conexão.

Glossário do MCP

Para quem quer aprofundar no vocabulário técnico do protocolo, a tabela abaixo reúne os termos centrais do MCP com a definição completa de cada um.

Termo	Explicação técnica
MCP	Protocolo aberto, criado pela Anthropic e lançado em novembro de 2024, que padroniza a comunicação entre aplicações de inteligência artificial e sistemas externos (dados, ferramentas, APIs). Define um modelo de arquitetura cliente-servidor, os tipos de capacidade que um servidor pode expor (resources, tools, prompts) e o formato de mensagem usado na comunicação (JSON-RPC 2.0). O objetivo central é eliminar a necessidade de uma integração proprietária diferente para cada combinação de ferramenta e modelo de IA.
MCP Server	Programa que implementa o protocolo MCP para um sistema específico (um CRM, um banco de dados, uma plataforma de marketing), traduzindo as capacidades desse sistema para o formato padronizado do protocolo. Um MCP Server expõe suas capacidades em até três categorias: resources, tools e prompts. Pode rodar localmente, dentro de um container, ou hospedado remotamente, e normalmente cobre um único sistema por vez.
MCP Client	Componente interno da aplicação de IA (o host) responsável por manter uma conexão individual com um MCP Server específico. A relação entre cliente e servidor é de 1 para 1: cada client gerencia a sessão, as mensagens e as notificações trocadas com um único servidor. Um mesmo host pode operar múltiplos clients simultaneamente, cada um conectado a um servidor diferente, permitindo que a aplicação combine contexto de várias fontes ao mesmo tempo.
Host	A aplicação de inteligência artificial onde a experiência do usuário efetivamente acontece, como o Claude Desktop, o Claude Code ou qualquer outro cliente compatível com o protocolo. É o host que inicia as conexões, gerencia os clients internos e apresenta ao usuário o resultado da interação entre o modelo de IA e os servidores conectados.
Resources	Uma das três categorias de capacidade que um MCP Server pode expor. Resources são dados disponibilizados para leitura pela IA, de forma parecida com arquivos ou registros de um sistema, por exemplo o conteúdo de um documento ou o schema de tabelas de um banco de dados. Servem para dar contexto ao modelo, sem executar nenhuma ação sobre o sistema.
Tools	A segunda categoria de capacidade exposta por um MCP Server. Tools são funções que a IA pode chamar para executar uma ação com efeito real no sistema conectado, como enviar uma mensagem, criar um registro ou rodar uma consulta. É a categoria onde está a maior parte do valor prático de uma integração via MCP, porque transforma a IA de algo que só responde em algo que também age.
Prompts	A terceira categoria de capacidade que um servidor pode expor. Prompts são templates de instrução pré-definidos que o servidor sugere ao cliente para tarefas ou workflows recorrentes, evitando que o usuário precise redigir o pedido do zero a cada interação. É a categoria menos utilizada das três atualmente, mas tende a crescer conforme os servidores amadurecem.
JSON-RPC 2.0	Especificação que define o formato das mensagens trocadas entre cliente e servidor no protocolo MCP. Toda chamada é estruturada com um método, parâmetros e um identificador, e toda resposta retorna um resultado ou um erro associado a esse mesmo identificador. É esse formato padronizado que garante que qualquer cliente MCP consiga se comunicar com qualquer servidor MCP, independente de quem os implementou.
stdio	Um dos dois mecanismos de transporte padrão definidos pelo protocolo MCP, usado quando o servidor roda como um processo local, na mesma máquina que o cliente. A comunicação acontece diretamente através da entrada e saída padrão do processo (standard input/output), sem depender de rede.
HTTP com streaming	O segundo mecanismo de transporte padrão do protocolo, usado quando o servidor roda remotamente e é acessado pela rede. Permite que a resposta seja entregue de forma incremental, à medida que fica disponível, em vez de exigir que toda a resposta esteja pronta antes de ser enviada. Substituiu o transporte inicial baseado em HTTP+SSE a partir da revisão de 26 de março de 2025 da especificação.
Token de acesso	Credencial que autoriza um MCP Server, e por consequência a IA que o utiliza, a agir dentro de um sistema em nome de uma conta específica. Bons tokens de acesso têm escopo limitado, ou seja, autorizam apenas as ações e os dados estritamente necessários para a tarefa, em vez de dar acesso irrestrito à conta inteira.
OAuth	Protocolo de autorização amplamente usado para conceder acesso a um sistema sem compartilhar a senha da conta diretamente. A partir da revisão de 26 de março de 2025 da especificação, o MCP passou a incorporar um framework de autorização baseado em OAuth 2.1, permitindo que servidores MCP sejam tratados como servidores de recursos que negociam permissão de acesso de forma padronizada.

O que isso resolve, na prática, para quem vende educação

Instituições de ensino e agências que atendem esse mercado costumam operar com uma pilha de sistemas fragmentada: CRM de marketing e vendas (geralmente RD Station), ferramenta de relatório (Reportei ou similar), sistema financeiro ou de cobrança (Asaas ou ERP educacional), planilhas de controle de matrícula e, em muitos casos, um sistema de gestão acadêmica separado de tudo isso. Cada um desses sistemas guarda uma parte da resposta que o time de marketing precisa todo dia: quantos leads viraram matrícula, qual campanha trouxe o CAC mais baixo, qual unidade está com inadimplência subindo.

Sem um padrão como o MCP, cada uma dessas perguntas exige abrir uma ferramenta diferente, exportar um CSV, colar em uma planilha e só então analisar, ou depender de um relatório manual que alguém monta uma vez por semana. Com MCP conectando esses sistemas a um assistente de IA, a mesma pergunta pode ser respondida em uma conversa, com o dado vindo direto da fonte, sem o intermediário manual. Para uma instituição de ensino que decide matrícula com base em dado de funil, essa diferença de velocidade tem impacto direto em quantos dias o time de marketing e vendas leva para reagir a uma queda de conversão.

Existe também um ponto estratégico menos óbvio: instituições de ensino lidam com dados sensíveis (financeiros, de alunos, de responsáveis legais), o que torna a decisão de arquitetura de MCP inseparável da decisão de segurança. Não é uma implementação genérica de "conectar tudo à IA", é uma decisão deliberada de o que conectar, com que permissão e com que camada de revisão humana. Estas são exatamente as boas práticas que recomendamos e aplicamos internamente ao conectar sistemas financeiros como o Asaas: acesso só leitura por padrão, nenhuma ação automática que movimente dinheiro, e revisão humana obrigatória para qualquer operação sensível.

O que a Astronauta já provou na prática

A diferença entre falar sobre MCP e operar com MCP é a que separa a maioria dos conteúdos sobre o tema no Brasil do que a Astronauta publica neste cluster. Dentro do Cérebro Astronauta, o nosso sistema interno de agentes de IA, já rodam MCPs vivos conectando RD Station, Reportei, Asaas e outras ferramentas em produção, não em prova de conceito, sustentando a operação da própria Astronauta Martech e o conhecimento que aplicamos em projetos de clientes.

Para uma instituição de ensino ou agência que está decidindo se vale a pena investir em MCP agora, a resposta prática costuma seguir uma ordem: primeiro conectar o sistema onde mora o dado de marketing e vendas (RD Station, no caso mais comum no Brasil), depois expandir para relatório (Reportei), e só depois, com maturidade de segurança madura, considerar sistemas financeiros. É a mesma ordem que recomendamos com base na nossa própria experiência.

Perguntas frequentes

O que é MCP em uma frase?

MCP (Model Context Protocol) é um protocolo aberto, criado pela Anthropic em novembro de 2024, que padroniza como sistemas de inteligência artificial acessam dados e executam ações em ferramentas externas, como CRMs, planilhas e sistemas financeiros, sem exigir uma integração customizada para cada par de sistema e modelo de IA.

Qual foi a primeira versão pública do protocolo MCP?

A primeira versão pública do protocolo MCP foi lançada pela Anthropic em 5 de novembro de 2024, junto com SDKs em Python e TypeScript e servidores de referência para sistemas como Google Drive, Slack e GitHub.

MCP substitui API?

Não. API é o mecanismo de comunicação entre sistemas e continua existindo por trás de qualquer MCP Server. O MCP adiciona uma camada de padronização acima da API, permitindo que qualquer assistente de IA compatível use o mesmo servidor sem precisar de um conector exclusivo.

Como funciona um MCP Server por dentro?

Um MCP Server expõe três tipos de recurso à IA (resources para dados, tools para ações, prompts para instruções prontas) e se comunica por JSON-RPC 2.0, usando stdio para servidores locais ou HTTP com streaming para servidores remotos.

Quantas versões da especificação do MCP já existem, e onde ver o histórico completo?

Até o momento, quatro: 5 de novembro de 2024 (lançamento), 26 de março de 2025, 18 de junho de 2025 e 25 de novembro de 2025 (versão atual). O histórico completo, com todas as mudanças de cada revisão, está publicado em modelcontextprotocol.io/specification.

É seguro conectar um sistema financeiro, como o Asaas, à IA via MCP?

Pode ser seguro se implementado com escopo de permissão restrito, autenticação adequada e camadas de revisão humana para ações de maior risco, como emissão ou cancelamento de cobranças. Essas são as boas práticas que a Astronauta Martech recomenda e aplica internamente, e não deveriam ser o primeiro passo de uma implementação de MCP.

Por onde uma instituição de ensino deve começar a usar MCP?

O caminho mais comum e testado é conectar primeiro o sistema onde estão os dados de marketing e vendas, como a RD Station, depois expandir para ferramentas de relatório, como o Reportei, e só depois considerar sistemas financeiros ou acadêmicos, que exigem controles de segurança mais rígidos.