O que é um MCP Server e como funciona

Por Tripulação da Astronauta Martech

26/05/2026

10 min de leitura

MCP (Model Context Protocol) é um protocolo aberto, criado pela Anthropic e lançado em 25 de novembro de 2024 (veja o anúncio oficial da Anthropic, com a explicação completa de como ele foi pensado), que padroniza como sistemas de inteligência artificial se conectam a dados e ferramentas externas. Um MCP Server é a peça que implementa esse protocolo para um sistema específico: um programa que expõe dados e ações desse sistema (um CRM, um banco de dados, uma pasta de arquivos, um app de mensagens) num formato padronizado que qualquer assistente de IA compatível consegue ler e usar, sem que alguém precise programar uma integração específica para cada combinação de ferramenta e modelo de IA.

Se você já leu nosso guia completo sobre o assunto, sabe que o protocolo funciona como um "USB-C" entre IA e sistemas. Este artigo entra num ponto específico dessa engrenagem: o servidor. É ele que faz o trabalho pesado de conectar um sistema real ao protocolo, e é sobre ele que qualquer profissional de marketing ou vendas precisa ter clareza antes de decidir o que conectar primeiro.

Onde o servidor entra na arquitetura do MCP

O MCP funciona num modelo de cliente e servidor. O cliente é o assistente de IA, seja o Claude Desktop, o Claude Code ou um agente customizado construído sobre uma ferramenta como Cursor. O MCP Server é o componente do outro lado: um processo separado, geralmente pequeno, que conversa com um sistema específico (Google Drive, Slack, um banco Postgres) e traduz esse sistema para a linguagem que o protocolo entende.

Na prática, um MCP Server é uma conexão dedicada a uma única ferramenta. É construindo vários desses, um para cada sistema, que você monta uma rede de conexões especializadas, cada uma cuidando da sua parte, para que a IA consiga conversar com todas elas.

Um MCP Server normalmente cobre um sistema por vez: existe um para Google Drive, outro para Slack, outro para GitHub.
O mesmo servidor pode ser usado por qualquer cliente MCP compatível, não só por um assistente específico. Um MCP Server de Postgres escrito uma vez funciona com Claude Desktop, com Claude Code, ou com qualquer outro agente de IA que fale o protocolo.
O servidor roda de forma independente do modelo de IA. Ele pode estar num container, num processo local ou num serviço na nuvem, e o cliente só precisa saber como se conectar a ele.

Já entramos na arquitetura completa do protocolo, com segurança e ecossistema incluídos, em outro texto do nosso material. Aqui o foco fica só no servidor.

O que um MCP Server expõe: resources, tools e prompts

Um MCP Server não entrega dados de qualquer jeito. Ele organiza o que oferece em três categorias definidas pelo próprio protocolo. Entender essas três categorias é o que separa "sei que existe MCP" de "sei avaliar se um MCP Server resolve o meu problema".

Resources: os dados que o servidor deixa a IA ler

Resources são conteúdos que o servidor disponibiliza para leitura, parecido com arquivos ou registros. Um MCP Server de Google Drive, por exemplo, pode expor cada documento da pasta como um resource e oferecer uma tool de busca e outra de leitura de conteúdo: a IA localiza o arquivo certo e lê o texto sem precisar baixar nada manualmente ou copiar e colar. Um MCP Server de Postgres pode expor o schema de tabelas como resource, permitindo que a IA entenda a estrutura do banco (nomes de colunas, tipos, relações) antes de montar uma consulta.

Tools: as ações que o servidor permite executar

Tools são funções que a IA pode chamar para fazer alguma coisa acontecer, não só ler. É aqui que mora a maior parte do valor prático. Exemplos reais: um MCP Server de Slack expõe tools para enviar mensagem em um canal e buscar histórico de conversa; um MCP Server de GitHub expõe tools para abrir uma issue, criar um pull request ou comentar num commit; um MCP Server de Postgres expõe uma tool de consulta que executa SQL controlado, geralmente restrita a operações de leitura, por segurança.

[Nota interna: exemplo real das tools do MCP Reportei que a Astronauta usa, a preencher pelo Eduardo antes da publicação final.]

Prompts: modelos de interação prontos

Prompts são templates que o servidor pode oferecer para guiar uma tarefa comum, evitando que o usuário precise redigir o pedido do zero toda vez. É o recurso menos usado dos três hoje, mas cresce à medida que os servers amadurecem.

Exemplos de MCP Servers conhecidos

O ecossistema já tem centenas de servers catalogados publicamente (o diretório mcpservers.org lista uma boa fração deles), incluindo várias ferramentas que usamos no dia a dia aqui na Astronauta:

Google Drive: expõe documentos e planilhas como resources e oferece tools de busca e leitura de conteúdo, permitindo que a IA consulte um briefing ou uma planilha de metas sem que alguém precise copiar o texto manualmente.
Slack: expõe tools para ler canais, buscar mensagens e enviar respostas, o que viabiliza um agente que monitora um canal de suporte e sinaliza padrões sem que ninguém precise ficar lendo tudo.
GitHub: expõe tools para gerenciar issues, pull requests e arquivos de repositório, usado principalmente por equipes técnicas que querem que a IA opere diretamente no fluxo de desenvolvimento.
Postgres: expõe o schema do banco como resource e uma tool de consulta, permitindo que a IA responda perguntas sobre dados reais (alunos, matrículas, transações) sem que alguém escreva a query à mão.
Reportei: expõe dados de relatórios e métricas de marketing, permitindo que a IA consulte performance de campanhas diretamente.
RD Station: expõe dados de leads, funil e campanhas do CRM, permitindo que a IA consulte e opere sobre esses dados.

Esses não são escolha aleatória: representam categorias diferentes de sistema (armazenamento de arquivo, comunicação, código, banco de dados, marketing, CRM), e a maioria das operações de marketing e produto tem pelo menos um equivalente direto rodando internamente.

Por que isso importa para quem decide tecnologia em marketing e vendas

A pergunta que realmente importa para quem gerencia marketing, vendas ou operações não é "o que é um MCP Server" no sentido acadêmico. É: o que isso desbloqueia no dia a dia da equipe. E a resposta prática é: um MCP Server transforma um sistema fechado (CRM, banco de dados de clientes, planilha de métricas) numa fonte que um agente de IA consegue consultar e operar diretamente, sem que o time de tecnologia precise escrever uma integração customizada para cada caso de uso novo.

Na Astronauta Martech, essa não é uma tese abstrata: dentro do Cérebro Astronauta, o nosso sistema interno de agentes de IA, já existem MCPs vivos conectando sistemas como RD Station, Reportei e Asaas em produção, entre outras ferramentas. Cada um desses agentes depende de um ou mais MCP Servers para ler dados de campanha, consultar métricas de relatório ou checar status financeiro sem depender de um desenvolvedor plugando uma API nova a cada pedido.

O ganho concreto para um gestor de marketing ou vendas é reduzir a distância entre "eu preciso desse dado" e "eu tenho esse dado". Um MCP Server bem configurado para o CRM da empresa significa que um agente de IA pode responder "quantos leads da última campanha converteram essa semana" puxando o dado direto do funil, em vez de alguém abrir o sistema, filtrar manualmente e montar uma planilha.

MCP Server não é a mesma coisa que uma API tradicional

É comum confundir os dois porque ambos conectam sistemas. A diferença central é que uma API é uma interface específica, desenhada para um propósito e geralmente documentada para desenvolvedores lerem e integrarem manualmente. Um MCP Server é uma camada construída sobre (ou ao lado de) uma API, mas padronizada para que qualquer cliente MCP, incluindo um assistente de IA, saiba automaticamente quais resources, tools e prompts existem, sem que alguém escreva código de integração para cada par sistema e modelo. Detalhamos essa comparação, com os cenários em que cada abordagem faz mais sentido, em outro texto dedicado só a essa decisão de arquitetura.

Depois de entender o que um MCP Server expõe, o próximo passo natural para quem quer sair da teoria é ver isso configurado na prática, ou ver o caso real da Astronauta conectando IA a Reportei e Asaas. E se o objetivo é aplicar isso especificamente dentro da RD Station, já mostramos esse caso ponta a ponta em outro artigo, incluindo o que fazer depois que o servidor já está no ar.

Como descobrir se uma ferramenta que você já usa tem MCP Server

Antes de procurar um MCP Server pronto pra uma ferramenta, vale checar duas coisas simples:

Normalmente isso está documentado na própria página de disponibilização pública da API da ferramenta. Quando uma empresa lança um MCP Server, ela costuma publicar um guia específico explicando como funciona, como conectar, e quais tools e recursos estão disponíveis.
Dependendo da ferramenta, você pode simplesmente perguntar pra sua IA favorita se ela já conhece o MCP daquele sistema. Muitas vezes ela mesma consegue indicar o caminho da conexão, ou até fazer boa parte da configuração com poucos passos.

Além dos exemplos já citados, outras ferramentas que fazem parte do nosso dia a dia e já têm MCP: Figma, para consultar e trabalhar em cima de arquivos de design, e Gmail, para ler e organizar e-mails. E existe também o caminho oposto: quando não existe um MCP Server pronto para o seu próprio sistema, você pode construir o seu. Foi o que fizemos aqui na Astronauta com o nosso próprio site: criamos um MCP Server próprio para acessar o conteúdo publicado nele de forma segura, o que nos permite conversar com esses dados e identificar quais conteúdos precisam ser otimizados.

Perguntas frequentes

O que é um MCP Server?

Um MCP Server é um programa que conecta um sistema específico (como Google Drive, Slack, GitHub ou um banco de dados) ao Model Context Protocol, expondo seus dados e ações num formato padronizado que qualquer assistente de IA compatível consegue ler e operar sem integração customizada.

Qual a diferença entre resources, tools e prompts num MCP Server?

Resources são dados que a IA pode ler (como documentos ou o schema de um banco). Tools são ações que a IA pode executar (como enviar uma mensagem ou rodar uma consulta). Prompts são templates prontos que guiam uma tarefa comum. Um MCP Server pode oferecer as três categorias, mas nem todo servidor implementa todas elas.

Um MCP Server precisa de código novo para cada integração?

Não. Depois que um MCP Server de um sistema (como Slack ou Postgres) existe, qualquer cliente MCP compatível consegue usá-lo sem escrever uma integração própria. O trabalho de programação acontece uma vez, na criação do servidor, não a cada novo assistente de IA que precisa se conectar a ele.

Um MCP Server substitui uma API?

Não. Um MCP Server geralmente é construído sobre uma API existente, adicionando uma camada padronizada que permite que assistentes de IA descubram e usem essa API automaticamente. Detalhamos essa diferença nesse comparativo.

Preciso ser desenvolvedor para usar um MCP Server?

Para usar um MCP Server já pronto (como os de Google Drive, Slack ou GitHub), não é necessário programar: basta configurá-lo no cliente de IA. Mostramos esse processo de configuração passo a passo em outro artigo.

Quais sistemas já têm MCP Server pronto disponível?

Existem centenas catalogados publicamente, incluindo Google Drive, Slack, GitHub, Postgres, Figma e Gmail, além de servers para ferramentas de marketing e financeiro como os que a Astronauta Martech já opera em produção conectando RD Station, Reportei e Asaas.