Um assistente de IA sozinho conhece o que aprendeu no treino e o que você cola na conversa. Para consultar o CRM, ler uma planilha de campanha ou abrir uma tarefa, ele precisa de acesso a esses sistemas. Cada integração feita sob medida custa tempo e quebra quando um dos lados muda. O MCP (Model Context Protocol) foi criado para padronizar essa conexão.
Neste guia, você vê o que é o MCP, como ele funciona, o que muda para as equipes de marketing, como começar com segurança e quais erros evitar. O foco é prático: você não precisa programar para decidir se faz sentido.
O que é MCP
Segundo a documentação oficial, o MCP é um padrão aberto para conectar aplicações de IA a sistemas externos: fontes de dados (arquivos, bancos), ferramentas (buscadores, calculadoras) e fluxos de trabalho (prompts especializados). A documentação compara o MCP a uma porta USB-C: um único formato para ligar dispositivos diferentes.
Na prática, isso significa que quem mantém um sistema pode criar um servidor MCP, e vários assistentes compatíveis passam a usá-lo. A documentação cita aplicações como Claude e ChatGPT, além de ferramentas de desenvolvimento, entre as que oferecem suporte ao protocolo.
O MCP não define como o modelo usa o contexto nem decide o que fazer. Ele cuida apenas da troca de contexto entre a aplicação de IA e o sistema. As decisões continuam com o modelo, com as regras do produto e com as pessoas que o supervisionam.
Como o MCP funciona
Os três participantes
Como uma pergunta chega até o dado
Imagem: Analytikos, com base na documentação do MCP
- Host: a aplicação de IA que coordena as conexões, como um assistente de chat ou um editor de código.
- Cliente: componente criado pelo host, um para cada servidor, que mantém a conexão.
- Servidor: programa que fornece contexto. Pode rodar na sua máquina (transporte stdio) ou ser remoto, em uma plataforma (transporte Streamable HTTP).
As três primitivas que um servidor oferece
| Primitiva | O que é | Exemplo em marketing |
|---|---|---|
| Tools (ferramentas) | Funções que a IA pode executar | Criar uma tarefa, consultar o pedido de um cliente |
| Resources (recursos) | Dados que dão contexto à IA | Esquema da base, tabela de campanhas, documento de marca |
| Prompts | Modelos reutilizáveis de interação | Roteiro padrão de análise semanal |
A aplicação descobre o que cada servidor oferece por meio de listagens (por exemplo, tools/list) e depois executa (tools/call). Na versão mais recente da especificação, o protocolo é sem estado: cada requisição carrega a versão e as capacidades de que o servidor precisa, e o servidor não depende do histórico das anteriores.
MCP, API, RAG e automação: qual a diferença
| Abordagem | Para que serve | Limite principal |
|---|---|---|
| API direta | Integração específica entre dois sistemas | Uma integração por par de sistemas; manutenção contínua |
| Automação (ex.: fluxo “se isto, então aquilo”) | Tarefas fixas e previsíveis | O caminho é definido antes; não decide diante do inesperado |
| RAG (busca em documentos) | Responder com base em uma base de conhecimento | Lê, mas não age nos sistemas |
| MCP | Dar à IA acesso padronizado a dados e ações de vários sistemas | Exige governança de acesso e supervisão |
As abordagens não competem. Um servidor MCP muitas vezes usa uma API por trás, e um fluxo automatizado pode chamar um assistente que usa MCP. A escolha depende de o caminho ser fixo (automação) ou depender de contexto (agente). Para a diferença entre chatbot, automação e agente, veja Agentes de IA: o que são.
O que muda no marketing e no CRM
O ganho está em reduzir a ponte manual entre perguntar e conseguir o dado. Exemplos de uso, todos como classes de caso e não como promessa de resultado:
- Consulta em linguagem natural: “quais clientes compraram duas vezes nos últimos 90 dias?”, respondida com leitura da base do CRM.
- Relatório recorrente: o assistente reúne dados de loja, mídia e analytics e monta o resumo semanal.
- Operação: abrir tarefa, atualizar um campo de contato ou agendar uma publicação, com aprovação.
- Atendimento: consultar status de pedido para responder o cliente com dados reais.
O movimento já aparece no varejo: a plataforma de uma grande rede americana abriu acesso a agentes de IA de compra, como mostra a nossa cobertura do Agent Gateway do Walmart, e a Shopify passou a pagar comissão a agentes. Se agentes de terceiros vão consultar a sua loja, a questão de quais dados você expõe e com que regra passa a ser estratégica.
Como começar em 7 passos
- Escolha um caso de leitura. Comece por consultas e relatórios, que não alteram nada.
- Defina o dado necessário e quem hoje tem acesso a ele.
- Use uma conta com permissões mínimas, criada só para a integração.
- Teste com dados de exemplo antes de ligar a base real.
- Exija aprovação humana para qualquer ação que escreva, envie ou apague.
- Registre as chamadas (quem pediu, qual ferramenta, qual resultado).
- Meça tempo economizado e erros antes de ampliar para ações.
Dados pessoais exigem base legal e finalidade, conforme a Lei Geral de Proteção de Dados (Lei 13.709/2018). Antes de liberar o acesso de uma IA a uma base de clientes, valide com o jurídico que tipo de tratamento você está autorizando.
Segurança: o que a documentação oficial alerta
A página de boas práticas de segurança do MCP descreve riscos que valem para quem contrata ou constrói servidores:
| Risco | O que significa | Resposta recomendada |
|---|---|---|
| Token passthrough | O servidor aceita tokens que não foram emitidos para ele e os repassa adiante | O servidor só deve aceitar tokens emitidos para ele |
| Confused deputy | Um servidor intermediário é induzido a conceder acesso sem o consentimento correto | Consentimento por cliente, validação exata do endereço de retorno |
| Servidor local malicioso | Comando de instalação executa código na sua máquina | Mostrar o comando completo, pedir aprovação e usar isolamento |
| SSRF | O cliente é induzido a acessar endereços internos | Exigir HTTPS, bloquear faixas de IP privadas e validar redirecionamentos |
| Escopo excessivo | Token com permissões amplas aumenta o estrago se vazar | Começar com escopo mínimo e ampliar sob demanda |
Outro risco, de ordem geral e não específico do MCP: conteúdo lido pelo agente (um e-mail, uma página) pode conter instruções escondidas para manipulá-lo. Por isso a recomendação da Analytikos é separar leitura de escrita e manter aprovação humana nas ações.
Erros comuns ao adotar MCP
Erros de escopo e de acesso
| Erro | Por que acontece e qual o efeito | Como corrigir |
|---|---|---|
| Dar acesso total desde o primeiro dia | Pressa para ver resultado. Um erro ou vazamento atinge todos os dados | Escopo mínimo e acesso de leitura primeiro |
| Usar a conta pessoal de um administrador | Praticidade. A IA herda poder de apagar e alterar | Crie uma conta de serviço limitada |
| Instalar servidores de origem desconhecida | Parecem úteis em catálogos. Podem executar código arbitrário | Use fontes oficiais e revise o comando antes de aprovar |
| Ligar a base de clientes sem avaliar a LGPD | Foco na tecnologia. Risco de tratamento sem base legal | Valide finalidade, base legal e retenção com o jurídico |
Erros de operação
| Erro | Por que acontece e qual o efeito | Como corrigir |
|---|---|---|
| Automatizar ações sem aprovação | Quer ganhar escala. Mensagens e alterações erradas saem em massa | Aprovação humana para escrita e envio |
| Não registrar as chamadas | Falta de log. Não é possível investigar um problema | Registre quem, o quê e quando |
| Entregar ferramentas demais ao agente | Catálogo extenso confunde a escolha da ferramenta | Exponha só o necessário para o caso de uso |
| Confiar na resposta sem conferir | O modelo pode errar ao interpretar o dado | Peça a fonte e confira por amostragem |
Erros de estratégia
- Esperar que o MCP resolva dados ruins: o protocolo entrega o dado que existe. Se a base está duplicada ou incompleta, a IA responderá com base nisso.
- Começar pelo caso mais complexo: um piloto de leitura ensina mais, com menos risco.
- Não medir o ganho: sem tempo economizado e erros por semana, não há como decidir sobre ampliar.
- Ignorar o custo de manutenção: servidores e permissões precisam de dono e revisão periódica.
Para ver o MCP dentro do conjunto de usos de IA em cada área, consulte o guia prático de IA no marketing.
Checklist antes de liberar um servidor MCP
- Caso de uso e responsável definidos.
- Origem do servidor verificada (fonte oficial).
- Conta de serviço com escopo mínimo.
- Leitura liberada antes de escrita.
- Aprovação humana para ações que alteram dados.
- Registro de chamadas ativo.
- Validação jurídica para dados pessoais.
- Revisão de acessos agendada.
Perguntas frequentes
O que significa MCP?
É a sigla de Model Context Protocol, um padrão aberto para conectar aplicações de IA a dados, ferramentas e fluxos de trabalho de outros sistemas.
MCP substitui a API?
Não. O servidor MCP costuma usar uma API por trás. O MCP padroniza como a IA descobre e usa o que o sistema oferece, em vez de cada integração ser feita sob medida.
Preciso saber programar para usar MCP?
Para usar servidores prontos em um assistente compatível, geralmente não. Para criar um servidor, sim. Em qualquer caso, a decisão de acesso e de risco é de negócio, não só técnica.
O MCP é seguro?
Depende da implementação. A documentação oficial descreve riscos como token passthrough, SSRF e servidores locais maliciosos, e recomenda escopo mínimo, consentimento e isolamento.
MCP é a mesma coisa que um agente de IA?
Não. O agente decide e age; o MCP é o canal pelo qual ele acessa dados e ferramentas. Um agente pode usar vários servidores MCP.
Por onde começar na minha empresa?
Escolha uma consulta de leitura de baixo risco, com conta de acesso limitada e registro de chamadas. Meça o tempo economizado antes de liberar qualquer ação.
