MCP, sigla de Model Context Protocol, é um padrão aberto que define como um assistente de inteligência artificial se conecta a sistemas, bancos de dados e ferramentas de uma empresa. Ele foi lançado pela Anthropic em 25 de novembro de 2024 e, em pouco mais de um ano, passou a ser aceito por ChatGPT, Gemini, Microsoft Copilot, Cursor e Visual Studio Code. Na prática, o MCP funciona como uma tomada universal: em vez de criar uma integração diferente para cada combinação de IA e sistema, a empresa expõe o ERP, o CRM ou o banco de dados uma única vez, por meio de um “servidor MCP”, e qualquer assistente compatível pode usá-lo, dentro das permissões definidas.

Isso muda a conta da integração. Antes, ligar a IA ao estoque, aos pedidos e ao financeiro exigia código específico para cada fornecedor de modelo. Com o MCP, o trabalho pesado fica num ponto só, que pode ser auditado, protegido e reaproveitado. Este guia explica o que é o protocolo, como ele funciona por dentro, onde ele ajuda de verdade, quais riscos de segurança traz e quanto custa colocar um servidor MCP em produção ligado ao sistema de gestão da sua empresa.

O que é MCP, em linguagem de negócio

Um modelo de IA, sozinho, só conhece o que aprendeu no treinamento e o que você digita na conversa. Ele não sabe o saldo de estoque de hoje, o status de um pedido nem o contrato de um cliente. Para responder com dados reais, precisa de uma ponte até os sistemas onde essas informações ficam.

O MCP é a especificação dessa ponte. No anúncio oficial, a Anthropic descreveu o protocolo como “um novo padrão para conectar assistentes de IA aos sistemas onde os dados vivem, incluindo repositórios de conteúdo, ferramentas de negócio e ambientes de desenvolvimento”. A promessa central era substituir integrações fragmentadas por um protocolo único.

A analogia mais usada é a da porta USB. Antes dela, cada impressora, teclado e câmera tinha um conector próprio. Depois, qualquer aparelho compatível passou a funcionar em qualquer computador compatível. O MCP tenta fazer o mesmo entre aplicações de IA e sistemas corporativos.

Três termos aparecem em qualquer conversa sobre o assunto:

• Host: a aplicação de IA que o usuário usa, como um assistente no computador, um chat corporativo ou um editor de código.
• Cliente MCP: o conector, dentro do host, que conversa com um servidor específico.
• Servidor MCP: o programa que fica ao lado do seu sistema (ERP, CRM, banco de dados) e oferece à IA um cardápio controlado do que ela pode consultar ou fazer.

Para o gestor, o termo que importa é o servidor. É nele que a empresa decide o que a IA enxerga, o que ela pode alterar e o que fica registrado.

Como o MCP funciona por dentro

A especificação oficial define que as mensagens trocadas seguem o formato JSON-RPC 2.0, um padrão antigo e simples de chamada remota entre programas. A versão vigente da especificação, publicada no site oficial do protocolo, é a de 28 de julho de 2026. O texto informa que o MCP se inspirou no Language Server Protocol, padrão que fez editores de código diferentes passarem a entender as mesmas linguagens de programação.

Um servidor MCP pode oferecer três tipos de recurso à IA:

Do outro lado, o cliente pode oferecer ao servidor um recurso chamado elicitation: o servidor pede ao usuário uma informação que falta, como a confirmação de uma quantidade, antes de seguir. A especificação também prevê extensões opcionais, como Tasks, para operações demoradas, e MCP Apps, para exibir formulários e gráficos dentro da conversa.

Um ponto técnico com efeito prático: a versão de 2026 descreve o protocolo como sem estado (stateless) e sem sessões no nível do protocolo. Quando um processo precisa de continuidade, como um carrinho ou um fluxo de aprovação, o servidor gera um identificador e o recebe de volta a cada chamada. Isso simplifica a operação em nuvem, mas exige cuidado de segurança, tratado mais adiante.

O fluxo de uma pergunta, passo a passo

Imagine um gerente comercial que pergunta ao assistente: “Quais pedidos do cliente Alfa estão atrasados e por quê?”. O caminho é este:

1. O host (o assistente) identifica que a pergunta precisa de dados do ERP.
2. O cliente MCP consulta o servidor do ERP e recebe a lista de ferramentas disponíveis, com a descrição de cada uma.
3. O modelo escolhe a ferramenta “listar pedidos por cliente e status” e monta os parâmetros.
4. O host pede confirmação ao usuário, quando a política exige, antes de executar.
5. O servidor MCP valida a identidade e a permissão do usuário, consulta o ERP e devolve só os campos autorizados.
6. O modelo lê o resultado, cruza com a ferramenta de “ocorrências de expedição” e redige a resposta.
7. O servidor registra quem pediu, qual ferramenta foi usada e o que foi devolvido.

Nenhuma etapa exige que o ERP “entenda” IA. Quem traduz é o servidor MCP, que conversa com o ERP pelas interfaces que ele já tem (API, banco de dados ou serviços internos).

Por que o MCP muda a integração da IA com os sistemas

Sem um padrão, cada integração entre um modelo de IA e um sistema é um projeto isolado. Se a empresa usa dois assistentes e quer ligá-los a cinco sistemas, são até dez integrações para construir e manter. Quando um fornecedor muda a forma de chamar ferramentas, parte desse trabalho precisa ser refeita.

Com o MCP, a conta muda de multiplicação para soma. Cada sistema ganha um servidor, cada assistente fala o protocolo, e a combinação acontece por configuração. A tabela abaixo resume a diferença.

Esse último ponto pesa na decisão de compra. Um padrão aberto reduz o risco de ficar preso a um único fornecedor de modelo. Se amanhã outro modelo ficar mais preciso ou mais econômico para a sua operação, o servidor MCP do ERP continua valendo.

O ganho não é só técnico. A pesquisa PINTEC Semestral do IBGE, divulgada em setembro de 2025, mostrou que a parcela de indústrias com 100 ou mais pessoas ocupadas que usam inteligência artificial subiu de 16,9% em 2022 para 41,9% em 2024. Na mesma pesquisa, 45,1% das empresas apontaram dificuldade de integrar áreas de negócio como obstáculo à adoção de tecnologias digitais avançadas. Um protocolo que padroniza a integração ataca exatamente esse gargalo.

A adoção: de lançamento da Anthropic a padrão do setor

O MCP chegou ao mercado com três componentes: a especificação e os kits de desenvolvimento (SDKs), o suporte a servidores locais nos aplicativos de desktop do Claude e um repositório aberto de servidores. Junto com o anúncio, a Anthropic publicou servidores prontos para Google Drive, Slack, GitHub, Git, Postgres e Puppeteer. Block e Apollo foram citadas como as primeiras empresas a integrar o protocolo aos seus sistemas.

O ponto de virada veio quando concorrentes diretos da Anthropic aderiram. A linha do tempo abaixo reúne os marcos confirmados em fontes primárias ou na cobertura da época.

O anúncio da Microsoft trouxe princípios de segurança que servem de referência para qualquer empresa. Segundo a cobertura do SiliconANGLE, o acesso de agentes a servidores MCP no Windows fica desligado até o usuário habilitar, ações sensíveis ficam registradas e cada servidor recebe só as permissões de que precisa. A Microsoft também entrou para o comitê que conduz o protocolo.

Em dezembro de 2025, a Anthropic transferiu o MCP para a Agentic AI Foundation, criada como fundo dirigido dentro da Linux Foundation, entidade sem fins lucrativos que abriga projetos de código aberto. A fundação teve Anthropic, Block e OpenAI como cofundadoras e Google, Microsoft, AWS, Cloudflare e Bloomberg como apoiadoras. Na ocasião, a Anthropic informou mais de 10 mil servidores MCP públicos ativos e mais de 97 milhões de downloads mensais dos SDKs em Python e TypeScript.

Para quem decide investimento, a doação tem um significado claro. O protocolo deixou de pertencer a uma única empresa e passou a ter governança neutra, o mesmo caminho seguido por padrões que hoje sustentam a internet corporativa.

Onde o MCP gera valor numa empresa

O MCP não é um produto que se compra pronto. É uma forma de organizar a integração. O valor aparece quando há perguntas ou tarefas recorrentes que dependem de dados espalhados em sistemas diferentes. Alguns usos com retorno mais visível:

Atendimento e pós-venda

Um assistente ligado ao ERP e à plataforma de chamados consulta status de pedido, nota fiscal e prazo de entrega sem que o atendente abra três telas. Quando o canal é o WhatsApp, o mesmo servidor MCP pode alimentar o robô de atendimento, o que conversa com o que já mostramos no guia de WhatsApp Business API para automação e chatbot.

Comercial

Vendedores perguntam em linguagem natural sobre histórico de compras, limite de crédito e tabela de preços. O servidor devolve só o que o perfil do vendedor pode ver. Uma ferramenta de escrita, como “criar proposta em rascunho”, pode ficar disponível com confirmação obrigatória.

Financeiro e controladoria

Consultas como “quais títulos vencem nesta semana acima de R$ 50 mil” deixam de depender de relatório sob demanda. Aqui o cuidado com permissões é maior, porque são dados sensíveis.

Operações e suprimentos

Um agente de IA pode cruzar estoque, pedidos em aberto e prazos de fornecedores para sugerir compras. A decisão continua com a pessoa, mas a montagem do cenário fica automática. O conceito de agente, um sistema de IA que executa tarefas em várias etapas, está detalhado no nosso guia completo de agentes de IA para empresas e no artigo sobre IA agêntica.

Conhecimento interno

Manuais, contratos e políticas podem ser expostos como resources. Nesse caso, o MCP costuma trabalhar junto com a técnica de RAG, que busca trechos relevantes de documentos antes de o modelo responder. A diferença entre essas abordagens está em RAG vs fine-tuning vs prompt engineering.

MCP, API e RAG: qual a diferença

Uma dúvida frequente de quem está começando: se o ERP já tem API, para que o MCP? A resposta é que eles atuam em camadas diferentes e se complementam.

A API é a porta técnica do sistema, pensada para outros programas. O MCP é uma camada acima, pensada para modelos de IA: descreve cada ferramenta em linguagem que o modelo entende, define como pedir consentimento e padroniza a autorização. Em muitos projetos, o servidor MCP chama a própria API do ERP por trás.

O RAG, por sua vez, é uma técnica para buscar trechos de documentos. Ele pode ser oferecido à IA por meio de um servidor MCP, como uma ferramenta de busca. Ou seja: API é o encanamento, RAG é uma forma de pesquisar textos, e o MCP é o padrão que organiza como a IA acessa tudo isso.

Para entender o encaixe disso tudo num projeto real, vale ler o guia sobre como integrar inteligência artificial ao sistema da empresa.

Os riscos de segurança do MCP e como controlá-los

Dar a uma IA acesso a sistemas de produção é uma decisão de risco. A própria especificação reconhece isso: afirma que o MCP permite acesso arbitrário a dados e caminhos de execução de código, e que isso exige cuidados de segurança de todos que o implementam. O texto também deixa claro que o protocolo não consegue impor esses princípios sozinho. A responsabilidade é de quem constrói o host e o servidor.

A especificação organiza a segurança em três princípios:

• Consentimento e controle do usuário: o usuário precisa consentir e entender todo acesso a dados e toda operação.
• Privacidade dos dados: o host precisa de consentimento explícito antes de expor dados do usuário a servidores e não pode repassá-los a terceiros sem autorização.
• Segurança das ferramentas: ferramentas representam execução de código e o host deve obter consentimento explícito antes de acionar qualquer uma. As descrições de ferramentas vindas de servidores não confiáveis devem ser tratadas como não confiáveis.

O documento de boas práticas de segurança do protocolo detalha ataques específicos. Os que mais importam para uma empresa são estes:

Há ainda um risco que não depende de falha técnica: a injeção de instruções (prompt injection). Um documento, e-mail ou campo de cadastro pode conter um texto escrito para enganar o modelo e fazê-lo executar uma ferramenta indevida. Por isso, ações que alteram dados ou movimentam dinheiro devem exigir confirmação humana e ficar registradas.

Na prática, um servidor MCP corporativo precisa nascer com autenticação forte, permissões por perfil, registro de auditoria, limites de volume e revisão de segurança antes da produção. As vulnerabilidades mais comuns em aplicações web, que também valem para servidores MCP expostos na internet, estão no nosso artigo sobre segurança no desenvolvimento e OWASP Top 10.

LGPD e governança

Quando o servidor MCP expõe dados pessoais de clientes ou funcionários, a Lei Geral de Proteção de Dados (LGPD) se aplica. É preciso saber quais dados vão para o modelo, onde ele está hospedado, por quanto tempo os registros ficam guardados e qual a base legal do tratamento. Esse enquadramento deve ser validado com o jurídico ou com um advogado especializado. O tema está detalhado no artigo sobre LGPD e inteligência artificial em 2026.

Exemplo: integrando um ERP via MCP

Para tornar o assunto concreto, segue um exemplo hipotético de uma distribuidora que quer ligar um assistente de IA ao ERP. O objetivo é que vendedores e atendentes consultem pedidos, estoque e títulos em aberto, e que vendedores possam criar pedidos em rascunho.

O projeto costuma seguir estas etapas:

1. Discovery: levantar as perguntas mais frequentes, os perfis de usuário e as regras de acesso. O roteiro desse levantamento está em como funciona o processo de discovery.
2. Mapeamento do ERP: identificar se o acesso será por API, por consultas ao banco ou por serviços intermediários.
3. Desenho das ferramentas: definir cada tool com nome, descrição, parâmetros e campos devolvidos. Ferramentas pequenas e específicas são mais seguras que uma ferramenta genérica.
4. Autenticação e permissões: ligar o servidor ao login corporativo, com escopos mínimos por perfil.
5. Ferramentas de escrita com confirmação: criar pedido em rascunho, nunca faturado, com aprovação humana.
6. Auditoria e limites: registrar cada chamada e limitar volume por usuário.
7. Testes e homologação: testar respostas com dados reais e tentativas de injeção de instruções.
8. Implantação gradual: começar com um grupo piloto e ampliar depois de medir uso e erros.

A tabela abaixo mostra uma estimativa de horas para esse escopo enxuto.

Metodologia: estimativa de referência da Mind Group para um servidor MCP enxuto ligado a um ERP com API disponível, calculada como horas estimadas × valor-hora de R$ 110 a R$ 190, conforme a senioridade do time. Resultado: de cerca de R$ 18,3 mil (166 h × R$ 110) a R$ 76 mil (400 h × R$ 190). O valor final depende do escopo, da qualidade da API do ERP e do número de ferramentas. Projetos de automação ou integração com IA ficam, na Mind, entre 150 e 600 horas, ou R$ 16,5 mil a R$ 114 mil.

Dois fatores costumam empurrar o custo para cima. O primeiro é um ERP sem API ou com API incompleta, que exige uma camada intermediária. O segundo é a quantidade de ferramentas de escrita, porque cada uma precisa de regras de validação, confirmação e testes próprios. Para comparar com outros formatos de projeto de IA, veja quanto custa implementar IA numa empresa em 2026.

Além do desenvolvimento, há custos recorrentes: consumo do modelo de IA, hospedagem do servidor e sustentação. Na Mind, a sustentação de sistemas costuma ficar entre 20 e 80 horas por mês, conforme o volume de mudanças.

Quando o MCP vale a pena, e quando não vale

O protocolo resolve bem um problema específico. Não é obrigatório em todo projeto de IA.

Vale a pena quando:

• a empresa quer que mais de um assistente ou agente acesse os mesmos sistemas;
• há várias perguntas recorrentes que dependem de dados de sistemas diferentes;
• a área de TI quer concentrar permissões e auditoria num ponto único;
• existe intenção de trocar ou combinar fornecedores de modelo no futuro.

Pode não valer quando:

• o caso é uma automação simples e fixa, como mover um arquivo de um sistema a outro, que uma ferramenta de automação resolve;
• só existe um fluxo, com um único modelo, e sem perspectiva de ampliar;
• os dados do sistema estão desorganizados, o que torna mais urgente corrigir a base antes de expor qualquer coisa à IA.

Para automações de fluxo fixo, plataformas de automação podem ser suficientes. Nesses casos, faz sentido começar simples e avaliar o MCP quando surgir a necessidade de um assistente que consulte vários sistemas.

Perguntas para fazer ao fornecedor antes de contratar

Se a empresa vai contratar alguém para construir o servidor MCP, estas perguntas ajudam a separar propostas sólidas de propostas frágeis:

1. Quais ferramentas o servidor vai expor e com quais permissões por perfil?
2. Como será feita a autenticação e quais escopos cada perfil recebe?
3. Que ações exigem confirmação humana antes de executar?
4. Onde ficam os registros de auditoria e por quanto tempo?
5. Como o projeto trata injeção de instruções e dados de origem não confiável?
6. Que testes de segurança serão feitos antes da produção?
7. O código-fonte do servidor será entregue à empresa?

A última pergunta pesa no longo prazo. Um servidor MCP vira parte da infraestrutura da empresa. Se o código fica com o fornecedor, a independência que o padrão aberto oferece se perde. O artigo sobre como contratar uma empresa para desenvolver agentes de IA traz um roteiro completo de avaliação.

Como a Mind Group pode ajudar

A Mind Group é uma software house brasileira, fundada em 2016, que desenvolve sistemas, aplicativos e soluções de inteligência artificial sob medida para empresas de todo o Brasil. Tem mais de 60 desenvolvedores próprios, mais de 500 produtos digitais lançados, nota 5,0 no Clutch com 17 avaliações verificadas de clientes, entrega o código-fonte ao cliente e mantém uma frente de cibersegurança dedicada à correção de vulnerabilidades e à resposta a incidentes.

Em projetos de MCP, a Mind desenha e desenvolve servidores sob medida para o ERP, o CRM e os sistemas internos do cliente, com permissões por perfil, auditoria e confirmação humana nas ações sensíveis. As entregas são quinzenais, com uma versão para testar a cada duas semanas, o que permite validar as primeiras ferramentas com usuários reais antes de ampliar o escopo.

Como o tema envolve acesso a dados de produção, a frente de cibersegurança da Mind participa da revisão do servidor antes da implantação, testando autenticação, escopos e resistência a injeção de instruções. O código-fonte fica com o cliente, o que preserva a liberdade de trocar de modelo de IA ou de fornecedor no futuro.

Atualizado em outubro de 2026.

Perguntas frequentes

O que significa MCP em inteligência artificial?

MCP significa Model Context Protocol, um padrão aberto que define como aplicações de IA se conectam a sistemas, bancos de dados e ferramentas. Foi lançado pela Anthropic em novembro de 2024 e hoje é mantido pela Agentic AI Foundation, ligada à Linux Foundation.

O MCP só funciona com o Claude?

Não. Segundo a Anthropic, em dezembro de 2025 o protocolo já era aceito por ChatGPT, Gemini, Microsoft Copilot, Cursor e Visual Studio Code, entre outros. Por ser aberto, qualquer fornecedor pode implementá-lo.

Meu ERP precisa ter suporte nativo a MCP?

Não. O servidor MCP pode ser construído ao lado do ERP e acessar os dados pela API ou por consultas ao banco. O ERP continua funcionando como antes; quem conversa com a IA é o servidor.

O MCP substitui a API do sistema?

Não substitui. A API continua sendo a porta técnica do sistema, e o servidor MCP costuma usá-la por trás. O MCP acrescenta uma camada pensada para a IA, com descrição das ferramentas, consentimento e autorização padronizados.

É seguro dar acesso ao ERP para uma IA via MCP?

Pode ser, desde que o servidor tenha autenticação forte, permissões mínimas por perfil, registro de auditoria e confirmação humana nas ações que alteram dados. A própria especificação afirma que o protocolo não impõe esses controles sozinho, então eles precisam ser construídos no projeto.

Quanto custa criar um servidor MCP para a empresa?

Pela estimativa de referência da Mind, um servidor enxuto ligado a um ERP com API fica entre 166 e 400 horas, o que dá de cerca de R$ 18,3 mil a R$ 76 mil pelo valor-hora de R$ 110 a R$ 190. O valor final depende do número de ferramentas, da qualidade da API e das exigências de segurança.

Quanto tempo leva para colocar um servidor MCP em produção?

Depende do escopo e do estado do ERP. Um bom caminho é começar com poucas ferramentas de leitura para um grupo piloto, validar nas entregas quinzenais e só depois acrescentar ferramentas de escrita.

Fontes: Introducing the Model Context Protocol (Anthropic) · Donating the Model Context Protocol and establishing the Agentic AI Foundation (Anthropic) · MCP joins the Agentic AI Foundation (blog oficial do MCP) · Specification (Model Context Protocol) · Security Best Practices (Model Context Protocol) · MCP and OpenAI Agents SDK (Simon Willison) · Microsoft unleashing AI agents in Windows with Model Context Protocol (SiliconANGLE) · From 2022 to 2024, percentage of industrial companies using artificial intelligence rises from 16.9% to 41.9% (Agência IBGE Notícias)