Encaminhar o Título Original 'Padrão USB-C da IA: Compreendendo o MCP'

Durante meus anos na Alliance, assisti inúmeros fundadores construírem suas próprias ferramentas especializadas e integrações de dados incorporadas em seus agentes de IA e fluxos de trabalho. No entanto, esses algoritmos, formalizações e conjuntos de dados exclusivos estão trancados atrás de integrações personalizadas que poucas pessoas jamais usariam.

Isso tem mudado rapidamente com o surgimento do Protocolo de Contexto do Modelo. MCP é definido como um protocolo aberto que padroniza como as aplicações se comunicam e fornecem contexto para LLMs. Uma analogia que eu realmente gostei é que "MCPs para aplicações de IA são como USB-C para hardware"; isso é padronizado, plug-and-play, versátil e transformador.

Por que MC?

LLMs como Claude, OpenAI, LLAMA, etc são incrivelmente poderosos, mas são limitados pela informação que podem acessar no momento. Isso significa que geralmente têm limitações de conhecimento, não podem navegar na web de forma independente e não têm acesso direto aos seus arquivos pessoais ou ferramentas especializadas sem alguma forma de integração.

Especificamente, antes, os desenvolvedores enfrentavam três grandes desafios ao conectar LLMs a dados e ferramentas externas:

1. Complexidade de Integração: Construir integrações separadas para cada plataforma de IA (Claude, ChatGPT, etc.) exigia duplicação de esforços e manutenção de múltiplas bases de códigos
2. Fragmentação de ferramentas: Cada funcionalidade da ferramenta (por exemplo, acesso a arquivos, conexões de API, etc) exigia seu próprio código de integração especializado e modelo de permissão
3. Distribuição Limitada: Ferramentas especializadas foram restritas a plataformas específicas, limitando seu alcance e impacto

MCP resolve esses problemas fornecendo uma maneira padronizada para que qualquer LLM acesse com segurança ferramentas externas e fontes de dados por meio de um protocolo comum. Agora que entendemos o que MCP faz, vamos ver o que as pessoas estão construindo com ele.

O que as pessoas estão construindo com MCP?

O ecossistema MC está atualmente explodindo com inovação. Aqui estão alguns exemplos recentes, que encontrei no Twitter, de desenvolvedores mostrando seu trabalho.

• Roteirização com Inteligência Artificial: Uma integração MCP que permite que Claude controle o ChatGPT-4o, gerando automaticamente storyboards completos no estilo Ghibli sem qualquer intervenção humana.
• Integração de Voz ElevenLabs: Um servidor MCP que dá a Claude e Cursor acesso à sua plataforma de áudio de IA inteira através de simples prompts de texto. A integração é poderosa o suficiente para criar agentes de voz que podem fazer chamadas telefônicas de saída. Isso demonstra como o MCP pode estender ferramentas de IA atuais para o reino do áudio.
• Automatização do navegador com Playwright: Um servidor MCP que permite que agentes de IA controlem navegadores da web sem precisar de capturas de tela ou modelos de visão. Isso cria novas possibilidades para automação da web, dando aos LLMs controle direto sobre as interações do navegador de forma padronizada.
• Integração pessoal do WhatsApp: Um servidor que se conecta a contas pessoais do WhatsApp, permitindo que Claude pesquise mensagens e contatos, além de enviar novas mensagens.
• Ferramenta de busca do Airbnb: Uma ferramenta de busca de apartamentos Airbnb que mostra a simplicidade e o poder do MC para criar aplicativos práticos que interagem com serviços da web.
• Sistema de Controle de Robôs: Um controlador MCP para um robô. O exemplo preenche a lacuna entre os LLMs e o hardware físico, mostrando o potencial do MCP para aplicações de IoT e robótica.
• Google Maps e Pesquisa Local: Conectando Claude aos dados do Google Maps, criando um sistema que pode encontrar e recomendar negócios locais como cafeterias. Essa extensão habilita assistentes de IA com serviços baseados em localização.
• Integração de Blockchain: O projeto Lyra MCP traz capacidades de MCP para o StoryProtocol e outras plataformas web3. Isso permite a interação com dados de blockchain e contratos inteligentes, abrindo novas possibilidades para aplicativos descentralizados aprimorados por IA.

O que torna esses exemplos particularmente convincentes é a diversidade deles. Em um curto espaço de tempo desde sua introdução, os desenvolvedores criaram integrações que abrangem produção de mídia criativa, plataformas de comunicação, controle de hardware, serviços de localização e tecnologia blockchain. Todas essas aplicações variadas seguem o mesmo protocolo padronizado, demonstrando a versatilidade do MCP e o potencial de se tornar um padrão universal para integração de ferramentas de IA.

Para uma coleção abrangente de servidores MC, confira orepositório oficial dos servidores MCP no GitHubCom um aviso cuidadoso, antes de usar qualquer servidor MC, tenha cuidado com o que está executando e dando permissões.

Promessa vs. Hype

Com qualquer nova tecnologia, vale a pena perguntar: é o MCP realmente transformador, ou apenas mais uma ferramenta superestimada que desaparecerá?

Tendo observado inúmeras startups nesse espaço, acredito que o MCP representa um ponto de inflexão genuíno para o desenvolvimento de IA. Ao contrário de muitas tendências que prometem revolução, mas entregam mudanças incrementais, o MCP é um impulso de produtividade que resolve um problema fundamental de infraestrutura que tem impedido todo o ecossistema.

O que o torna particularmente valioso é que não está tentando substituir os modelos de IA existentes ou competir com eles, mas sim torná-los mais úteis conectando-os a ferramentas externas e aos dados de que precisam.

Dito isso, existem preocupações legítimas em relação à segurança e padronização. Como acontece com qualquer protocolo em seus primeiros dias, provavelmente veremos dores de crescimento à medida que a comunidade desenvolve as melhores práticas em torno de auditorias, permissões, autenticação e verificação de servidor. O desenvolvedor precisa confiar na funcionalidade desses servidores MCPS e não deve confiar cegamente neles, especialmente agora que se tornaram abundantes.Este artigodiscute algumas das vulnerabilidades recentes expostas pelo uso de servidores MCP que não foram cuidadosamente verificados, mesmo se estiver executando localmente.

O Futuro da IA é Contextual

As aplicações de IA mais poderosas não serão modelos independentes, mas ecossistemas de capacidades especializadas conectadas por meio de protocolos padronizados como MCP. Para startups, o MCP representa uma oportunidade de construir componentes especializados que se encaixam nesses ecossistemas em expansão. É uma chance de aproveitar seu conhecimento e capacidades únicas enquanto se beneficia dos investimentos massivos em modelos fundamentais.

Olhando para o futuro, podemos esperar que o MCP se torne uma parte fundamental da infraestrutura de IA, assim como o HTTP se tornou para a web. À medida que o protocolo amadurece e a adoção cresce, provavelmente veremos surgir mercados inteiros de servidores MCP especializados, permitindo que sistemas de IA acessem virtualmente qualquer capacidade ou fonte de dados imaginável.

Apêndice

Para aqueles interessados em entender como o MC na verdade funciona por baixo dos panos, o seguinte apêndice fornece uma análise técnica de sua arquitetura, fluxo de trabalho e implementação.

Sob os Capôs do MCP

Similar ao modo como o HTTP padronizou a forma como a web acessa fontes de dados e informações externas, o MCP faz o mesmo pelos frameworks de IA, criando uma linguagem comum que permite que diferentes sistemas de IA se comuniquem de forma contínua. Então, vamos explorar como ele faz isso.

Arquitetura e Fluxo do MCP

A arquitetura principal segue um modelo cliente-servidor com quatro componentes-chave trabalhando juntos:

• MCP Hosts: Aplicativos de IA para desktop como Claude ou ChatGPT, IDEs como cursorAI ou VSCode, ou outras ferramentas de IA que precisam de acesso a dados e capacidades externas
• Clientes MCP: Manipuladores de protocolo embutidos em hosts que mantêm conexões um-a-um com servidores MCP
• Servidores MCP: Programas leves que expõem funcionalidades específicas por meio do protocolo padronizado
• Fontes de Dados: Seus arquivos, bancos de dados, APIs e serviços aos quais os servidores MC podem acessar com segurança

Então, agora que discutimos os componentes, vamos ver como eles interagem em um fluxo de trabalho típico:

1. Interacao do usuario: Inicia-se com um usuario fazendo uma pergunta ou fazendo um pedido em um Host MCP, por exemplo, Claude Desktop.
2. Análise LLM: O LLM analisa o pedido e determina que precisa de informações ou ferramentas externas para fornecer uma resposta completa
3. Descoberta de ferramentas: O cliente MCP consulta os Servidores MCP conectados para descobrir quais ferramentas estão disponíveis
4. Seleção de Ferramentas: O LLM decide quais ferramentas usar com base no pedido e nas capacidades disponíveis
5. Solicitação de Permissão: O Host pede permissão ao usuário para executar a ferramenta selecionada crucial para transparência e segurança.
6. Execução da Ferramenta: Após a aprovação, o Cliente MCP envia a solicitação para o Servidor MCP apropriado, que executa a operação com seu acesso especializado às fontes de dados
7. Processamento de Resultados: O servidor retorna os resultados para o cliente, que os formata para o LLM
8. Geração de Resposta: O LLM incorpora as informações externas em uma resposta abrangente
9. Apresentação do Usuário: Finalmente, a resposta é exibida para o usuário final

O que torna esta arquitetura poderosa é que cada Servidor MCP se especializa em um domínio específico, mas utiliza um protocolo de comunicação padronizado. Assim, em vez de reconstruir integrações para cada plataforma, os desenvolvedores podem concentrar-se apenas no desenvolvimento de ferramentas uma vez para todo o seu ecossistema de IA.

Como Construir Seu Primeiro Servidor MC

Agora, vamos ver como se pode implementar um servidor MCP simples em algumas linhas de código usando o SDK MCP.

Neste exemplo simples, queremos estender a capacidade do Claude Desktop de poder responder a perguntas como 'Quais são algumas cafeterias perto do Central Park?' do Google Maps. Você pode facilmente estender isso para obter avaliações ou classificações. Mas, por enquanto, vamos nos concentrar na ferramenta MCP find_nearby_places, que permitirá que o Claude obtenha estas informações diretamente do Google Maps e apresente os resultados de forma conversacional.

Como você pode ver, o código é realmente simples. 1) Ele transforma a consulta em uma pesquisa API do Google Maps e 2) retorna os principais resultados em um formato estruturado. Assim, as informações são repassadas para o LLM para tomada de decisão adicional.

Agora precisamos informar ao Claude Desktop sobre essa ferramenta, então a registramos em seu arquivo de configuração da seguinte maneira.

• macOS: ~/Library/Application Support/Claude/claude_desktop_config.json
• Windows: %APPDATA%\Claude\claude_desktop_config.json

E voilà, você terminou. Agora você acabou de estender Claude para encontrar localizações em tempo real no Google Maps.

Aviso Legal：

1. Este artigo é reproduzido de [GateXEncaminhar o Título Original 'Padrão USB-C da IA: Compreendendo o MCP'. Todos os direitos autorais pertencem ao autor original@Drmelseidy]. Se houver objeções a esta reimpressão, entre em contato com o Gate Learnequipe, e eles lidarão com isso prontamente.

2. Aviso de responsabilidade: As opiniões expressas neste artigo são exclusivamente do autor e não constituem nenhum conselho de investimento.

3. As traduções do artigo para outros idiomas são feitas pela equipe Gate Learn. Salvo indicação em contrário, copiar, distribuir ou plagiar os artigos traduzidos é proibido.