MCP para Empresas: Guia Prático — Como Conectar seu Negócio aos Agentes de IA

Até agora, falamos de visibilidade. O llms.txt faz seu site ser encontrado. O Schema.org com BuyAction prepara o terreno.

Mas há uma pergunta que todo gestor de e-commerce, indústria IoT e fintech vai se fazer nos próximos 12 meses:

“Como o agente de IA vai, de fato, executar a ação dentro do meu sistema?”

A resposta é um protocolo de três letras que está mudando a forma como softwares conversam com inteligências artificiais: MCP.

O que é MCP (Model Context Protocol)

O Model Context Protocol é um padrão aberto mantido pela Anthropic que permite que agentes de IA — como o Claude ou qualquer LLM compatível — se conectem a sistemas externos para buscar dados e executar tarefas.

Tradução direta para o mundo dos negócios:

MCP é o que transforma o ChatGPT de um “respondedor de perguntas” em um “funcionário digital” que acessa seu ERP, seu banco de dados de sensores ou seu sistema de pedidos — com segurança, rastreabilidade e controle.

Analogia: Se o HTTP conectou navegadores a servidores web, o MCP conecta agentes de IA a sistemas de negócio.

---

Os três componentes que todo servidor MCP expõe

A arquitetura do MCP é elegante e minimalista. Um servidor MCP oferece ao agente três tipos de recursos:

1. Resources — Dados passivos

São arquivos, documentos, listas e bancos de conhecimento que o agente pode consultar.

Exemplos empresariais:

• Lista de produtos com preço e estoque.
• Catálogo de serviços com descrições e preços.
• Documentação de API.
• Relatórios de vendas ou dados de sensor.

No código (Python):

python

@mcp.resource("products://list")
def list_products() -> str:
    return json.dumps(product_service.get_all())

2. Tools — Ações executáveis

São funções que o agente pode chamar para realizar algo no mundo real: agendar, comprar, gerar um boleto, consultar um sensor, enviar uma mensagem.

Exemplos empresariais:

• search_products(query) — buscar no catálogo.
• add_to_cart(sku, qty) — adicionar ao carrinho.
• generate_invoice(client_id, amount) — emitir boleto.
• read_sensor(sensor_id) — leitura de temperatura IoT.
• schedule_meeting(date, time, participants) — agendar reunião.

No código:

python

@mcp.tool()
def generate_invoice(client_id: str, amount: float, description: str) -> str:
    invoice = billing_service.create(client_id, amount, description)
    return f"Boleto gerado: {invoice.url}"

3. Prompts — Guias de comportamento

São instruções que moldam como o agente deve se comportar ao interagir com aquele servidor. Funcionam como um “script de atendimento”.

Exemplo:

python

@mcp.prompt()
def sales_assistant_prompt() -> str:
    return "Você é um assistente de vendas da Loja X. Seu tom é profissional e direto. Sempre confirme disponibilidade antes de sugerir um produto."

---

Por que empresas brasileiras precisam de MCP agora

O mercado brasileiro tem uma característica única: muitos sistemas legados com zero integração para IA. ERPs antigos, plataformas de e-commerce sem API amigável, sistemas de sensores com protocolos proprietários.

O MCP funciona como uma camada de tradução. Ele não exige que você reescreva seu software. Apenas que você exponha, de forma segura, os pontos de entrada que os agentes precisam.

Quatro cenários reais:

Setor	Sem MCP	Com MCP
IoT (ex: Sensorweb)	O gestor precisa abrir um dashboard, filtrar manualmente e interpretar.	O gestor pergunta “Temperatura do galpão 3?” e o agente consulta o sensor em tempo real.
Fintech (ex: Payfy)	O funcionário faz login, navega em menus, consulta saldo.	“Qual meu saldo disponível para despesas?” — o agente responde com dados reais e ainda oferece gerar relatório.
Jurídico	O advogado faz buscas manuais em bases de jurisprudência.	“Encontre decisões favoráveis sobre dano moral em 2025” — o agente consulta e resume.
E-commerce	A IA recomenda um produto, mas o cliente precisa clicar, navegar, preencher dados.	O agente adiciona ao carrinho, calcula frete e finaliza, com aprovação humana apenas no checkout.

---

Como funciona na prática: cliente e servidor

O MCP segue o modelo cliente-servidor:

• MCP Client: é o agente de IA (Claude Desktop, ChatGPT com suporte, aplicações customizadas).
• MCP Server: é o software que você cria e hospeda, conectado aos seus sistemas internos.

Fluxo:

1. O usuário dá uma instrução ao agente: “Qual o status do pedido #1234?”
2. O agente (cliente) consulta quais ferramentas estão disponíveis no servidor MCP.
3. Identifica a ferramenta track_order.
4. Chama track_order(order_id="1234") via protocolo MCP.
5. O servidor consulta o banco de dados e retorna o status.
6. O agente responde ao usuário: “Seu pedido #1234 está em transporte e chega até amanhã.”

Tudo acontece via JSON sobre HTTP, com autenticação e logs imutáveis.

---

Passo a passo: implementando seu primeiro servidor MCP

Passo 1 — Planejamento (2 horas com stakeholders)

Reúna os decisores de negócio e defina:

• Quais processos manuais um agente poderia executar?
• Quais dados são seguros para expor?
• Qual nível de autenticação necessário?
• Quais ações precisam de aprovação humana (checkout acima de R$ 500, emissão de boleto, etc.)?

Entregável: uma lista de Tools e Resources priorizada.

Passo 2 — Setup técnico (1 dia)

Stack recomendada para rápido desenvolvimento:

• Python 3.11+ com FastMCP (SDK open source).
• Servidor: Uvicorn + Nginx.
• HTTPS: Let’s Encrypt ou Cloudflare Tunnel.

bash

pip install fastmcp uvicorn

Estrutura básica de projeto:

text

mcp-server/
├── server.py
├── requirements.txt
├── .env (credenciais)
├── tools/
│   ├── products.py
│   ├── billing.py
│   └── sensors.py
└── resources/
    └── catalog.json

Passo 3 — Codificação das ferramentas (3 a 5 dias)

Cada ferramenta deve:

• Validar entradas rigorosamente (use Pydantic).
• Registrar logs de execução (timestamp, agente, ação, resultado).
• Retornar respostas claras para o agente interpretar.

Exemplo real: ferramenta para consulta de saldo corporativo (fintech):

python

from pydantic import BaseModel

class BalanceRequest(BaseModel):
    employee_id: str

@mcp.tool()
def check_balance(request: BalanceRequest) -> str:
    # Valida API key e permissão
    auth_service.validate(request.employee_id)
    balance = ledger_service.get_balance(request.employee_id)
    logger.info(f"Balance check | employee={request.employee_id} | balance={balance}")
    return f"Saldo disponível: R$ {balance:.2f}"

Passo 4 — Implementação de Hooks de Governança (1 dia)

Aqui entra seu diferencial de mercado. Para ações críticas, implemente PreToolUse:

python

@mcp.tool(requires_approval=True)
def checkout(cart_id: str, payment_method: str) -> str:
    # Só executa se o hook de aprovação retornar True
    # O hook envia notificação por email/Slack e aguarda confirmação
    order = order_service.finalize(cart_id, payment_method)
    return f"Pedido #{order.id} confirmado. Valor: R$ {order.total:.2f}"

Passo 5 — Deploy e documentação (1 dia)

• Deploy em VPS própria ou Cloud Run.
• Criar llms.txt e agent.json apontando para o servidor.
• Testar com Claude Desktop configurado manualmente.
• Gravar vídeo de demonstração e documentar API para o time técnico do cliente.

---

Segurança: a governança como diferencial

Todo servidor MCP que implantamos segue quatro regras de ouro:

1. Autenticação sempre ativa — API Key ou OAuth2. Nenhum endpoint aberto.
2. Rate limiting — cada agente tem um limite de requisições por minuto, evitando sobrecarga.
3. Logs imutáveis — toda ação é registrada com timestamp, agente, ferramenta e resultado. Esses logs são a prova de auditoria.
4. Hooks de aprovação — para ações de alto impacto (pagamentos, exclusão de dados), o agente para e pede confirmação humana, via email ou app.

Isso resolve o medo número um das empresas: “E se a IA fizer besteira?”

---

Preço e modelo de negócio

Oferecemos o servidor MCP como projeto ou como parte do Agent Commerce Layer.

Serviço	Valor	Inclui
MCP Server Essencial	R$ 15.000	Até 3 tools, 2 resources, autenticação básica, deploy, documentação.
MCP Server Avançado	R$ 28.000	Até 7 tools, integração com sistemas legados, Hooks de governança, ambiente staging, treinamento.
Agent Commerce Layer	R$9.000setup+R$9.000setup+R 2.200/mês	MCP dedicado a e-commerce + monitoramento contínuo de interações de agentes.

Empresas como Sensorweb (IoT), Payfy (fintech) e escritórios de advocacia são candidatos ideais para o MCP customizado.

---

Conclusão: a diferença entre ser usado e ser esquecido

As empresas que terão vantagem competitiva nos próximos anos não são as que têm o site mais bonito. São as que os agentes de IA conseguem acessar, entender e acionar.

O MCP é a ponte técnica que torna isso possível e é acessível hoje, não em 2030.

Enquanto concorrentes discutem se devem “entrar nas IAs”, você pode estar com seu servidor MCP no ar, recebendo ações reais de agentes e gerando receita.

---

Seu sistema está pronto para ser acionado por uma IA?

O Diagnóstico Agent Readiness mapeia seu ecossistema e define exatamente quais funcionalidades devem virar Tools MCP. Em 7 dias você recebe um plano de implementação priorizado, validado e pronto para executar.