O desenvolvimento da IA generativa está a passar por uma mudança importante. As primeiras aplicações centravam-se sobretudo na geração de texto, em perguntas e respostas baseadas em conhecimento e no processamento de conteúdos. No entanto, os Agentes de IA da nova geração estão a começar a assumir tarefas mais complexas, como consultar bases de dados externas, chamar sistemas empresariais, analisar informações em tempo real, executar fluxos de trabalho e concluir ações específicas com autorização do utilizador. Esta mudança significa que a concorrência entre aplicações de IA já não depende apenas da capacidade dos modelos gerarem respostas precisas. Depende também da capacidade de acederem eficazmente a informações externas e de transformarem as suas capacidades de raciocínio em ações executáveis.
No entanto, há muito que existem barreiras de ligação entre as capacidades dos modelos e os sistemas externos. As diferentes aplicações têm, normalmente, as suas próprias interfaces de dados, métodos de chamada de ferramentas, mecanismos de autenticação e sistemas de gestão de permissões. Se os programadores quiserem que um assistente de IA se ligue simultaneamente a várias fontes de dados e sistemas empresariais, muitas vezes precisam de escrever código de integração separado e manter continuamente a compatibilidade com diferentes interfaces. À medida que o número de ferramentas e aplicações de modelos continua a aumentar, esta abordagem de integração individual cria custos significativos de desenvolvimento e manutenção. Também dificulta a reutilização das capacidades dos Agentes de IA em diferentes plataformas.
O Model Context Protocol (MCP) tem atraído atenção neste contexto. Trata-se de um protocolo aberto concebido para normalizar a forma como as aplicações de IA se ligam a fontes de dados, ferramentas e contexto externos. O MCP não treina modelos nem determina a forma como as aplicações de IA devem raciocinar. Em vez disso, fornece um mecanismo de comunicação relativamente unificado que permite às aplicações de IA descobrir e utilizar capacidades disponibilizadas por sistemas externos. A sua importância reside em fornecer ao ecossistema de Agentes uma camada de conectividade comum, permitindo que os modelos passem de ambientes conversacionais relativamente fechados para ambientes de aplicação onde podem colaborar com sistemas de software do mundo real.
Principais conclusões
-
O MCP aborda a normalização da conectividade: reduz a necessidade de desenvolver interfaces dedicadas entre aplicações de IA e diferentes ferramentas externas, uma a uma, mas não trata do raciocínio dos modelos nem das decisões empresariais
-
O MCP utiliza uma arquitetura de Host, Client e Server: a aplicação de IA coordena as ligações, o Client gere a comunicação do protocolo e o Server fornece à aplicação dados, ferramentas ou modelos de prompt
-
Tools, Resources e Prompts constituem as suas capacidades principais: suportam, respetivamente, chamadas de operações externas, acesso a dados contextuais e modelos de interação reutilizáveis
-
O MCP facilita a transição dos Agentes do processamento de informação para a execução de tarefas: no entanto, a capacidade das ferramentas concluírem tarefas de forma segura e precisa continua a depender do desenho das permissões, da qualidade dos dados e dos fluxos de execução
-
A conectividade normalizada não estabelece automaticamente confiança: a autenticação, a autorização, a confirmação do utilizador, o registo e os controlos de risco continuam a ser componentes essenciais das implementações no mundo real
Porque precisam os Agentes de IA de um protocolo de conectividade normalizado?
Os modelos de IA não têm inerentemente a capacidade de aceder a sistemas de software externos. Um modelo pode gerar análises com base nos seus dados de treino e no contexto atual. No entanto, se precisar de consultar o saldo em tempo real de uma conta, ler os registos mais recentes numa base de dados ou submeter uma operação a um serviço externo, tem de o fazer através de interfaces disponibilizadas na camada de aplicação. O modelo é responsável por compreender a tarefa e gerar a intenção de efetuar uma chamada, enquanto as ferramentas externas acedem aos dados ou executam operações. É necessário um mecanismo de comunicação claro entre ambos.
Sem uma norma de conectividade unificada, cada aplicação de IA pode utilizar um método de integração diferente. Uma aplicação pode ligar-se a uma base de dados através de chamadas de funções personalizadas, enquanto outra pode ligar-se a um sistema empresarial através de uma API dedicada. Algumas aplicações podem exigir plug-ins ou middleware adicionais. Mesmo quando diferentes aplicações acabam por chamar o mesmo serviço externo, poderão ainda ter de manter vários conjuntos de lógica de integração de interfaces. Esta estrutura fragmentada torna a integração de ferramentas mais complexa e aumenta a carga de compatibilidade durante as atualizações do sistema.
O valor do MCP reside em transferir a conectividade de uma implementação específica de cada aplicação para uma camada de protocolo mais universal. Os serviços externos podem expor os seus dados ou funcionalidades através de MCP Servers, enquanto as aplicações de IA compatíveis com MCP podem ligar-se a esses serviços através de Clients. Os programadores não precisam de reformular um mecanismo de conectividade totalmente independente para cada aplicação de modelo. Em vez disso, podem reutilizar implementações de Server existentes com base nas especificações do protocolo.
Esta normalização tem potencial para produzir efeitos de rede. À medida que mais aplicações de IA suportam o mesmo protocolo, os serviços externos podem alcançar uma gama mais ampla de ambientes de aplicação. À medida que mais serviços disponibilizam interfaces MCP, as aplicações de IA podem aceder a uma maior variedade de ferramentas e fontes de dados. Os programadores de ferramentas, as plataformas de modelos e os utilizadores finais podem, assim, formar um ecossistema de reforço mútuo. No entanto, a normalização apenas pode reduzir os custos de conectividade. Não pode garantir que todas as ferramentas tenham o mesmo nível de qualidade dos dados, estabilidade ou segurança.
A relação entre o MCP e os próprios Agentes de IA também deve ser distinguida. O MCP não é uma estrutura de Agentes nem um motor autónomo de tomada de decisões. Aborda sobretudo a forma como o contexto e as ferramentas são transmitidos entre diferentes componentes de software. A forma como um Agente compreende objetivos, divide tarefas, seleciona ferramentas, avalia resultados e decide se continua a execução continua a depender das capacidades do modelo, do desenho da aplicação e dos mecanismos de controlo do fluxo de trabalho. O MCP fornece conectividade aos Agentes, mas não substitui a sua lógica de planeamento e execução.
Arquitetura do MCP: como funcionam em conjunto Hosts, Clients e Servers?
O MCP utiliza uma arquitetura que combina Clients e Servers. Os seus principais participantes incluem Hosts, Clients e Servers. Um Host é uma aplicação que disponibiliza capacidades de IA, como um assistente de ambiente de trabalho, um ambiente de desenvolvimento ou outra aplicação de Agente. Um Client é um componente no Host que estabelece ligações com MCP Servers. Um Server fornece dados externos, ferramentas ou modelos de interação ao Client. Em conjunto, os três formam o percurso de ligação entre aplicações de IA e sistemas externos.
O Host coordena, geralmente, o processo global. Recebe os dados introduzidos pelo utilizador, fornece o contexto relevante ao modelo e gere um ou mais MCP Clients com base nas necessidades do modelo. Uma aplicação de IA pode ligar-se simultaneamente a vários MCP Servers, como sistemas de ficheiros, repositórios de código, bases de dados e serviços de dados de mercado. Cada ligação é mantida pelo componente Client correspondente, permitindo à aplicação utilizar capacidades de diferentes serviços num ambiente de interação unificado.
O Client é responsável pela comunicação do protocolo e pela gestão das ligações. Tem de compreender as capacidades disponibilizadas pelo Server, enviar pedidos de acordo com as estruturas de mensagens especificadas pelo MCP e receber os resultados correspondentes. Um Client não é o mesmo que o modelo. É um componente no Host que trata da conectividade do protocolo. O modelo pode decidir utilizar uma determinada ferramenta com base no contexto, mas a interação real do protocolo é concluída pelo Client e pelo Server.
O Server disponibiliza capacidades externas. Pode ligar-se a uma base de dados, encapsular um conjunto de API ou fornecer um ponto de acesso unificado para um determinado sistema empresarial. Um Server não necessita necessariamente de capacidades sofisticadas de raciocínio de IA. A sua tarefa principal é expor a funcionalidade dos sistemas externos de acordo com os requisitos do protocolo, para que Clients compatíveis possam descobrir e utilizar essas capacidades.
Esta arquitetura separa o raciocínio do modelo, a coordenação da aplicação e o acesso a sistemas externos. O modelo não precisa de compreender a implementação interna de cada base de dados ou API empresarial, e o Host não precisa de conceber um método de comunicação completamente diferente para cada serviço. Desde que todos os participantes cumpram os requisitos do protocolo, as ferramentas tornam-se mais fáceis de reutilizar e manter.
Do ponto de vista da implementação técnica, a camada de dados do MCP utiliza JSON-RPC para a troca de mensagens e define pedidos, respostas, notificações e descrições de capacidades relacionadas. A camada de transporte estabelece canais de comunicação e transmite mensagens. Diferentes ambientes de implementação podem utilizar métodos de transporte adequados aos seus cenários, como comunicação local entre processos ou ligações HTTP remotas. Nas implementações empresariais, os métodos de ligação, a autenticação e os mecanismos de autorização são igualmente importantes, porque as ferramentas externas podem aceder a dados sensíveis ou até ter permissão para executar operações empresariais reais.
Uma das características de conceção mais importantes do MCP é dividir as capacidades disponibilizadas por sistemas externos em diferentes tipos. Tools, Resources e Prompts não são três tipos diferentes de modelos. São três tipos de interfaces de contexto e funcionalidade. Correspondem, respetivamente, à execução de operações, ao acesso a dados e aos modelos de interação, permitindo que as aplicações de IA selecionem as capacidades adequadas com base na tarefa.
As Tools são as capacidades do MCP mais estreitamente associadas à execução de tarefas. Um Server pode expor funções específicas através de interfaces de ferramentas, como consultar bases de dados, chamar API externas, calcular dados, procurar registos ou submeter uma operação. As Tools têm, normalmente, nomes claros, descrições da finalidade e estruturas de parâmetros de entrada. Os Clients podem descobrir as ferramentas disponíveis e iniciar chamadas quando adequado.
Por exemplo, um Agente de investigação financeira pode precisar de consultar dados de mercado de um ativo, obter preços históricos ou ler os registos de transações de uma conta especificada. O serviço relevante pode agrupar estas capacidades como diferentes ferramentas. O modelo seleciona a chamada adequada com base na tarefa do utilizador, e o MCP Client envia o pedido para o Server correspondente. Depois de o Server executar a operação, devolve o resultado, e a aplicação disponibiliza-o ao modelo para análise adicional.
A importância das Tools não se limita a dar aos modelos acesso a mais funcionalidades. Mais importante ainda, as Tools conferem às chamadas de ferramentas uma estrutura relativamente clara. Em comparação com depender inteiramente de modelos para gerar instruções em linguagem natural, as interfaces de ferramentas estruturadas podem definir tipos de parâmetros e limites de chamada, reduzindo determinados tipos de operações ambíguas. No entanto, parâmetros corretamente formatados não significam que uma operação seja necessariamente segura. A execução de ferramentas continua a exigir verificações de permissões, validação de dados introduzidos e confirmação necessária do utilizador.
Resources: fornecer contexto externo aos modelos
As Resources são utilizadas principalmente para fornecer às aplicações de IA dados ou conteúdos legíveis. Podem representar ficheiros, registos de bases de dados, documentos, informações empresariais ou outros recursos externos. Enquanto as Tools enfatizam a execução de operações, as Resources centram-se em fornecer o contexto de que os modelos necessitam para concluir tarefas.
Por exemplo, um Agente de desenvolvimento pode ler ficheiros de projeto e estruturas de código, um assistente empresarial pode aceder a documentos numa base de conhecimento interna e uma ferramenta de investigação financeira pode ler registos de dados autorizados. O modelo utiliza este conteúdo para compreender a tarefa atual e gerar análises com base na pergunta do utilizador.
As Resources podem reduzir a dependência de um modelo em conhecimento de treino estático e permitir-lhe trabalhar com dados externos. No entanto, o acesso aos dados não significa que estes sejam inerentemente fiáveis. Os conteúdos externos podem estar desatualizados, conter erros ou incluir instruções maliciosas. As aplicações precisam de determinar como processar o conteúdo com base na sua origem, permissões de acesso e natureza. Não devem tratar todo o texto obtido como instruções fidedignas.
Prompts: fornecer modelos de interação reutilizáveis
Os Prompts são outro tipo de capacidade suportada pelo MCP. São utilizados principalmente para fornecer modelos de prompt reutilizáveis e estruturas de interação. Um Server pode disponibilizar modelos para cenários empresariais específicos, ajudando as aplicações de IA a organizar os dados introduzidos e o contexto da tarefa de forma mais consistente.
Por exemplo, um sistema empresarial pode fornecer um modelo para gerar resumos de reuniões, enquanto um serviço de análise de dados pode fornecer uma estrutura de prompt para explicar resultados de consultas. Quando necessário, a aplicação obtém o modelo e combina-o com os dados introduzidos pelo utilizador e dados reais para organizar a tarefa. Isto reduz a necessidade de escrever repetidamente conteúdo de prompt e torna os métodos de interação para cenários empresariais específicos mais fáceis de reutilizar.
No entanto, os Prompts não são fluxos de trabalho completos. Podem ajudar a organizar os dados introduzidos no modelo, mas não conseguem garantir de forma independente resultados precisos do modelo nem substituir regras empresariais e controlos de permissões. Quando as três capacidades são utilizadas em conjunto, o MCP pode suportar de forma mais abrangente o processo, desde a obtenção de contexto até à chamada de ferramentas externas.
Os assistentes de IA tradicionais centram-se, geralmente, nos dados introduzidos pelo utilizador e nos resultados do modelo, com a maioria das interações a ocorrer numa janela de conversação. Os Agentes podem chamar ferramentas externas para além do raciocínio do modelo e executar tarefas de várias etapas com base nos objetivos do utilizador. O MCP fornece uma forma normalizada de ligar estas ferramentas, facilitando aos Agentes a incorporação de diferentes serviços no mesmo fluxo de trabalho.
Um fluxo de trabalho típico de um Agente pode ser dividido em várias fases. Primeiro, a aplicação recebe o objetivo do utilizador e fornece-o ao modelo para interpretação. Em seguida, o modelo identifica os dados ou as ferramentas necessários para a tarefa. O Host consulta as capacidades disponíveis através do MCP Client relevante e disponibiliza ao modelo as informações adequadas sobre as ferramentas. O modelo gera um pedido de chamada, e o Client envia o pedido para o Server. O Server executa a operação e devolve o resultado. Por fim, o modelo continua a sua análise com base nos dados devolvidos pela ferramenta, efetuando outra chamada se necessário, até a tarefa estar concluída ou ser necessária a intervenção do utilizador.
Este modelo permite aos Agentes dividir tarefas complexas em várias etapas executáveis. Por exemplo, quando um utilizador solicita uma análise de um projeto, o Agente pode primeiro consultar informações sobre o projeto, depois obter dados de mercado, chamar uma ferramenta de cálculo para comparação e, por fim, gerar um relatório estruturado. Cada etapa pode ser suportada por um serviço externo diferente, enquanto o MCP fornece uma forma relativamente consistente de estes serviços se ligarem a aplicações de IA.
O MCP também pode alterar a forma como os serviços de software são transformados em produtos. No passado, os prestadores de serviços concebiam geralmente interfaces web, procedimentos operacionais e API em torno de utilizadores humanos. À medida que os Agentes se tornam gradualmente num novo ponto de entrada para a utilização de software, as capacidades dos serviços também precisam de ser compreensíveis e invocáveis por máquinas. Um MCP Server pode servir como interface de capacidades para aplicações de IA, permitindo que serviços externos disponibilizem funcionalidades aos Agentes de forma estruturada.
No entanto, a capacidade de chamar ferramentas não significa que um Agente possa executar tarefas autonomamente e sem restrições. Para operações de baixo risco, como ler dados públicos ou organizar ficheiros, o nível de automatização pode ser relativamente elevado. Para operações que envolvem fundos de contas, transferências de ativos, submissão de ordens ou informações sensíveis, são necessários procedimentos de confirmação e desenho de permissões mais rigorosos. O nível de autonomia de um Agente deve corresponder ao risco da tarefa, em vez de procurar simplesmente reduzir a intervenção humana.
Limites de segurança do MCP: quanto maior a conectividade, mais importante se torna a gestão de permissões
O MCP reduz a barreira para as aplicações de IA se ligarem a serviços externos, mas também permite que os modelos acedam a mais dados e interfaces de operação. À medida que a conectividade se expande, os sistemas enfrentam riscos que vão além de resultados incorretos do modelo, incluindo acesso não autorizado a dados, chamadas de ferramentas não intencionais, injeção de conteúdo malicioso, fuga de credenciais e utilização abusiva de serviços externos.
A autenticação e a gestão de permissões exigem especial atenção. Quando um MCP Client estabelece uma ligação com um Server, precisa de verificar o destino da ligação e as respetivas permissões de acesso. Para serviços remotos, a autenticação, o âmbito da autorização e a gestão de credenciais são especialmente importantes. As aplicações não devem expor todas as ferramentas ao modelo por predefinição. Em vez disso, devem configurar as capacidades acessíveis com base na identidade do utilizador, nos requisitos da tarefa e no nível de risco. As permissões de apenas leitura e as permissões para realizar operações financeiras devem estar claramente separadas, e as operações sensíveis não devem depender exclusivamente do modelo para determinar se devem ser executadas.
A injeção de prompts e o contexto malicioso também têm de ser tratados. Um Agente pode ler conteúdo de páginas web, documentos, registos de bases de dados ou serviços de terceiros. Este conteúdo pode conter instruções maliciosas destinadas a alterar o comportamento do modelo. Se um sistema não conseguir distinguir dados externos de instruções fidedignas, conteúdos não fidedignos podem induzi-lo a chamar ferramentas ou divulgar informações. Por conseguinte, as aplicações precisam de isolar e identificar conteúdos externos e evitar elevar diretamente texto de fontes de dados a instruções de alta prioridade.
As próprias ferramentas também podem tornar-se vetores de ataque. Um Server malicioso ou configurado incorretamente pode disponibilizar ferramentas com permissões excessivas ou aceder a recursos fora do âmbito esperado ao executar uma operação. Os programadores precisam de analisar a origem do Server, a implementação do código, o âmbito das permissões e as práticas de tratamento de dados, bem como estabelecer mecanismos de atualização e monitorização durante a implementação. No caso de MCP Servers de terceiros, a conformidade com o protocolo, por si só, não é suficiente para assumir que são seguros e fiáveis.
Para aplicações que envolvem ativos financeiros, os controlos de risco também devem abranger a confirmação de transações, as permissões sobre fundos e a auditoria operacional. Os modelos podem ajudar os utilizadores a consultar informações de mercado, organizar dados de ativos ou gerar planos de negociação. No entanto, antes de submeter uma ordem, transferir fundos ou executar uma operação irreversível, o sistema deve estabelecer mecanismos de confirmação com base no risco empresarial. O sistema precisa de registar claramente quem iniciou a operação, que ferramentas o modelo chamou, que parâmetros utilizou e qual foi o resultado final da execução.
Por conseguinte, a segurança do MCP não pode ser garantida apenas pelo protocolo. As especificações do protocolo, a implementação do Client, a fiabilidade do Server, a autorização de identidade e os controlos de risco na camada de aplicação determinam conjuntamente o nível final de segurança. A conectividade normalizada fornece limites técnicos mais claros, mas as implementações no mundo real continuam a exigir revisões de segurança contínuas e gestão de responsabilidades.
Valor a longo prazo do MCP: de uma norma de interface a infraestrutura do ecossistema de Agentes
O valor a longo prazo do MCP não reside apenas na redução da quantidade de código de integração de interfaces que os programadores precisam de escrever. Também pode ajudar a estabelecer novas formas de colaboração entre aplicações de IA e serviços de software. À medida que mais ferramentas e fontes de dados disponibilizam capacidades através de um protocolo unificado, os Agentes poderão conseguir concluir tarefas entre diferentes aplicações e sistemas empresariais, em vez de estarem limitados à funcionalidade de um único produto.
Esta mudança também pode afetar a forma como os prestadores de serviços de software concorrem. No passado, os prestadores de serviços atraíam clientes principalmente através de interfaces de utilizador, desenho de funcionalidades e ecossistemas de API. No futuro, a capacidade de serem descobertos, compreendidos e chamados de forma fiável por Agentes de IA também pode tornar-se uma parte importante das capacidades de um serviço. Os prestadores de serviços precisam de considerar como descrever a funcionalidade das ferramentas, restringir permissões de acesso, fornecer estruturas de dados fiáveis e assegurar que as ferramentas podem funcionar com segurança em cenários automatizados.
Para os programadores, o MCP pode reduzir os custos de integração entre diferentes aplicações de modelos, mas não vai tornar automaticamente todas as ferramentas compatíveis. As versões de protocolo, as capacidades suportadas, os métodos de transporte, os mecanismos de autenticação e a qualidade da implementação podem continuar a variar. O desenvolvimento contínuo do ecossistema vai depender da estabilidade das especificações, da qualidade das ferramentas, da adoção pelos programadores e da interoperabilidade entre diferentes plataformas.
Para as empresas, o valor do MCP depende da sua capacidade de resolver problemas empresariais reais. Ligar bases de conhecimento internas, sistemas de gestão de clientes, plataformas de análise e ferramentas empresariais a Agentes pode melhorar a obtenção de informações e a colaboração entre sistemas. No entanto, as empresas também têm de abordar permissões de dados, proteção da privacidade, requisitos de conformidade e responsabilidades de auditoria. Quanto mais conveniente se torna a conectividade técnica, mais importante é clarificar que dados podem ser acedidos, que operações podem ser realizadas e quem é responsável quando ocorrem erros.
Numa perspetiva mais ampla do setor, o MCP representa uma tendência em que as aplicações de IA se estão a estender das capacidades de um único modelo para a colaboração a nível de sistema. Os modelos fornecem compreensão e raciocínio, as ferramentas fornecem capacidades de ação externas, os protocolos fornecem conectividade e as aplicações tratam da coordenação e do controlo. No futuro, a concorrência no ecossistema de Agentes poderá ocorrer não apenas na camada de modelos, mas também em áreas como qualidade das ferramentas, infraestrutura, mecanismos de segurança e redes de serviços.
A ligação entre o MCP e o ecossistema de IA da Gate
O valor central do MCP reside em fornecer uma forma normalizada de as aplicações de IA se ligarem a ferramentas e serviços externos. O setor das criptomoedas depende fortemente de ferramentas e dados. Os dados de mercado, as informações sobre ativos, as carteiras, os dados on-chain, os serviços de negociação e as funcionalidades de pagamento estão distribuídos por diferentes sistemas. Se os Agentes de IA forem participar nestes cenários, precisam de acesso estável a dados e de capacidades de chamada de ferramentas. Por conseguinte, a combinação entre o MCP e o setor das criptomoedas representa uma direção através da qual os Agentes de IA podem evoluir de assistentes de informação para camadas de coordenação de ferramentas financeiras.
Gate for AI Agent é uma aplicação específica desta direção. De acordo com a apresentação oficial da Gate, a sua arquitetura combina Gate Skills, CLI, MCP e outras ferramentas para fornecer aos Agentes de IA capacidades relacionadas com negociação, dados de mercado, carteiras, notícias e análise on-chain. A sua arquitetura separa as camadas de aplicação, capacidade, protocolo e infraestrutura. O MCP e o CLI estão posicionados na camada de conectividade do protocolo, enquanto as Skills são utilizadas para organizar e orquestrar capacidades relacionadas. Esta abordagem em camadas ajuda a explicar como os Agentes podem ligar-se a serviços de criptomoedas através de interfaces normalizadas e como diferentes ferramentas podem trabalhar em conjunto para suportar tarefas mais complexas.
Gate.AI fornece um ponto de entrada de interação de IA orientado para o utilizador, com MCP e Skills incluídos entre as suas capacidades subjacentes. Os utilizadores podem submeter perguntas ou tarefas em linguagem natural, e a aplicação de IA pode processar os pedidos relevantes utilizando as capacidades disponíveis. Para os utilizadores, a importância destes produtos não reside simplesmente na adição de outra interface de conversação. Pelo contrário, tornam as informações de mercado, a análise de ativos e determinadas funções empresariais mais fáceis de aceder através de um método de interação unificado.
No entanto, ligar Agentes de IA a capacidades de negociação e de carteira também significa que os limites de permissões devem ser tratados com seriedade. Os utilizadores devem compreender a que dados um Agente pode aceder, que operações pode realizar, como é gerida a autorização e se as tarefas que envolvem fundos e negociação exigem confirmação adicional. A interação em linguagem natural reduz a barreira à utilização destas funções, mas não pode substituir a avaliação do utilizador relativamente às condições de negociação, aos riscos e aos resultados finais da execução.
É importante clarificar que o MCP é um protocolo aberto, enquanto a aplicação do MCP e das ferramentas de Agentes pela Gate constitui uma implementação específica do ecossistema. As permissões das ferramentas, o âmbito dos serviços e os mecanismos de execução das diferentes plataformas não são iguais. Ao utilizar funcionalidades relacionadas, os utilizadores devem consultar as capacidades efetivamente suportadas pelo produto, as respetivas instruções de autorização e as divulgações de risco.
A longo prazo, o desenvolvimento dos Agentes de IA vai depender não apenas das capacidades de raciocínio dos modelos, mas também da capacidade de se ligarem de forma fiável a serviços externos e concluírem tarefas dentro de permissões claramente definidas. O MCP fornece uma base normalizada para esta conectividade, enquanto o Gate for AI Agent demonstra as potenciais aplicações desta direção técnica em ferramentas de mercado de criptomoedas, dados e cenários de negociação.
Perguntas frequentes
O que é o MCP?
O MCP (Model Context Protocol) é um protocolo aberto utilizado para normalizar ligações entre aplicações de IA e fontes de dados, ferramentas e contexto externos. Ajuda as aplicações de IA a descobrir e utilizar serviços externos de forma relativamente consistente, mas não trata do treino de modelos nem da tomada de decisões autónoma.
Em que difere o MCP de uma API?
Uma API define normalmente a interface que um determinado serviço disponibiliza externamente, enquanto o MCP normaliza adicionalmente a forma como as aplicações de IA se ligam e interagem com as capacidades dos serviços externos. Um MCP Server pode chamar API existentes internamente e, em seguida, expor ferramentas ou dados a aplicações de IA através de um protocolo unificado.
Quais são as responsabilidades do Host, do Client e do Server no MCP?
O Host é a aplicação que disponibiliza capacidades de IA e coordena tarefas. O Client estabelece uma ligação de protocolo com o MCP Server. O Server fornece ferramentas, recursos ou modelos de prompt ao Client. Em conjunto, tratam da comunicação entre a aplicação de IA e os serviços externos.
As Tools são utilizadas para chamar operações externas, as Resources fornecem dados e contexto, e os Prompts fornecem modelos de prompt reutilizáveis. Suportam, respetivamente, a execução, a obtenção de informações e a organização da interação.
Não. O MCP fornece conectividade com ferramentas, mas o nível de autonomia de um Agente depende do modelo, do desenho da aplicação, da configuração de permissões e dos controlos de risco. Devem continuar a ser estabelecidos mecanismos adequados de autorização e confirmação para operações que envolvam fundos, negociação e dados sensíveis.
O MCP está disponível apenas para o Claude da Anthropic?
Não. O MCP é um protocolo aberto concebido para normalizar ligações entre diferentes aplicações de IA e ferramentas externas. O suporte do MCP depende da implementação da aplicação e da ferramenta específicas.
O que significa o MCP para o setor das criptomoedas?
O setor das criptomoedas envolve uma ampla gama de serviços, incluindo dados de mercado, carteiras, negociação, análise on-chain e pagamentos. O MCP pode fornecer uma forma normalizada de os Agentes de IA se ligarem a estas capacidades externas, facilitando a realização de consultas de informação e fluxos de trabalho empresariais entre ferramentas.
