Entenda o Model Context Protocol (MCP)

Mergulhei de cabeça em um assunto que promete revolucionar a forma como as IAs interagem e geram código: o Model Context Protocol (MCP), criado pela Anthropic.

Muitos de nós já usamos IAs para gerar código, mas o resultado, muitas vezes, é funcional, porém inescalável e sem a arquitetura correta. A ideia do MCP é justamente padronizar a comunicação entre as ferramentas de IA, permitindo que elas trabalhem de forma mais estruturada, similar ao que o Docker fez pela padronização de contêineres.

---

O Coração do MCP: Recursos, Ferramentas e Prompts

Um servidor MCP é baseado em uma arquitetura cliente-servidor (como o HTTP) e é composto por três grandes funcionalidades que controlam como a IA interage com o mundo externo:

• Resources (Recursos): São dados de contexto, somente leitura (read-only), que fornecem informações essenciais ao agente de IA (como documentações ou contextos específicos do seu projeto).
• Tools (Ferramentas): São funções que a LLM pode escolher chamar. Se o agente de IA decidir que precisa de uma funcionalidade externa para completar uma tarefa (como fazer um cálculo, acessar um banco de dados, ou chamar uma API), ele usa uma Tool.
• Prompts (Templates): Permitem combinar Resources e Tools em um template específico, garantindo que o agente execute tarefas complexas de forma padronizada e previsível.

---

Apresentando: O The Crude Maker

Para demonstrar o poder do MCP, iniciei um novo projeto chamado The Crude Maker.

O objetivo é criar um servidor MCP específico para a geração de APIs CRUDs, mas com um diferencial crucial: ele será capaz de construir um CRUD com arquitetura escalável, fácil de manter, padronizado e com testes.

Dessa forma, tiramos a tarefa de criar o CRUD do contexto de uma IA genérica e a passamos para um agente especializado, garantindo a qualidade final do código.

---

Passo a Passo da Implementação no Vídeo

No vídeo, mostrei como dar os primeiros passos para rodar o nosso próprio servidor MCP localmente:

• Setup Inicial: Uso de Python, criação de um ambiente virtual (venv) e instalação do SDK mcp.
• Servidor Hello World: Configuração inicial de um FastMCP simples e nomeação do nosso servidor como "Decrude Maker".
• Demo Prática: Criei um exemplo de cada funcionalidade – um Resource, uma Tool (fórmula_caio) e um Prompt template – para você ver a sintaxe e o uso.

Em seguida, fiz uma demonstração conectando o servidor ao Gemini CLI via stdio, mostrando como o agente de IA interage com as nossas ferramentas:

• Ao pedir para fazer um cálculo, o agente reconhece a Tool disponível e solicita os parâmetros necessários (A e B).
• Ao usar o template de Prompt, o agente combina automaticamente o Resource e a Tool para retornar uma resposta formatada.

Este é apenas o começo do projeto The Crude Maker, mas já mostra o potencial enorme de criar agentes de codificação especializados e de alta qualidade.

Assista ao vídeo completo abaixo para ver o tutorial de setup, o código inicial e a demonstração com o Gemini CLI!