Model Context Protocol (MCP)

O Model Context Protocol (MCP) é um padrão aberto, lançado pela Anthropic em novembro de 2024, que define como uma aplicação de IA conversa com recursos externos. Um servidor MCP expõe tools (ações que o modelo pode chamar), resources (dados que ele pode ler) e prompts (templates reutilizáveis). Um cliente MCP, dentro de um host como um assistente de IDE ou um app de chat, descobre essas capacidades e permite que o modelo as use. As mensagens usam JSON-RPC 2.0, via entrada/saída padrão para servidores locais ou HTTP para servidores remotos. Um servidor escrito uma única vez funciona com qualquer cliente que suporte o protocolo.

Exemplo: automação de navegador para um assistente

O servidor MCP do Playwright permite que um assistente abra páginas, leia a árvore de acessibilidade, clique e digite. Uma configuração típica de cliente:

{
  "mcpServers": {
    "playwright": {
      "command": "npx",
      "args": ["@playwright/mcp@latest"]
    }
  }
}

Com isso configurado, você pode pedir ao assistente para “abrir a página de login de staging, entrar com o usuário de teste e relatar qualquer erro no console”, e ele chama as ferramentas do navegador passo a passo. Outros servidores expõem coisas como as issues de um host Git, um banco de dados ou uma API interna, de modo que o mesmo assistente consegue ler um ticket de bug, reproduzi-lo no navegador e rascunhar um teste.

O que já está consolidado e o que ainda é emergente

Consolidado: o protocolo em si e o amplo suporte entre assistentes, IDEs e fornecedores de ferramentas. Encapsular uma ferramenta interna como servidor MCP é um trabalho de engenharia razoável e bem documentado.

Emergente: usar agentes guiados por MCP como parte do processo de teste. Sessões exploratórias, reprodução de bugs e rascunho de código de teste já são úteis hoje, desde que uma pessoa revise o resultado. Tratar a execução de um agente como um teste de regressão confiável não é, porque os passos dele são não determinísticos e ele pode declarar sucesso sem verificar a coisa certa. Testes gerados devem ser commitados como código comum e revisados como qualquer outro.

Riscos a ter em mente

• Prompt injection através das tools. O conteúdo das páginas, os tickets e a saída das ferramentas são texto não confiável que pode direcionar o modelo.
• Permissões amplas demais. Um servidor com acesso de escrita a dados de produção ou com credenciais no ambiente transforma um erro do modelo em um incidente. Dê aos servidores o escopo mais restrito possível e aponte-os para ambientes de teste.
• Servidores não confiáveis. Um servidor MCP de terceiros executa código na sua máquina e descreve as próprias ferramentas para o modelo; revise-o como qualquer outra dependência.