O que são as ferramentas MCP e como as utilizam os modelos de IA?

As ferramentas MCP são funções que um modelo de IA pode chamar para realizar uma tarefa fora da conversa. Por exemplo, pesquisar nas suas notas ou consultar uma base de dados. Cada ferramenta encontra-se num servidor MCP (Model Context Protocol) e tem um nome e uma breve descrição que ajudam o modelo a decidir quando a utilizar.

O termo «ferramenta MCP» também é usado noutros sentidos. No uso corrente, as pessoas dizem «ferramentas MCP» quando se referem a servidores MCP (as aplicações que disponibilizam ferramentas) ou aos diretórios que listam esses servidores. MCP Tools é também o nome de um programa de linha de comandos para listar e chamar as ferramentas de um servidor MCP.

Este guia trata das funções do protocolo, não de servidores, diretórios ou linhas de comandos. Explica em que consiste uma ferramenta, os tipos de ferramentas que os servidores disponibilizam e em que diferem as ferramentas dos recursos, dos prompts e da chamada de funções. Em seguida, descreve os passos que um modelo segue para utilizar uma ferramenta e termina com os problemas mais comuns relacionados com a sua utilização.

O que são as ferramentas MCP?

Uma ferramenta MCP é uma função que permite aos modelos de IA concluir tarefas com outras aplicações de software. Por exemplo, os meus agentes de IA e fluxos de trabalho utilizam ferramentas MCP para redigir e-mails no Gmail (create_draft), criar cartões no Trello (trelloWriteCard) e obter resultados de pesquisa em tempo real do DataForSEO (serp_organic_live_advanced), para citar apenas alguns exemplos.

As aplicações de software disponibilizam frequentemente várias ferramentas MCP nos seus servidores MCP. Por exemplo, o servidor MCP do Trello tem atualmente 14 ferramentas MCP que permitem aos modelos de IA ler e atualizar quadros, listas, listas de verificação, cartões e muito mais.

E, como o MCP normaliza a forma como as ferramentas são descritas e disponibilizadas, qualquer aplicação de IA compatível com o protocolo pode utilizar a mesma ferramenta MCP.

O que inclui uma ferramenta MCP

Todas as ferramentas MCP incluem três elementos:

• Nome: um identificador curto que o modelo utiliza quando chama a ferramenta (por exemplo, get_event no Google Calendar).
• Descrição: uma explicação em linguagem simples do que a ferramenta faz e de quando é útil. O modelo de linguagem de grande dimensão (LLM) lê-a para decidir se a ferramenta se adequa ao seu pedido (por exemplo, «Returns a single event on the given calendar.»).
• Entradas: a informação de que a ferramenta precisa para ser executada, como o nome de um cliente e uma data para uma pesquisa de notas. É escrita em JSON, e os programadores chamam-lhe esquema de entrada (input schema) porque define o formato de cada entrada (texto, número ou lista).

Expandir

Algumas ferramentas acrescentam metadados adicionais: um nome a apresentar, uma descrição dos resultados que devolvem (um esquema de saída) e anotações sobre o comportamento da ferramenta.

O modelo de IA nunca vê o código por detrás de uma ferramenta. Baseia-se no que a ferramenta diz sobre si própria, pelo que um nome ou uma descrição vagos levam o modelo a escolher a ferramenta errada.

Que tipos de ferramentas MCP existem

As ferramentas MCP dividem-se em quatro grupos, consoante o que fazem:

• Ferramentas de pesquisa e consulta: encontram ou obtêm informação (por exemplo, pesquisar notas, ler um ficheiro ou consultar uma base de dados).
• Ferramentas de ação: criam ou alteram algo noutra aplicação (por exemplo, adicionar uma tarefa, criar um evento no calendário, abrir um pedido de suporte ou enviar um e-mail).
• Ferramentas de processamento de dados: transformam ou analisam dados (por exemplo, analisar um ficheiro de folha de cálculo ou efetuar um cálculo).
• Ferramentas de sistema: interagem com o sistema local (por exemplo, executar um comando num terminal).

Ferramentas MCP vs. recursos & prompts

Além das ferramentas MCP, um servidor MCP pode disponibilizar dois outros tipos de componentes básicos, a que o protocolo chama primitivas: recursos e prompts.

Expandir

Por exemplo, o servidor MCP oficial do GitHub disponibiliza:

• Uma ferramenta chamada issue_write que cria ou atualiza issues,
• Um recurso chamado repository_content que dá acesso aos ficheiros de um repositório,
• Um prompt chamado issue_to_fix_workflow que define os passos para comunicar um problema como issue e fazer com que o agente de programação Copilot do GitHub gere um pull request para o corrigir.

A diferença está no que cada um faz e em quem decide quando o utilizar: você, a aplicação de IA em que está a trabalhar (por exemplo, o Perplexity) ou o modelo de IA executado nessa aplicação.

• Uma ferramenta MCP executa ações ou consulta informação. O modelo de IA decide autonomamente quando chamar uma ferramenta, e a sua aplicação de IA encaminha a chamada para o servidor. O modelo de IA escolhe as ferramentas; a aplicação de IA deve mostrar-lhe cada chamada e permitir que a recuse.
• Um recurso é conteúdo disponível no servidor MCP, como um ficheiro ou um conjunto de registos, cada um com o seu próprio endereço (um URI). A sua aplicação de IA pergunta ao servidor que recursos tem, lê o que precisa através do respetivo endereço e adiciona o conteúdo à conversa como contexto.
• Um prompt é um modelo de mensagem pronto a usar fornecido pelo servidor, por vezes com campos em branco que você preenche. A sua aplicação de IA mostra-lhe os prompts disponíveis e você escolhe um, muitas vezes como comando de barra.

Como os modelos de IA utilizam as ferramentas MCP

Um modelo de IA utiliza uma ferramenta MCP em cinco passos: descoberta, seleção da ferramenta, invocação, resultados e tratamento de erros. A sua aplicação de IA transmite toda a informação entre o modelo e o servidor.

Expandir

Imagine que pede à sua aplicação de IA para verificar a sua lista «Esta semana» no Trello e redigir um e-mail com uma atualização para o seu editor. Eis o que acontece do início ao fim:

1. Descoberta: quando a sua aplicação de IA se liga a um servidor MCP através de clientes MCP, pede a lista de ferramentas disponíveis no servidor (um pedido chamado tools/list). O LLM só vê o que a aplicação lhe transmite: o nome, a descrição e as entradas de cada ferramenta.
2. Seleção da ferramenta: o modelo de IA compara o seu pedido com essas descrições e escolhe as ferramentas adequadas. Neste caso, a trelloReadList do Trello, para ler a lista, e a create_draft do Gmail, para escrever o e-mail. Também preenche as entradas, como a lista a ler.
3. Invocação: o modelo responde com um pedido estruturado para executar a ferramenta (um passo chamado «chamada de funções»). A sua aplicação de IA envia esse pedido para o servidor certo (um pedido tools/call). Deve também mostrar-lhe a chamada e permitir que a recuse.
4. Resultados: o servidor executa a função e devolve o result, neste caso os cartões da sua lista. A sua aplicação de IA adiciona o resultado à conversa e o modelo decide o passo seguinte: responder-lhe ou chamar outra ferramenta, como a create_draft, com um e-mail baseado nesses cartões.
5. Tratamento de erros: se a ferramenta for executada mas falhar, por exemplo, porque a lista não existe, o erro é devolvido como parte do resultado. O modelo pode lê-lo e tentar novamente com entradas diferentes. Se o próprio pedido estiver mal formado, por exemplo, porque chama uma ferramenta que o servidor não tem, a aplicação recebe, em vez disso, um erro de protocolo. Nesse caso, é menos provável que o modelo consiga recuperar.

O ponto essencial é que o modelo escolhe as ferramentas apenas com base nas respetivas descrições, e a sua aplicação de IA trata de toda a comunicação com os servidores.

Problemas comuns das ferramentas MCP e como evitá-los

Os problemas com ferramentas MCP resumem-se a quatro fatores: quantas ferramentas estão ligadas, como são nomeadas e descritas, a quantidade de dados que devolvem e os servidores de onde provêm.

Eis como se manifesta cada problema e o que ajuda a resolvê-lo:

Porque é que as ferramentas MCP precisam da sua aprovação?

As ferramentas MCP precisam da sua aprovação porque, sem ela, o modelo de IA poderia fazer alterações que não pretendia ou partilhar dados sensíveis com um servidor que não controla.

Um pedido mal interpretado ou uma ferramenta descrita de forma vaga pode desencadear a ação errada. Além disso, cada chamada envia parte das suas informações para um servidor.

É por isso que o protocolo espera que as aplicações de IA mantenham uma pessoa envolvida no processo, com a possibilidade de recusar qualquer chamada de ferramenta.

Eis uma forma prática de organizar as ferramentas consoante o nível de verificação de que precisam:

• Ações que apenas leem: consultar algo, como ler uma lista com a trelloReadList do Trello, não altera nada. Estas chamadas podem ser executadas sem pedir autorização prévia, desde que a sua aplicação de IA mostre que ferramenta foi executada e o que consultou.
• Ações que pode anular: criar um rascunho de e-mail com a create_draft do Gmail ou adicionar um cartão no Trello altera algo que pode reverter. Verifique as entradas antes de a chamada ser executada.
• Ações que não pode anular: enviar um e-mail com a send_message do Gmail, eliminar registos ou qualquer ação que envolva pagamentos ou dados sensíveis não pode ser revertida. Dê sempre autorização explícita a estas ações.

Utilizar ferramentas MCP no Perplexity

O Perplexity funciona com ferramentas MCP em ambos os sentidos: pode utilizar ferramentas dos servidores MCP que ligar e disponibiliza as suas próprias ferramentas a outras aplicações de IA.

• Ligar servidores MCP ao Perplexity: nos planos Pro, Max e Enterprise, pode ligar o Perplexity a qualquer ferramenta ou fonte de dados externa que tenha um servidor MCP e utilizá-la nas respostas e nos fluxos de trabalho agênticos do Perplexity Computer. Na aplicação para Mac, também pode ligar servidores MCP executados no seu computador
• Utilizar as ferramentas do Perplexity noutras aplicações de IA: o servidor MCP do Perplexity disponibiliza quatro ferramentas (perplexity_search, perplexity_ask, perplexity_research e perplexity_reason) a qualquer aplicação de IA compatível com servidores MCP remotos, como o Claude Code. Um servidor separado permite que outras aplicações de IA deleguem tarefas de vários passos no Perplexity Computer.

Perguntas frequentes sobre ferramentas MCP

O MCP resume-se à chamada de ferramentas?

Não, o MCP não se resume à chamada de ferramentas. A chamada de ferramentas é a forma como o modelo pede uma ferramenta, e o MCP é a forma como a aplicação de IA encontra ferramentas e encaminha cada chamada para o servidor que a executa.

A chamada de ferramentas (também designada chamada de funções) é a parte do trabalho que cabe ao modelo de IA: o modelo vê uma lista de ferramentas e responde com um pedido para executar uma delas. Apenas com a chamada de ferramentas, cada aplicação de IA tem de definir e executar ela própria todas as ferramentas.

O MCP permite que as ferramentas residam em servidores, para que qualquer aplicação de IA compatível com o MCP as possa disponibilizar ao seu modelo e enviar os pedidos do modelo para o servidor certo.

O MCP vai substituir as APIs?

Não, o MCP não vai substituir as APIs, porque o MCP e as APIs funcionam em conjunto. As ferramentas MCP assentam frequentemente em APIs existentes e, quando o modelo chama uma ferramenta, o servidor MCP normalmente faz um pedido à API.

Que aplicações de IA são compatíveis com ferramentas MCP?

As ferramentas MCP funcionam em assistentes de IA como o Claude, o ChatGPT e o Perplexity, e em ferramentas de desenvolvimento como o Visual Studio Code e o Cursor. A documentação do MCP menciona estas aplicações e refere que muitas outras também são compatíveis.

O próprio modelo de IA tem de ser compatível com o MCP?

Não. O modelo de IA não tem de ser compatível com o MCP, porque é a sua aplicação de IA que trata do protocolo. É ela que se liga aos servidores, transmite as respetivas ferramentas ao modelo e envia os pedidos de ferramentas do modelo de volta para o servidor certo. O modelo só tem de ser compatível com a chamada de funções.

O MCP está a tornar-se obsoleto?

Não, o MCP continua em desenvolvimento ativo. Os responsáveis pela sua manutenção lançaram uma nova versão da especificação do MCP em julho de 2026 e publicaram um roteiro atualizado em agosto de 2026, que inclui trabalho para permitir que os servidores revelem as suas ferramentas de forma gradual à medida que uma conversa se torna mais específica.