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

Ferramentas MCP são funções que um modelo de IA pode chamar para realizar uma tarefa fora da conversa, como pesquisar suas anotações ou consultar um banco de dados. Cada ferramenta fica em um servidor MCP (Model Context Protocol) e tem um nome e uma breve descrição que ajudam o modelo a decidir quando usá-la.

O termo "ferramenta MCP" também é usado de outras formas. No dia a dia, as pessoas dizem "ferramentas MCP" quando se referem a servidores MCP (os aplicativos que oferecem ferramentas) ou aos diretórios que listam esses servidores. MCP Tools também é o nome de um programa de linha de comando para listar e chamar as ferramentas de um servidor MCP.

Este guia trata das funções do protocolo, não de servidores, diretórios ou linhas de comando. Ele explica em que consiste uma ferramenta, os tipos de ferramentas que os servidores oferecem e como as ferramentas se diferenciam de recursos, prompts e chamada de função. Em seguida, apresenta as etapas que um modelo segue para usar uma ferramenta e termina com os problemas mais comuns relacionados ao seu uso.

O que são ferramentas MCP?

Uma ferramenta MCP é uma função que permite que modelos de IA concluam tarefas em outros aplicativos de software. Por exemplo, meus agentes de IA e fluxos de trabalho usam 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), só para citar alguns.

Aplicativos de software costumam oferecer várias ferramentas MCP em seus servidores MCP. Por exemplo, o servidor MCP do Trello tem atualmente 14 ferramentas MCP que permitem que modelos de IA leiam e atualizem quadros, listas, checklists, cartões e muito mais.

E como o MCP padroniza a forma como as ferramentas são descritas e oferecidas, qualquer aplicativo de IA compatível com o protocolo pode usar a mesma ferramenta MCP.

O que uma ferramenta MCP inclui

Toda ferramenta MCP vem com três elementos:

• Nome: um identificador curto que o modelo usa ao chamar a ferramenta (por exemplo, get_event no Google Agenda).
• Descrição: uma explicação em linguagem simples do que a ferramenta faz e de quando ela é útil. O modelo de linguagem de grande porte (LLM) a lê para decidir se a ferramenta atende à sua solicitação (por exemplo, "Returns a single event on the given calendar.").
• Entradas: as informações de que a ferramenta precisa para ser executada, como o nome de um cliente e uma data para uma pesquisa em anotações. Elas são escritas em JSON, e os desenvolvedores chamam isso de esquema de entrada (input schema) porque ele define o formato de cada entrada (texto, número ou lista).

Expandir

Algumas ferramentas adicionam metadados extras: um nome de exibição, uma descrição dos resultados que retornam (um esquema de saída) e anotações sobre o comportamento da ferramenta.

O modelo de IA nunca vê o código por trás de uma ferramenta. Ele trabalha com base no que a ferramenta diz sobre si mesma, então um nome ou uma descrição vagos levam o modelo a escolher a ferramenta errada.

Que tipos de ferramentas MCP existem

As ferramentas MCP se dividem em quatro grupos, de acordo com o que fazem:

• Ferramentas de pesquisa e consulta: encontram ou recuperam informações (por exemplo, pesquisar anotações, ler um arquivo ou consultar um banco de dados).
• Ferramentas de ação: criam ou alteram algo em outro aplicativo (por exemplo, adicionar uma tarefa, criar um evento na agenda, abrir um chamado de suporte ou enviar um e-mail).
• Ferramentas de processamento de dados: transformam ou analisam dados (por exemplo, analisar um arquivo de planilha ou executar um cálculo).
• Ferramentas de sistema: interagem com o sistema local (por exemplo, executar um comando em um terminal).

Ferramentas MCP vs. recursos & prompts

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

Expandir

Por exemplo, o servidor MCP oficial do GitHub oferece:

• Uma ferramenta chamada issue_write, que cria ou atualiza issues,
• Um recurso chamado repository_content, que dá acesso aos arquivos de um repositório,
• Um prompt chamado issue_to_fix_workflow, que define as etapas para relatar um problema como issue e fazer com que o agente de programação Copilot do GitHub gere um pull request para corrigi-lo.

A diferença está no que cada um faz e em quem decide quando usá-lo: você, o aplicativo de IA em que você está trabalhando (por exemplo, o Perplexity) ou o modelo de IA executado dentro desse aplicativo.

• Uma ferramenta MCP executa ações ou consulta informações. O modelo de IA decide de forma autônoma quando chamar uma ferramenta, e seu aplicativo de IA repassa a chamada ao servidor. Seu modelo de IA escolhe as ferramentas; seu aplicativo de IA deve mostrar cada chamada e permitir que você a recuse.
• Um recurso é um conteúdo disponível no servidor MCP, como um arquivo ou um conjunto de registros, cada um com seu próprio endereço (um URI). Seu aplicativo de IA pergunta ao servidor quais recursos ele tem, lê o que precisa pelo endereço e adiciona o conteúdo à conversa como contexto.
• Um prompt é um modelo de mensagem pronto fornecido pelo servidor, às vezes com lacunas para você preencher. Seu aplicativo de IA mostra os prompts disponíveis, e você escolhe um, muitas vezes como um comando de barra.

Como os modelos de IA usam ferramentas MCP

Um modelo de IA usa uma ferramenta MCP em cinco etapas: descoberta, seleção da ferramenta, invocação, resultados e tratamento de erros. Seu aplicativo de IA faz a intermediação de tudo entre o modelo e o servidor.

Expandir

Digamos que você peça ao seu aplicativo de IA para verificar sua lista "Esta semana" no Trello e redigir um e-mail para seu editor com uma atualização. Veja o que acontece do início ao fim:

1. Descoberta: quando seu aplicativo de IA se conecta a um servidor MCP por meio de clientes MCP, ele solicita a lista de ferramentas disponíveis do servidor (uma solicitação chamada tools/list). O LLM só vê o que o aplicativo repassa: o nome, a descrição e as entradas de cada ferramenta.
2. Seleção da ferramenta: o modelo de IA compara sua solicitação com essas descrições e escolhe as ferramentas adequadas. Aqui, são a trelloReadList do Trello, para ler a lista, e a create_draft do Gmail, para escrever o e-mail. Ele também preenche as entradas, como qual lista ler.
3. Invocação: o modelo responde com uma solicitação estruturada para executar a ferramenta (uma etapa chamada "chamada de função"). Seu aplicativo de IA envia essa solicitação ao servidor correto (uma solicitação tools/call). Ele também deve mostrar a chamada e permitir que você a recuse.
4. Resultados: o servidor executa a função e envia de volta o result, neste caso os cartões da sua lista. Seu aplicativo de IA adiciona o resultado à conversa, e o modelo decide o próximo passo: responder a você 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 volta como parte do resultado. O modelo pode lê-lo e tentar novamente com entradas diferentes. Se a própria solicitação estiver malformada (por exemplo, porque chama uma ferramenta que o servidor não tem), o aplicativo recebe um erro de protocolo. Nesse caso, é menos provável que o modelo consiga se recuperar.

O ponto principal é que o modelo escolhe as ferramentas apenas com base nas descrições, e seu aplicativo de IA faz toda a comunicação com os servidores.

Problemas comuns com ferramentas MCP e como evitá-los

Os problemas com ferramentas MCP se resumem a quatro fatores: quantas ferramentas estão conectadas, como elas são nomeadas e descritas, quantos dados retornam e de quais servidores vêm.

Veja como cada problema se manifesta e o que ajuda:

Por 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 você não pretendia ou compartilhar dados sensíveis com um servidor que você não controla.

Uma solicitação mal interpretada ou uma ferramenta descrita de forma vaga pode acionar a ação errada. Além disso, cada chamada envia algumas das suas informações a um servidor.

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

Veja uma forma prática de classificar as ferramentas de acordo com o nível de verificação que exigem:

• Ações que apenas leem: consultar algo, como ler uma lista com a trelloReadList do Trello, não altera nada. Essas chamadas podem ser executadas sem pedir permissão antes, desde que seu aplicativo de IA mostre qual ferramenta foi executada e o que ela consultou.
• Ações que você pode desfazer: criar um rascunho de e-mail com a create_draft do Gmail ou adicionar um cartão no Trello altera algo que pode ser revertido. Verifique as entradas antes de a chamada ser executada.
• Ações que você não pode desfazer: enviar um e-mail com a send_message do Gmail, excluir registros ou realizar qualquer ação que envolva pagamentos ou dados sensíveis são operações irreversíveis. Dê permissão explícita para essas ações todas as vezes.

Como usar ferramentas MCP no Perplexity

O Perplexity funciona com ferramentas MCP nos dois sentidos: ele pode usar ferramentas de servidores MCP que você conecta e oferece suas próprias ferramentas a outros aplicativos de IA.

• Conecte servidores MCP ao Perplexity: nos planos Pro, Max e Enterprise, você pode conectar o Perplexity a qualquer ferramenta externa ou fonte de dados que tenha um servidor MCP e usá-la em respostas e em fluxos de trabalho agênticos do Perplexity Computer. No aplicativo para Mac, você também pode conectar servidores MCP executados no seu computador
• Use as ferramentas do Perplexity em outros aplicativos de IA: o servidor MCP do Perplexity oferece quatro ferramentas (perplexity_search, perplexity_ask, perplexity_research e perplexity_reason) a qualquer aplicativo de IA compatível com servidores MCP remotos, como o Claude Code. Um servidor separado permite que outros aplicativos de IA deleguem tarefas de várias etapas ao Perplexity Computer.

Perguntas frequentes sobre ferramentas MCP

O MCP é apenas chamada de ferramentas?

Não, o MCP não é apenas chamada de ferramentas. A chamada de ferramentas é a forma como o modelo solicita uma ferramenta, e o MCP é a forma como o aplicativo de IA encontra ferramentas e encaminha cada chamada ao servidor que a executa.

A chamada de ferramentas (também conhecida como chamada de função) é a parte do trabalho que cabe ao modelo de IA: o modelo vê uma lista de ferramentas e responde com uma solicitação para executar uma delas. Apenas com a chamada de ferramentas, cada aplicativo de IA precisa definir e executar todas as ferramentas por conta própria.

O MCP permite que as ferramentas fiquem em servidores, de modo que qualquer aplicativo de IA compatível com MCP possa oferecê-las ao seu modelo e enviar as solicitações do modelo ao servidor correto.

O MCP vai substituir as APIs?

Não, o MCP não vai substituir as APIs, porque o MCP e as APIs funcionam juntos. As ferramentas MCP geralmente ficam sobre APIs existentes e, quando o modelo chama uma ferramenta, o servidor MCP normalmente faz uma solicitação de API.

Quais aplicativos de IA são compatíveis com ferramentas MCP?

As ferramentas MCP funcionam em assistentes de IA como Claude, ChatGPT e Perplexity, e em ferramentas de desenvolvimento como Visual Studio Code e Cursor. A documentação do MCP cita esses aplicativos e observa que muitos outros também são compatíveis.

O próprio modelo de IA precisa ser compatível com MCP?

Não. O modelo de IA não precisa ser compatível com MCP, porque seu aplicativo de IA cuida do protocolo. Ele se conecta aos servidores, repassa as ferramentas deles ao modelo e envia as solicitações de ferramentas do modelo de volta ao servidor correto. O modelo só precisa ser compatível com chamada de função.

O MCP está se tornando obsoleto?

Não, o MCP continua em desenvolvimento ativo. Seus mantenedores lançaram uma nova versão da especificação do MCP em julho de 2026 e publicaram um roadmap atualizado em agosto de 2026, que inclui trabalhos para permitir que os servidores revelem suas ferramentas gradualmente à medida que a conversa se torna mais específica.