MCP Server — Projeto de Estudos

Sobre este projeto

Este repositório tem como objetivo praticar e entender na prática os conceitos do Model Context Protocol (MCP) — como criar servidores, expor ferramentas, conectar clientes e fazer a comunicação entre eles funcionar. Os exemplos aqui são intencionalmente simples para focar no aprendizado do protocolo em si, não na complexidade do domínio.

Related MCP server: MCP Server Sample

O que é o MCP

MCP (Model Context Protocol) é um protocolo aberto criado pela Anthropic (lançado em novembro de 2024) que padroniza a forma como modelos de linguagem (LLMs) se comunicam com ferramentas, dados e serviços externos.

A ideia central é simples: em vez de cada aplicação de IA ter sua própria forma proprietária de conectar o modelo a ferramentas, o MCP define um contrato universal — um "USB para IA".

Sem MCP:                          Com MCP:
Claude  ── integração custom       Claude  ──┐
GPT     ── integração custom       GPT     ──┼──► Servidor MCP ──► sua ferramenta
Cursor  ── integração custom       Cursor  ──┘

Para que serve

Com o MCP, você cria um servidor MCP para o seu serviço uma única vez, e qualquer cliente MCP (Claude, Cursor, VS Code, sua própria aplicação) consegue se conectar e usar suas ferramentas automaticamente — sem reimplementar integrações para cada modelo ou produto.

Como funciona

O protocolo define três primitivas principais:

Fluxo básico

1. Cliente conecta ao servidor MCP

2. Cliente pergunta quais ferramentas estão disponíveis (list_tools)

3. O LLM decide chamar uma ferramenta (call_tool)

4. O servidor executa e devolve o resultado

5. O resultado vira contexto para o LLM continuar o raciocínio

Transportes: stdio vs SSE

Esses são os dois principais meios de comunicação entre cliente e servidor.

stdio (Standard Input/Output)

O cliente inicia o servidor como um subprocesso e a comunicação acontece via stdin/stdout.

Cliente
  └── spawn → server.py (processo filho)
        ├── stdin  ← mensagens do cliente
        └── stdout → respostas ao cliente

Quando usar:

• Ferramentas locais (acesso a arquivos, comandos do sistema, banco de dados local)

• Integrações em IDEs como Cursor e VS Code

• Quando cliente e servidor estão na mesma máquina

• Configuração mais simples, sem necessidade de rede

SSE (Server-Sent Events)

O servidor roda de forma independente como um processo HTTP. O cliente se conecta via URL. A comunicação usa HTTP — o cliente envia requests POST e recebe eventos via SSE (conexão persistente).

Cliente ──── HTTP POST ────► Servidor (http://localhost:8000/sse)
        ◄─── SSE events ────

Quando usar:

• Servidor precisa ser acessado por múltiplos clientes simultaneamente

• Servidor remoto (cloud, outro host)

• Integração com aplicações web

• Quando o servidor precisa ficar sempre disponível, independente do cliente

Comparativo

Por que o MCP está tão em alta

1. Agentes de IA viraram realidade prática LLMs bons o suficiente para usar ferramentas de forma confiável só apareceram nos últimos 1-2 anos. O problema de "como conectar o modelo ao mundo real" deixou de ser teórico e virou urgente.

2. Fragmentação estava ficando insustentável Cada provedor (OpenAI, Anthropic, Google) tinha sua própria forma de function calling. Cada IDE, cada produto de IA reimplementava as mesmas integrações. O MCP veio resolver exatamente essa dor.

3. Adoção em cascata Cursor, VS Code (Copilot), Zed, Windsurf e outros editores adotaram MCP em poucos meses. Isso criou um ecossistema de servidores reutilizáveis — hoje existem centenas de servidores MCP públicos (GitHub, Slack, Postgres, etc.).

4. Baixa barreira de entrada Com bibliotecas como fastmcp, criar um servidor MCP funcional é questão de minutos. Isso democratizou o acesso ao protocolo.

5. Definição de padrão da indústria Estamos na fase em que a indústria está definindo os protocolos que vão durar anos. O MCP tem chance real de se tornar o padrão de fato para integração de ferramentas com LLMs.