A origem: a frustração de um engenheiro virou padrão de indústria

O MCP nasceu de um problema prático. David Soria Parra, engenheiro da Anthropic, estava frustrado com o processo repetitivo de copiar e colar código entre o Claude Desktop e sua IDE durante o trabalho diário. Em vez de aceitar essa fricção, ele e Justin Spahr-Summers construíram um protocolo que eliminaria o problema na raiz.

Em novembro de 2024, a Anthropic lançou o Model Context Protocol como padrão aberto — qualquer empresa, desenvolvedor ou organização poderia implementá-lo, sem licença proprietária. O que começou como solução para um problema pessoal de engenheiro tornou-se, em menos de um ano, o padrão de integração mais relevante no ecossistema de IA generativa.

O problema que o MCP resolve: M×N vira M+N

Antes do MCP, cada modelo de linguagem precisava de conectores customizados para cada ferramenta externa. Uma empresa com 4 modelos de IA (Claude, GPT-4, Gemini, Llama) e 6 ferramentas internas (banco de dados, CRM, ERP, Slack, GitHub, sistema de tickets) precisava de até 24 integrações separadas — cada uma com sua própria lógica de autenticação, tratamento de erros e manutenção.

O MCP transforma esse problema M×N em M+N: cada ferramenta implementa o protocolo uma única vez, e qualquer modelo compatível a usa imediatamente — sem código adicional de integração. É o "USB-C da IA": um conector universal que elimina a proliferação de adaptadores proprietários.

Como funciona: Host, Client e Server

A arquitetura do MCP tem três componentes principais que se comunicam via JSON-RPC 2.0:

• MCP Host: a aplicação de IA que o usuário interage — Claude Desktop, Cursor, um agente LangGraph, ou qualquer app que suporte o protocolo. O Host gerencia as conexões com múltiplos servidores MCP simultaneamente.
• MCP Client: mantém a conexão persistente com um servidor MCP específico. Cada Host pode ter vários Clients ativos ao mesmo tempo, um para cada ferramenta conectada.
• MCP Server: expõe ferramentas, recursos e prompts para o Host consumir. Um servidor pode ser local (rodando na mesma máquina) ou remoto (acessado via HTTP).

As três primitivas: Tools, Resources e Prompts

Qualquer servidor MCP pode expor três tipos de capacidades:

• Tools (Ferramentas): funções nomeadas com JSON Schema para parâmetros, que o LLM pode invocar para executar ações. Exemplos: create_github_issue, query_database, send_slack_message. São o equivalente ao function calling, mas padronizados e compartilháveis.
• Resources (Recursos): dados read-only que o modelo pode ler como contexto — conteúdo de arquivos, views de banco de dados, respostas de APIs. Não executam ações, apenas fornecem informação.
• Prompts (Prompts reutilizáveis): templates de workflow que encapsulam padrões de interação recorrentes. Permitem que servidores ofereçam "receitas" prontas para casos de uso comuns.

Transporte: stdio vs Streamable HTTP

O MCP suporta dois mecanismos de transporte:

• stdio (Standard I/O): comunicação local via entrada/saída padrão. Ideal para servidores rodando na mesma máquina — baixa latência, sem overhead de rede. É o padrão para ferramentas de desenvolvimento como Cursor e Claude Code.
• Streamable HTTP: endpoint único via HTTP, stateless, que funciona atrás de load balancers e proxies. Lançado em março de 2025 para substituir o SSE anterior, foi desenhado para produção remota em escala — suporta múltiplas instâncias e infraestrutura cloud.

MCP vs. Function Calling vs. Plugins

Essa é a comparação que mais gera confusão. As três abordagens resolvem problemas diferentes em contextos diferentes:

Uma clarificação importante: Function Calling e MCP não são mutuamente exclusivos. O MCP usa function calling internamente como mecanismo de execução. MCP é a camada de padronização acima: onde function calling resolve "como o modelo chama uma função", MCP resolve "como ferramentas são descobertas, autenticadas e compartilhadas em escala".

Da Anthropic ao Linux Foundation: 12 meses de adoção

A velocidade de adoção do MCP não tem precedente recente no ecossistema de IA:

• Fevereiro 2025: mais de 1.000 servidores MCP criados pela comunidade
• Março 2025: OpenAI adota MCP no Agents SDK e ChatGPT Desktop; spec atualizado com Streamable HTTP
• Abril 2025: Google DeepMind confirma suporte MCP no Gemini; catálogo ultrapassa 5.800 conectores
• Setembro 2025: Microsoft adiciona MCP ao Copilot Studio
• Outubro 2025: LangGraph 1.0 lança com suporte nativo via langchain-mcp-adapters
• Dezembro 2025: Anthropic doa o MCP para a Agentic AI Foundation (AAIF) sob o Linux Foundation — co-fundadores: Anthropic, OpenAI, Block; membros de suporte: AWS, Google, Microsoft, Cloudflare, Bloomberg

A doação ao Linux Foundation é o sinal mais claro da maturidade do protocolo: assim como o HTTP não pertence à Netscape e o TCP/IP não pertence à DARPA, o MCP não pertence mais à Anthropic. É infraestrutura compartilhada da indústria.

Por que profissionais de dados precisam entender o MCP agora

O MCP não é apenas uma curiosidade para desenvolvedores de LLMs. Para engenheiros de dados, analytics engineers e arquitetos de BI, ele representa uma mudança fundamental em como sistemas de IA se integram à stack de dados:

• Agentes de IA com acesso via MCP a ERP + CRM + data warehouse podem responder perguntas analíticas complexas em sessão única — sem código de integração ad-hoc para cada combinação de sistemas
• Pipelines de dados monitorados via MCP permitem que agentes identifiquem anomalias de qualidade e tomem ações corretivas automaticamente
• O Gartner projeta que 75% dos vendors de API gateway e 50% dos vendors de iPaaS terão recursos MCP até o final de 2026 — o protocolo vai chegar às ferramentas que engenheiros de dados já usam, independente de adotarem ativamente

O segundo artigo desta série cobre os casos de uso reais em produção, como integrar MCP com LangGraph em Python, os pontos de atenção de segurança e o roadmap de 2026.

Referências

1. Anthropic. MCP First Anniversary Blog. modelcontextprotocol.io, Nov 2025.
2. Anthropic. MCP 2026 Roadmap. blog.modelcontextprotocol.io
3. The New Stack. Why the Model Context Protocol Won. thenewstack.io
4. IBM. What is Model Context Protocol. ibm.com
5. modelcontextprotocol.io. Architecture Overview. modelcontextprotocol.io
6. Descope. MCP vs Function Calling. descope.com
7. Wikipedia. Model Context Protocol. en.wikipedia.org
8. Gartner (apud Gupta, D.). MCP Enterprise Adoption Trends 2025–2026. guptadeepak.com

The origin: an engineer's frustration became an industry standard

MCP was born from a practical problem. David Soria Parra, an Anthropic engineer, was frustrated with the repetitive process of copying and pasting code between Claude Desktop and his IDE. He and Justin Spahr-Summers built a protocol to eliminate that friction at the root. In November 2024, Anthropic launched the Model Context Protocol as an open standard — no proprietary license, anyone could implement it.

The problem MCP solves: M×N becomes M+N

Before MCP, each AI model needed custom connectors for each external tool. Four models × six internal tools = up to 24 separate integrations. MCP makes each tool implement the protocol once, and any compatible model uses it immediately — no additional integration code required. It's the "USB-C for AI": a universal connector eliminating proprietary adapter proliferation.

How it works: Host, Client, and Server

MCP's architecture has three components communicating via JSON-RPC 2.0: the MCP Host (the AI application — Claude Desktop, Cursor, a LangGraph agent), the MCP Client (maintains persistent connection to a specific server), and the MCP Server (exposes tools, resources, and prompts). A Host can maintain multiple simultaneous Clients — one per connected tool.

The three primitives: Tools, Resources, and Prompts

Tools: named functions with JSON Schema parameters that the LLM can invoke to execute actions (e.g., create_github_issue, query_database). Resources: read-only data the model can use as context — file contents, database views, API responses. Prompts: reusable workflow templates encapsulating common interaction patterns.

Transport: stdio vs Streamable HTTP

stdio is ideal for local servers — low latency, no network overhead, standard for dev tools like Cursor. Streamable HTTP (launched March 2025, replacing SSE) uses a single stateless endpoint that works behind load balancers — designed for remote production at scale.

MCP vs. Function Calling vs. Plugins

Function Calling: simple, low overhead, ideal for up to ~5 tools with a single LLM provider — but creates vendor lock-in. ChatGPT Plugins: discontinued in 2023, centralized and proprietary. MCP: provider-agnostic, the same server works with Claude, GPT-4, and Gemini without code changes. MCP uses function calling internally — it's the standardization layer above it, solving how tools are discovered, authenticated, and shared at scale.

From Anthropic to the Linux Foundation: 12 months of adoption

Key milestones: OpenAI adopted MCP in March 2025; Google DeepMind confirmed Gemini support in April 2025; Microsoft added it to Copilot Studio in September 2025; LangGraph 1.0 launched with native support in October 2025. In December 2025, Anthropic donated MCP to the Agentic AI Foundation (AAIF) under the Linux Foundation — co-founded by Anthropic, OpenAI, and Block, with AWS, Google, Microsoft, Cloudflare, and Bloomberg as supporting members.

Why data professionals need to understand MCP now

MCP isn't just for LLM developers. AI agents with MCP access to ERP + CRM + data warehouse can answer complex analytical questions in a single session. Data pipelines monitored via MCP let agents detect quality anomalies and trigger corrective actions automatically. Gartner projects that 75% of API gateway vendors and 50% of iPaaS vendors will have MCP capabilities by end of 2026.

References

1. Anthropic. MCP First Anniversary Blog. Nov 2025.
2. Anthropic. MCP 2026 Roadmap.
3. The New Stack. Why the Model Context Protocol Won.
4. IBM. What is Model Context Protocol.
5. modelcontextprotocol.io. Architecture Overview.

El origen: la frustración de un ingeniero se convirtió en estándar de industria

David Soria Parra, ingeniero de Anthropic, estaba frustrado con copiar y pegar código entre Claude Desktop y su IDE. Junto a Justin Spahr-Summers, construyeron un protocolo que eliminaría esa fricción. En noviembre de 2024, Anthropic lanzó el Model Context Protocol como estándar abierto.

El problema que MCP resuelve: M×N se convierte en M+N

Con 4 modelos de IA y 6 herramientas internas, el modelo anterior requería hasta 24 integraciones separadas. MCP hace que cada herramienta implemente el protocolo una sola vez, y cualquier modelo compatible la usa de inmediato — sin código adicional de integración. Es el "USB-C de la IA".

Cómo funciona: Host, Client y Server

La arquitectura MCP usa JSON-RPC 2.0 con tres componentes: el MCP Host (la aplicación de IA), el MCP Client (mantiene la conexión con un servidor específico) y el MCP Server (expone tools, resources y prompts). Un Host puede mantener múltiples Clients simultáneos, uno por herramienta conectada.

Las tres primitivas: Tools, Resources y Prompts

Tools: funciones nombradas con JSON Schema que el LLM puede invocar para ejecutar acciones. Resources: datos de solo lectura que el modelo usa como contexto. Prompts: plantillas de workflow reutilizables para casos de uso comunes.

MCP vs. Function Calling vs. Plugins

Function Calling es simple e ideal para hasta ~5 herramientas con un único proveedor, pero genera vendor lock-in. ChatGPT Plugins fue descontinuado en 2023. MCP es provider-agnostic — el mismo servidor funciona con Claude, GPT-4 y Gemini sin cambiar código. MCP usa function calling internamente: es la capa de estandarización por encima.

De Anthropic a la Linux Foundation: 12 meses de adopción

En diciembre de 2025, Anthropic donó el MCP a la Agentic AI Foundation (AAIF) bajo la Linux Foundation — co-fundada por Anthropic, OpenAI y Block, con AWS, Google, Microsoft y Bloomberg como miembros de soporte. Como el HTTP no pertenece a Netscape, el MCP ya no pertenece a Anthropic — es infraestructura compartida de la industria.

Referencias

1. Anthropic. MCP First Anniversary Blog. Nov 2025.
2. Anthropic. MCP 2026 Roadmap.
3. The New Stack. Why the Model Context Protocol Won.
4. IBM. What is Model Context Protocol.