O que é MCP e o que muda quando a IA acessa o dado da empresa

MCP é o que liga o modelo ao sistema da empresa. O que muda no processo, no dado e em quem responde pelo número depois que essa ligação existe.

5 min de leituraZyon Lab

A empresa já usa inteligência artificial para alguma coisa. Alguém pede um resumo, um texto, uma conferência, e cola o dado na conversa à mão. Funciona, e cansa. Em algum momento aparece a pergunta óbvia: por que o modelo não lê direto do sistema. Quem procura o que é MCP em inteligência artificial normalmente chegou por esse caminho, e não por curiosidade técnica. O copiar e colar virou gargalo, e alguém disse que existe um padrão para resolver isso.

A resposta curta é que existe. A resposta útil é outra. O que muda na empresa quando essa ligação passa a existir não é a velocidade do copiar e colar. É quem responde pelo número.

O que o MCP é, em termos de processo

Model Context Protocol é um padrão de ligação. Ele define um jeito comum de um modelo de IA pedir dado e executar ação em sistemas que não são dele: o ERP, o banco de dados, a pasta de arquivos, a ferramenta de atendimento. Antes dele, cada ligação era um trabalho sob medida, feito uma vez para cada par de modelo e sistema. Com um padrão, a ligação deixa de ser obra e passa a ser configuração.

Essa é a parte que a maioria dos textos explica bem. Falta dizer o que ela significa em termos de processo, porque é diferente.

Até aqui, o dado entrava na IA por uma pessoa. Essa pessoa escolhia o recorte, conferia se o número fazia sentido e levava a resposta adiante. O filtro era humano, informal e invisível no fluxograma, mas existia. Quando a ligação passa a ser direta, esse filtro sai do caminho. O modelo lê a fonte, e lê a fonte inteira.

O que muda no dado

Empresa pequena e média quase nunca tem uma fonte só. Tem o ERP, tem a planilha que corrige o ERP, e tem o relatório que o financeiro monta no fim do mês porque nem o ERP nem a planilha batem. Todo mundo na operação sabe qual das três vale para qual pergunta. Esse conhecimento não está escrito em lugar nenhum.

Ligar um modelo direto no ERP não resolve essa divergência. Expõe. O número que sai passa a ser o número do sistema, não o número que a empresa usa para decidir. E quem recebe a resposta não tem como saber qual dos três ela representa.

Qual base responde qual pergunta

Essa é a decisão que vem antes da ligação, e ela não é técnica. Para cada pergunta que a empresa quer que o modelo responda, alguém precisa dizer qual base é a fonte e qual é o recorte válido. Faturamento é o do pedido ou o da nota. Cliente ativo é quem comprou no período ou quem tem contrato vigente. Custo do produto inclui ou não o frete de entrada.

Se a empresa não respondeu isso para gente, não vai conseguir responder para um modelo. A diferença é de velocidade. A gente erra devagar e com testemunha. A ligação automática erra rápido e em escala, e a resposta sai com o mesmo tom de segurança nos dois casos.

O que muda em quem responde pelo resultado

Quando uma pessoa buscava o dado e montava a resposta, a responsabilidade tinha endereço. Erro de recorte era erro de quem fez. Com a ligação direta, o caminho fica mais curto e o endereço fica mais vago. A pergunta foi do gestor, o dado veio do sistema, o texto veio do modelo, e a decisão foi tomada com base nisso.

Isso não é argumento contra ligar. É a razão de a ligação exigir desenho antes. Três coisas precisam ter dono: o que o modelo pode ler, o que ele pode escrever e quem confere o que ele devolveu antes de o número virar decisão.

Leitura e escrita são escopos diferentes, e tratar os dois como um só é o erro mais comum dessa etapa. Deixar o modelo consultar o financeiro é uma decisão. Deixar o modelo lançar no financeiro é outra, com outro risco e outro controle.

O que decidir antes de ligar

Quatro perguntas resolvem a maior parte do problema, e nenhuma delas é sobre o protocolo.

Quais perguntas a empresa quer responder. Não o que a IA poderia fazer, mas as perguntas concretas que hoje consomem tempo de alguém toda semana.

Qual base é a fonte de cada uma. Com o recorte escrito, não combinado de boca.

O que é leitura e o que é escrita. E, para a escrita, o que passa por aprovação humana antes de entrar no sistema.

Quem sustenta isso depois. Sistema muda de campo, relatório muda de nome, integração cai sem avisar. A ligação quebra calada, e alguém precisa perceber antes do fechamento.

Uma empresa que respondeu essas quatro perguntas tem um projeto pequeno e um escopo claro. Uma empresa que não respondeu tem um projeto que começa rápido e trava no primeiro número errado que chegar a uma reunião de diretoria.

O que fica

MCP resolve um problema real, e o problema que ele resolve é de encanamento. O ganho não aparece porque o modelo passou a ler o sistema. Aparece quando a empresa, para poder ligar, foi obrigada a escrever qual dado vale, para qual pergunta, sob responsabilidade de quem.

Esse desenho tem valor com ou sem IA no meio. É a mesma disciplina de fonte única e definição de indicador que a controladoria cobra há décadas. A diferença é que, com um modelo lendo o sistema direto, ela deixa de ser boa prática e passa a ser pré-requisito.

Vale ler junto a comparação entre RAG, MCP e fine tuning, que trata de qual técnica resolve qual problema. Este texto trata do que precisa estar resolvido antes de qualquer uma delas, e é desse ponto que a Zyon Lab parte.

Como começa

  1. Você descreve. A situação em poucas linhas, por WhatsApp ou e‑mail.
  2. Nós perguntamos. As perguntas que faltam para entender o problema.
  3. Proposta por escrito. Escopo, prazo e preço definidos antes de começar.