Como usar MCP para agentes no seu fluxo de trabalho

MCP para agentes transforma a forma como você consulta dados: em vez de abrir um dashboard, o agente busca a resposta por você. Sarah Simionescu, da Composio, usou o Datadog por seis meses sem nunca abrir o painel — e argumenta que isso não é preguiça, é o fim de uma era.

MCP para agentes: a tese de que o dashboard morreu

O dashboard morreu porque ele nunca foi o produto que você queria: era uma camada de tradução entre você e seus dados. A tese vem de Sarah Simionescu, engenheira da Composio, que usou o Datadog todos os dias por seis meses sem abrir o painel uma única vez. Quando precisou mostrá-lo a um colega, congelou diante da tela.

Isso não é uma crítica ao Datadog, como a própria Sarah deixa claro. É um sintoma: quem trabalha com agentes de IA parou de olhar painéis e passou a pedir respostas. Neste artigo, você vê como chegamos aqui, por que conectar uma dúzia de servidores MCP ainda falha e como uma interface desenhada para agentes resolve isso na prática.

O fluxo de 2022: cinco ferramentas e cinco linguagens de consulta

Em 2022, resolver um bug reportado no Slack exigia abrir cinco ferramentas diferentes e conhecer cinco interfaces. Sarah descreve o ritual: ler o contexto no Slack, escrever uma consulta no Datadog, verificar a sessão no PostHog, corrigir o bug no VS Code e abrir o PR no GitHub.

O redesign de cada ferramenta era o menor dos problemas. O real obstáculo era que cada app impõe sua própria linguagem de consulta: o Datadog tem sintaxe própria, o Jira usa JQL, o Slack tem seus modificadores de busca. E mesmo quando duas ferramentas dizem falar SQL, elas discordam sobre o SQL.

Cada painel e cada linguagem de consulta existente foi, na prática, um dispositivo de tradução entre você e suas máquinas. Você nunca quis o painel — queria a resposta.

Do botão de brilhos ao MCP da Anthropic

Em 2023, a indústria respondeu com o botão de brilhos: um clique e um LLM escrevia a consulta para você, às vezes correta. A limitação aparecia rápido, diz Sarah, quando a pergunta exigia mais do que dois joins de banco de dados. Os painéis ficaram "nativos em IA", mas o problema de fundo continuou.

A mudança estrutural veio em novembro de 2024, quando a Anthropic, empresa por trás do assistente Claude, anunciou o Model Context Protocol (MCP), um padrão aberto para conectar sistemas de IA às suas fontes de dados. Em vez de um botão dentro do painel, seu agente passou a gerar a consulta, executá-la e devolver a resposta direto.

Só que MCP é um protocolo, não um produto. Ele é o canal de comunicação entre o agente e o serviço, e cabe a cada serviço decidir como falar com o agente. Essa liberdade, segundo Sarah, é o que separa uma integração excelente de uma bagunça.

Três razões pelas quais conectar uma dúzia de servidores MCP falha

Conectar muitos servidores MCP ao mesmo agente quebra por três razões, segundo a palestra. Entender cada uma mostra o que falta num MCP nativo de aplicativo.

Os agentes não aprendem

Toda conversa começa do zero. O agente não lembra que falhou ao formatar um link no Slack ontem, então falha de novo hoje. Habilidades (skills) corrigem isso parcialmente, mas funcionam como curativo: mais contexto carregado deixa o modelo menos preciso.

Milhares de definições de ferramentas afogam o modelo

Quanto mais servidores você conecta, mais definições de ferramentas entram na janela de contexto. Sarah conta que só o kit de ferramentas do GitHub da Composio passa de 200 ferramentas, segundo ela própria relata. O modelo pega a ferramenta errada ou não consegue resolver a ordem das dependências entre chamadas.

Cada aplicativo fica isolado

Cada servidor MCP sabe sobre si mesmo e nada mais. Quando uma tarefa atravessa dois apps, como quase sempre acontece, quem junta as peças é você. Na imagem de Sarah: o MCP deu uma porta para cada aplicativo, mas deixou os agentes em milhares de salas separadas, sem mapa e sem memória.

Do relatório de bug no Slack ao PR em menos de 5 minutos

A demonstração de 2026 começa com um link de mensagem do Slack colado no Claude, conectado ao MCP da Composio. O pedido é direto: usar Sentry e Datadog, encontrar a causa raiz e criar um rascunho de PR, sem erros.

O fluxo funciona em três movimentos. Primeiro, o agente chama a busca da Composio e declara as tarefas que quer realizar: buscar mensagens do Slack, pesquisar issues no Sentry e procurar logs no Datadog. Segundo, para cada tarefa ele recebe as ferramentas certas e um plano de uso, por exemplo, achar o ID do canal antes de buscar mensagens. Terceiro, ele extrai dados em paralelo, escaneia o código, identifica a causa raiz e abre o PR com a correção em menos de 5 minutos.

Sarah relata que não precisou criar fluxo de trabalho nem escrever habilidade nenhuma para ensinar esse comportamento. Foi o Claude usando o MCP da Composio, sem configuração extra.

Análise entre apps sem estourar a janela de contexto

O segundo exemplo mostra o que um agente consegue quando a interface não o obriga a carregar tudo na memória. O objetivo: cruzar dados do PostHog com dados do Metabase para ver quais kits de ferramentas os usuários de e-commerce preferem.

O agente consulta os IDs dos usuários que selecionaram e-commerce no PostHog e salva o resultado sem carregá-lo inteiro no contexto. Depois, inspeciona o esquema do banco no Metabase e amostra dados para entender a estrutura. Quando se sente confiante, usa o remote workbench da Composio para gerar dinamicamente uma consulta SQL com uma string regex e buscar os IDs de novo, sem nunca trazer tudo para a janela.

O resultado, segundo a demonstração, sai em poucos minutos, com dados extraídos das duas fontes. A diferença para o fluxo manual de 2022 é o motivo pelo qual, segundo Sarah, abrir o Claude virou memória muscular no dia a dia dela.

Projetando produtos para uma nova espécie de usuário

Muitas startups prepararam sites para leitura por IA, mas poucas prepararam as aplicações em si para serem operadas por agentes. Sarah relata que a Composio começou como ferramenta para desenvolvedores, transformando apps populares em ferramentas usáveis por agentes, e agora recebe pedidos de startups cujos clientes querem consumir os serviços via agente.

A lição dela para quem constrói hoje é direta: vocês servem uma nova espécie de usuário. Ele não tem olhos, não vai clicar no botão de brilhos, aparece com um objetivo e um conjunto de ferramentas e julga seu produto por uma única coisa — se consegue realizar o trabalho.

Sobre resultados, Sarah apresenta dados preliminares e não publicados comparando a Composio com o MCP nativo de cada app listado no marketplace do Claude, mesmas tarefas e mesmo modelo, com diferença clara a favor da interface unificada, segundo ela relata. São números do fabricante, não de auditoria independente, então trate como evidência inicial.

Perguntas frequentes sobre MCP para agentes

• O que é MCP e por que ele importa para agentes? MCP (Model Context Protocol) é um padrão aberto anunciado pela Anthropic novembro de 2024 para conectar sistemas de IA a fontes de dados. Ele importa porque permite que um agente como o Claude gere consultas e execute ações nos seus apps em seu nome, sem você abrir um dashboard.

• Por que dashboards estão perdendo espaço para agentes? Porque dashboards e linguagens de consulta são camadas de tradução entre você e os dados. Quando o agente devolve a resposta direto, a tradução deixa de ser necessária, e o painel vira um destino raro.

• Conectar vários servidores MCP resolve o problema sozinho? Não. Sem busca de ferramentas e planos de execução, o modelo recebe milhares de definições, não aprende entre sessões e não coordena tarefas que atravessam dois apps. A palestra argumenta que a camada de interface acima do MCP é o que decide a qualidade.

• Os resultados da Composio sobre MCPs nativos são independentes? Não. Sarah Simionescu apresentou resultados preliminares não publicados, com as mesmas tarefas e o mesmo modelo, comparando a Composio aos MCPs nativos. São dados do próprio fabricante e ainda sem verificação independente.

• O que muda para quem constrói produtos hoje? Passa a existir um usuário sem olhos que julga seu produto por uma coisa: consegue completar a tarefa via agente. APIs bem documentadas e estáveis deixam de ser detalhe interno e viram a superfície do produto.

Transforme palestras como esta em artigo com o Skala Blog

A tese de que o dashboard morreu nasceu numa palestra de 11 minutos, e o tipo de leitor que você quer alcançar não vai assistir ao vídeo inteiro para chegar à ideia central. Se você tem conhecimento, entrevistas ou opiniões presos em vídeos no YouTube, o mesmo vale para o seu conteúdo.

O Skala Blog transforma esse material em artigo: você cola a URL do vídeo, o áudio é transcrito e o texto estruturado sai pronto para revisar. Um canal de ideias a mais, sem gravar nada novo.

Quem trabalha com conteúdo técnico conhece o dia a dia de quem publica nesse ritmo — o próprio time por trás de projetos como o Crazystack Typescript e o Bootcamp do Dev Doido, que você encontra em crazystack.com.br, sabe que escrever bem consome tempo. Ferramentas como o Skala Blog e o trabalho editorial de Gustavo Dev Doido existem para devolver esse tempo a você. Experimente no Skala Blog.

Source video