Adotando MCP: conectando LLMs e serviços de forma escalável

Nos últimos anos, a adoção de inteligência artificial em ambientes empresariais cresceu exponencialmente. Modelos de linguagem de nova geração (LLMs), como GPT, Claude ou Llama, demonstraram sua capacidade de automatizar tarefas e oferecer experiências conversacionais sofisticadas. No entanto, ainda existe um grande desafio: conectar esses modelos a serviços reais para garantir respostas úteis, atualizadas e seguras.

Limitações da abordagem Function Calling

>

Tradicionalmente, as integrações eram realizadas por meio de "function calling", onde cada LLM define seu próprio formato para invocar APIs externas. Essa abordagem apresenta problemas como:

  • Falta de padronização: Cada modelo usa estruturas JSON diferentes.

  • Baixa previsibilidade: Os modelos podem interpretar erroneamente funções ou argumentos.

  • Conectores frágeis: Cada API requer uma implementação personalizada.

O resultado: um ecossistema fragmentado que dificulta a escalabilidade e a manutenção.

MCP: uma nova era de interoperabilidade

>

O Model Context Protocol (MCP) surge como um padrão aberto que separa a lógica de decisão do modelo (o que fazer) da execução (como fazer), por meio de um protocolo comum baseado em JSON-RPC.

Por que o MCP faz a diferença?

>

  • Protocolo universal: O MCP permite que clientes como o Jelou interajam com múltiplos serviços, independentemente do modelo subjacente.

  • Menor atrito: Utiliza uma linguagem comum para chamadas e respostas, evitando lógica personalizada.

  • Alta escalabilidade: Basta adicionar um novo servidor MCP para integrar um sistema, sem reescrever prompts ou integrações.

"O MCP oferece uma forma de universalizar a execução de instruções geradas por modelos, mantendo a compatibilidade e simplificando a arquitetura."

Jelou como MCP Host

>

No Jelou, acreditamos que a chave para o futuro está em facilitar conexões seguras e ágeis entre IA e serviços reais. Por isso, estamos trabalhando para que nossa plataforma funcione como um MCP Host, permitindo que assistentes conversacionais acessem dados e funcionalidades externas de forma padronizada.

Além disso, promovemos um ambiente de desenvolvimento que permite:

  • Construir MCP Servers personalizados dentro do Jelou.

  • Configurar lógicas de negócio facilmente, com a ajuda de um LLM.

  • Manter a segurança, isolando cada serviço em um ambiente seguro.

Comparação: Function Calling vs MCP

>
AbordagemPadronizaçãoInteroperabilidadeEscalabilidade
Function CallingBaixaLimitadaFrágil
MCP (com JSON-RPC)AltaUniversalElevada

Exemplo prático: busca de cliente no CRM

>

Function Calling (GPT-4o)

functions = [{
  "name": "buscar_cliente",
  "description": "Busca informações de um cliente no CRM",
  "parameters": {
      "type": "object",
      "properties": {
          "email": {"type": "string"},
          "campos": {"type": "array", "items": {"type": "string"}}
      }
  }
}]

MCP (JSON-RPC)

{
 "jsonrpc": "2.0",
 "method": "crm.buscarCliente",
 "params": {
     "email": "[email protected]",
     "campos": ["nome", "ultimo_pedido"]
 },
 "id": 1
}

Arquitetura Bridge: conectando modelos não compatíveis

>

Para modelos que ainda não suportam o MCP de forma nativa, no Jelou estamos desenvolvendo um componente intermediário chamado Bridge. Ele traduz chamadas de modelos tradicionais para o MCP, garantindo interoperabilidade total.

O Model Context Protocol representa um avanço fundamental para conectar IA a serviços reais de forma padronizada e escalável. No Jelou, apostamos em uma IA mais poderosa, acessível e confiável, e estamos construindo as bases para que qualquer empresa possa se integrar ao futuro conversacional com facilidade.