BroadRouter
Começar

MCP (Model Context Protocol)

Atualizado em

MCP (Model Context Protocol) é um protocolo aberto, baseado em JSON-RPC 2.0, que padroniza como aplicações de LLM se conectam a ferramentas e dados externos. Um servidor MCP expõe ferramentas, recursos e prompts; um client MCP dentro da aplicação host os descobre e repassa ao servidor as chamadas de ferramenta feitas pelo modelo.

Também chamado de: servidor MCP, client MCP, cliente MCP, ferramentas MCP, protocolo MCP, Model Context Protocol, MCP server, MCP client, MCP tools

O MCP é um padrão de encaixe para apps de LLM: escreva um servidor de ferramentas uma vez, e qualquer client que entenda MCP pode usá-lo.

Como funciona

A especificação descreve três papéis que se comunicam com mensagens JSON-RPC 2.0:

  • Hosts: “LLM applications that initiate connections” (tradução: aplicações de LLM que iniciam conexões), como um agente de IDE ou um app de chat.
  • Clients: “Connectors within the host application” (tradução: conectores dentro da aplicação host), um por servidor.
  • Servidores: “Services that provide context and capabilities.” (tradução: serviços que fornecem contexto e capacidades).

Os servidores podem oferecer tools (funções que o modelo pode executar), resources (dados e contexto) e prompts (modelos de mensagem). A especificação define dois transportes padrão: stdio, para um subprocesso local, e Streamable HTTP, em que cada mensagem é um POST HTTP e as respostas voltam como JSON ou como stream de server-sent events.

Para ferramentas, o client envia tools/list e recebe nomes, descrições e um inputSchema em JSON Schema. Ele repassa isso ao modelo como definições de ferramenta. Quando o modelo devolve uma chamada de ferramenta, o client envia tools/call com os argumentos e entrega o resultado de volta ao modelo.

{"jsonrpc": "2.0", "id": 2, "method": "tools/call",
 "params": {"name": "get_weather", "arguments": {"location": "New York"}}}

O modelo nunca fala com o servidor MCP. Ele só vê definições e resultados de ferramentas, e é por isso que o MCP funciona com qualquer modelo que lide bem com tool calling.

Por que isso importa

  • Reaproveitamento. Um único servidor de GitHub ou de banco de dados atende todo agente e editor que fala MCP.
  • Custo em tokens. O nome, a descrição e o schema de cada ferramenta listada são enviados como entrada a cada turno. Muitos servidores com muitas ferramentas deixam toda requisição mais longa. Ative só o que a tarefa precisa.
  • Segurança. A especificação diz que as ferramentas “represent arbitrary code execution” (tradução: representam execução de código arbitrário) e que os hosts devem obter o consentimento do usuário antes de invocar qualquer ferramenta. Os resultados das ferramentas também são uma porta de entrada para prompt injection.

Na BroadNet Inference

A documentação da BroadNet não lista um servidor MCP nem um endpoint específico de MCP. Você roda o MCP no seu client (Cline, Continue, opencode e outros) e aponta o modelo do client para a API compatível com a OpenAI da BroadNet. A documentação da BroadNet lista tool calling para GLM 5.3 e Qwen3.8 27B. O post sobre MCP com modelos compatíveis com a OpenAI mostra configurações de clients e uma ponte em Python.

Perguntas frequentes

O MCP só funciona com o Claude?

Não. O MCP não depende de modelo. O client transforma as ferramentas MCP em definições de ferramenta comuns, então qualquer modelo que suporte tool calling pelo seu client pode usá-las.

Qual a diferença entre MCP e tool calling?

Tool calling é o recurso da API do modelo que devolve um nome de função e argumentos. MCP é o protocolo que o seu app usa para encontrar ferramentas em um servidor e executá-las. O MCP fica do lado da aplicação no ciclo de ferramentas.

A BroadNet oferece um servidor MCP?

A documentação da BroadNet não lista um servidor MCP. Você roda os servidores MCP no seu próprio client ou agente, e o client envia as chamadas de ferramenta a um modelo da BroadNet pela API compatível com a OpenAI.

Ler em MarkdownPerguntar ao ChatGPTPerguntar ao ClaudePerguntar ao Perplexity