Pular para o conteúdo
LabS Atlas
Generative AI
Entrar
Sessões

Sessão de Bancada Desbravando o MCP com Demo no Cursor (2025-03-24)

24 mar 20251h 14min
Assistir gravação

Entre para ler os trechos da transcrição de cada capítulo e perguntar ao Labinho sobre esta sessão.

O Labinho é o assistente que responde com as notas e as sessões do LabS e mostra de onde tirou cada resposta.

atualizado há 25 dias
Notas relacionadas · 4

Notas citadas nas anotações desta sessão.

Resumo da sessão

A sessão começou com uma atualização sobre novidades recentes em inteligência artificial. Foram comentados os modelos Gemma 3, com versões de diferentes tamanhos e suporte à análise de imagens; a família de modelos o3-pro, voltada a raciocínio, geração de código e chamadas de ferramentas, mas com custo elevado; a disponibilização do DeepSeek no Amazon Bedrock; e o Manus, agente ainda em beta que promete memória de longo prazo, personalização, segurança e maior confiabilidade. O grupo discutiu custos, especialização versus unificação de modelos, limitações de visão e a velocidade com que o mercado evolui, além de mencionar novas ferramentas da OpenAI para testar modelos e vozes.

A parte principal foi dedicada ao MCP, ou Model Context Protocol, criado para padronizar a conexão de modelos de IA com fontes de dados e ferramentas externas. Foram explicadas sua arquitetura cliente-servidor, a comunicação por ferramentas e recursos, a possibilidade de listar e acionar funções, a integração com APIs, bancos e arquivos e os benefícios para manutenção, modularidade, reutilização e troca de modelos. Também foram discutidos desafios ainda em aberto, como privacidade, segurança, custo computacional, gerenciamento de grandes volumes de contexto e definição do que deve ser armazenado ou descartado.

Na demonstração prática, foi mostrado o uso do MCP no Cursor, com ferramentas para realizar buscas na web, recomendar vinhos e consultar dados, escolhidas de acordo com o contexto do prompt. A integração permitiu combinar ferramentas e modelos já disponíveis no editor, sem exigir a criação manual de várias camadas de conexão. A conclusão geral foi que o MCP representa uma evolução importante e pode se tornar um padrão para aplicações de IA, embora sua consolidação dependa da adoção pela comunidade e da resolução dos desafios de contexto, privacidade e custos. Ficou indicado que o tema continuará sendo explorado em sessões futuras, incluindo novas práticas e aplicações.

Gerado por IA a partir da transcrição.
Capítulos · 32
06:17
Abertura e apresentação do tema da sessão
Assistir
08:51
Agenda: novidades de IA, MCP e debate
Assistir
10:09
Novidades em IA: modelos Gemma 3
Assistir
13:59
Modelos da OpenAI: recursos, custos e aplicações
Assistir
21:49
AWS Bedrock integra o DeepSeek
Assistir
24:21
Manus: memória, segurança e agentes de IA
Assistir
29:38
Agentes unificados e tendências do mercado
Assistir
30:54
Introdução ao protocolo MCP
Assistir
34:51
Arquitetura cliente-servidor do MCP
Assistir
37:23
Recursos, ferramentas e integrações no MCP
Assistir
39:54
Aplicações do MCP e padronização de soluções
Assistir
42:31
Persistência de contexto, privacidade e custos
Assistir
45:03
Adoção do MCP e próximos passos práticos
Assistir
47:42
MCP: evolução e possível mudança de paradigma
Assistir
50:17
Padronização, flexibilidade e adoção de modelos
Assistir
51:33
Contexto, complexidade e antropomorfização da IA
Assistir
52:49
Arquitetura do MCP e gerenciamento de contexto
Assistir
54:07
Privacidade, memória e desafios do contexto
Assistir
55:26
Prompts, qualidade dos dados e agentes
Assistir
56:44
Demonstração prática do MCP no Cursor
Assistir
57:59
Configuração do MCP e uso de ferramentas
Assistir
59:16
Agente com busca web sobre mamíferos
Assistir
1:00:36
Seleção de ferramentas conforme o contexto
Assistir
1:01:53
Recomendação de vinhos com múltiplas ferramentas
Assistir
1:04:30
MCP como roteador entre ferramentas
Assistir
1:05:47
Exemplos práticos e criação de agentes
Assistir
1:07:04
Integração do MCP com programação
Assistir
1:08:19
Busca online para aprimorar código
Assistir
1:09:37
Novos modelos e plataforma OpenAI.fm
Assistir
1:10:55
Debate sobre novidades e ferramentas de IA
Assistir
1:12:13
Panorama do MCP e encerramento
Assistir
1:13:30
Despedida e próximos encontros
Assistir
Cortes · 11
Google lança a família Gemma 3
Apresentação das novidades da família de modelos Gemma 3, incluindo versões com diferentes quantidades de parâmetros e capacidade de interpretar imagens. O trecho também comenta custos, ferramentas disponíveis e formas de testar os modelos gratuitamente.
10:09 – 13:59Assistir
Novos modelos da OpenAI e o foco em agentes
Discussão sobre a nova família de modelos da OpenAI, voltada a raciocínio, geração de código, chamadas de função e personalização. O grupo debate o custo elevado, os possíveis usos em MVPs e agentes e as diferenças em relação a modelos mais baratos.
13:59 – 21:49Assistir
DeepSeek chega ao Amazon Bedrock
A AWS passa a disponibilizar o DeepSeek no Amazon Bedrock após pedidos da comunidade, apesar das preocupações iniciais com segurança e privacidade. O trecho explica como essa integração facilita o acesso a modelos populares para clientes que já utilizam a plataforma AWS.
21:49 – 24:21Assistir
Manus e a promessa de um agente unificado
Apresentação do Manus, uma solução chinesa de IA generativa que promete memória de longo prazo, maior segurança, personalização e desempenho. Também são discutidas suas limitações atuais, o acesso beta e a possibilidade de um agente único substituir famílias de modelos especializados.
24:21 – 30:54Assistir
O que é o protocolo MCP
Introdução ao Model Context Protocol (MCP), criado para padronizar a conexão de modelos de IA com fontes de dados e ferramentas externas. O trecho explica como o protocolo busca reduzir o trabalho de integração, melhorar a manutenção de contexto e facilitar conexões personalizadas.
30:54 – 34:51Assistir
Arquitetura, recursos e ferramentas do MCP
Explicação da arquitetura cliente-servidor do MCP e de como o protocolo padroniza a comunicação entre aplicações de IA e sistemas externos. São apresentados os conceitos de recursos, usados para leitura de dados, e ferramentas, usadas para executar ações como criar arquivos, enviar mensagens ou fazer buscas.
34:51 – 39:54Assistir
Aplicações e desafios futuros do MCP
Discussão sobre o uso do MCP para padronizar agentes, plugins, ferramentas e integrações, facilitando a troca de modelos e a manutenção das soluções. O trecho também aborda persistência de contexto, privacidade, dados sensíveis, custos computacionais e a adoção crescente pela comunidade.
39:54 – 46:22Assistir
MCP: evolução incremental ou mudança de paradigma?
Os participantes discutem se o MCP representa uma mudança de paradigma na inteligência artificial ou uma evolução incremental. Eles relacionam a adoção do protocolo à padronização, à integração entre empresas e à simplificação do desenvolvimento de soluções.
47:42 – 51:33Assistir
Contexto, privacidade e desafios do MCP
A conversa aborda como o MCP pode mudar o foco do desenvolvimento para os casos de negócio, dados e ferramentas fornecidos aos modelos. Também são discutidos gerenciamento de contexto, privacidade, excesso de informações, personalização e riscos de alucinação.
51:33 – 56:42Assistir
Demonstração prática do MCP com busca e ferramentas
É apresentada uma configuração prática de MCP em um ambiente semelhante ao Visual Studio Code, usando ferramentas de busca na web. A demonstração mostra como o modelo seleciona uma ou mais ferramentas conforme o prompt, buscando informações sobre mamíferos e recomendando vinhos com base em diferentes fontes.
57:59 – 1:07:04Assistir
Usando MCP para auxiliar na programação
A demonstração mostra como um cliente com chat integrado pode usar MCP para pesquisar boas práticas e sugerir melhorias em um código. Também é explicado que o programador pode conectar funções e ferramentas ao cliente sem precisar implementar manualmente toda a conversão para MCP.
1:07:04 – 1:09:37Assistir
Perguntas desta sessão
Quais novidades foram destacadas no lançamento da família de modelos Gemma 3?
A Gemma 3 foi apresentada como uma família de modelos especializados, com versões de diferentes tamanhos e capacidade de interpretar imagens. Também foi mencionada a disponibilidade para uso local, inclusive em computadores sem placa de vídeo dedicada, e o acesso gratuito a versões de maior porte por meio do AI Studio do Google, dentro de certos limites.
12:20 – 13:53Assistir
Quais modelos de inteligência artificial oferecem capacidade de interpretar imagens como entrada?
O ChatGPT 4o Mini já consegue receber e identificar imagens. A diferença relevante está na interpretação da imagem como entrada para o processo, enquanto outros modelos podem exigir a conversão do conteúdo em texto ou vetores.
20:31 – 21:35Assistir
O que o Manus promete oferecer como agente de inteligência artificial?
O Manus promete memória de longo prazo, maior segurança, personalização e capacidade de atuar como um agente unificado, adaptando seu comportamento a diferentes tarefas. Em contrapartida, a versão inicial tem limitações, como ausência de acesso a dados em tempo real, interpretação visual e interação com sistemas externos.
28:28 – 28:40Assistir
Como funcionavam as integrações entre modelos, dados e ferramentas antes do MCP?
Antes do MCP, cada integração exigia um desenvolvimento específico. Trocar ou refazer conexões demandava retrabalho e podia causar perda de desempenho; o MCP busca padronizar esses conectores e reduzir esse esforço.
33:15 – 33:52Assistir
Como o MCP resolve a integração padronizada entre aplicações de IA e sistemas externos?
O MCP usa uma arquitetura cliente-servidor baseada em JSON-RPC. Um host mantém clientes conectados a servidores MCP, que acessam diferentes fontes de dados e ferramentas. Conexões locais podem usar entrada e saída padrão, enquanto conexões externas usam HTTP, mantendo uma comunicação padronizada, modular e extensível.
36:02 – 37:53Assistir
Como funciona o processo de disponibilização de recursos no MCP?
Os recursos são conteúdos que o modelo pode consultar, como arquivos e registros de bancos de dados. O cliente pode listar os recursos disponíveis e fazer a leitura deles, geralmente para obter informações sem executar ações externas.
38:38 – 38:51Assistir
Como o MCP pode preservar a privacidade dos usuários, especialmente ao armazenar e compartilhar dados sensíveis?
A privacidade exige definir cuidadosamente quais dados podem ser armazenados e compartilhados, limitando a retenção de informações sensíveis para reduzir riscos de roubo ou exposição. Essa decisão deve considerar a aplicação e ficar sob responsabilidade de quem desenvolve a solução.
43:22 – 44:00Assistir
O MCP representa apenas uma evolução incremental da inteligência artificial ou pode provocar uma mudança de paradigma?
A avaliação apresentada combina as duas perspectivas. O MCP é uma evolução incremental porque aprimora a comunicação entre modelos, ferramentas e dados a partir de dificuldades já existentes. Porém, pode contribuir para uma mudança de paradigma ao tornar essa integração padronizada e deslocar o foco da implementação das camadas de comunicação para a definição dos casos de uso, dados e ferramentas fornecidos.
47:02 – 51:42Assistir
Como o MCP lida com o gerenciamento de contexto, especialmente quando os contextos são longos e podem conter informações excessivas ou sensíveis?
O MCP estabelece uma comunicação entre cliente e servidor que pode evitar o reenvio completo do contexto em todas as interações. Ainda assim, o gerenciamento exige selecionar o que será armazenado e fornecido ao modelo, considerando excesso de informação, dados sensíveis, privacidade, personalização, modelo utilizado e frequência de atualização.
51:47 – 55:26Assistir
Como um agente baseado em MCP deve lidar com informações pessoais irrelevantes para a tarefa solicitada?
Informações que não são relevantes para o contexto da solicitação devem ser descartadas, evitando aumentar desnecessariamente o contexto enviado ao modelo.
56:55 – 57:05Assistir
Como o MCP pode ajudar a melhorar um código durante a programação?
No Cursor, é possível selecionar o código, solicitar uma busca online por informações e boas práticas e usar os resultados para sugerir melhorias ou alterar o código.
1:07:14 – 1:09:06Assistir
É possível testar as novas vozes dos modelos da OpenAI na plataforma de testes?
Sim. A plataforma permite testar as interações com os modelos e experimentar as novas vozes, inclusive ajustando características da experiência, como a personalidade ou a “vibe” da interação.
1:10:11 – 1:10:26Assistir