Um servidor MCP da empresa pode ser montado de duas formas: usar o servidor de cada ferramenta que tenha um, cada um respondendo sobre o seu sistema, ou apontar um servidor para os dados das ferramentas reunidos num lugar só, que responde às perguntas que cruzam sistemas. Na documentação lida em 07/10/2026, a HubSpot descreve um servidor MCP para pedir dados do CRM da conta, a Stripe documenta o dela em visualização pública e o servidor do Google Analytics aceita apenas solicitações de leitura; para dados num banco ou data warehouse, o Google documenta o servidor MCP do BigQuery. O caminho até um servidor único tem seis passos, do levantamento das perguntas ao teste com os números que a empresa já usa.
Por que um MCP por ferramenta não basta para a pergunta que cruza sistemas?
Uma das perguntas que a equipe da Nekt faz ao Claude, conectado por um servidor MCP aos dados da empresa, no workshop “Nekt + Claude: construa seu primeiro agente de dados”, publicado em 22/04/2026 no canal dela no YouTube, compara os gastos com Facebook e o faturamento no Stripe, para saber se há lucro ou se o investimento em anúncios não está dando resultado. A pergunta depende de dois lugares ao mesmo tempo: a plataforma de anúncios guarda os gastos e o sistema de cobrança guarda o faturamento. O servidor MCP de uma ferramenta responde sobre o sistema dela: segundo a documentação da HubSpot, o servidor dela serve para pedir dados do CRM da conta, de forma parecida com o uso das APIs da HubSpot, e permite consultar os dados em linguagem natural sem que a pessoa precise entender estruturas complexas de API.
Cada servidor tem as suas próprias regras de entrada. Ainda segundo a documentação da HubSpot, o servidor dela exige um conector criado na conta e OAuth com PKCE (uma verificação a mais no login), sendo OAuth o padrão de autorização em que a pessoa entra com o login e autoriza o acesso, sem entregar a senha ao aplicativo. A Stripe diz, na página em português lida em 07/10/2026, que o servidor dela está em visualização pública e aceita OAuth ou chaves de API de agente. O servidor MCP do Google Analytics, segundo a página do Google lida em 07/10/2026, aceita apenas solicitações de leitura: não edita a configuração nem as definições do Analytics.
O ponto não é que juntar servidores deixe de funcionar. O ponto é quem monta e mantém cada pedaço: cada servidor novo é uma conexão para criar, autenticar e acompanhar, e cada um responde apenas sobre o sistema que está atrás dele. Quando a pergunta cruza sistemas, o cruzamento fica com quem pergunta.
Um MCP por ferramenta ou um MCP sobre os dados reunidos: o que cada desenho responde?
Os dois desenhos respondem a tipos diferentes de pergunta e podem conviver na mesma empresa. A tabela resume o que cada um responde bem e o que continua sendo trabalho do time.
| Desenho | Que pergunta responde bem | O que fica com o time |
|---|---|---|
| Um servidor MCP por ferramenta | Perguntas sobre um sistema só, como “em que etapa está este negócio?” no CRM. A documentação da HubSpot diz que o servidor dela serve para pedir dados do CRM da conta e consultá-los em linguagem natural. | Conectar e autenticar cada servidor, cada um com as suas regras e limites. Se a pergunta cruza sistemas, o cruzamento fica com quem pergunta, porque cada servidor responde sobre o seu sistema. |
| Um servidor MCP sobre os dados reunidos | Perguntas que cruzam sistemas, como a de gastos com anúncios e faturamento. Para dados num banco ou data warehouse, o Google documenta o servidor MCP do BigQuery, que executa consultas, recebe metadados e lista recursos. | Levar os dados das ferramentas até esse lugar e mantê-los em dia, com um processo de ETL, escrever o que cada número significa e controlar quem vê o quê. |
Se a pergunta cabe num sistema só, o servidor oficial da ferramenta resolve. Se ela cruza sistemas, há duas saídas: reunir os dados num lugar só e apontar um servidor para eles, ou deixar o cruzamento com quem pergunta. Os critérios para essa escolha estão em como escolher um servidor MCP para os dados da empresa.
O que precisa existir antes de montar o servidor único?
- A lista das ferramentas e de quem é dono de cada uma. Sem saber de qual sistema vem cada dado, não há como decidir o que entra primeiro.
- Contas com acesso aos dados dessas ferramentas, para que a carga consiga ler de cada origem.
- Um lugar para os dados reunidos. Segundo a AWS, um data warehouse é um repositório central de informações que podem ser analisadas para tomar decisões mais adequadas, alimentado a partir de sistemas transacionais, bancos de dados relacionais e outras fontes. Levar os dados até lá é trabalho de ETL — extração, transformação e carregamento — que, segundo a AWS, é o processo de combinar dados de várias fontes num repositório central, usando regras de negócio para limpar e organizar os dados brutos.
- Alguém que escreva as definições dos números e alguém que aprove os acessos. Cliente ativo e receita nova são exemplos de números que dependem de uma definição escrita.
Como chegar a um MCP da empresa, passo a passo?
Os seis passos abaixo valem tanto para quem vai usar os servidores das ferramentas quanto para quem vai apontar um servidor para os dados reunidos.
- Liste as perguntas e onde está cada dado. O time decide quais perguntas a IA responde primeiro e de quais sistemas vem cada dado, e separa as que cabem num sistema só das que cruzam sistemas.
- Use o servidor oficial quando a pergunta cabe num sistema só. A OpenAI recomenda, em sua documentação, preferir servidores oficiais hospedados pelo próprio provedor do serviço, e dá como exemplo conectar ao servidor da Stripe hospedado pela Stripe em vez de um servidor não oficial de terceiros. O time decide quais ferramentas têm servidor oficial e se aceita o modo de autenticar de cada uma.
- Reúna num lugar só os dados das perguntas que cruzam sistemas. O time decide onde os dados ficam, quais ferramentas entram primeiro e com que frequência a carga roda. O método está em como criar uma fonte única da verdade dos dados.
- Escreva o que cada número significa. O time decide quem é dono de cada definição: o que conta como cliente ativo, como a receita recorrente é calculada. Segundo a documentação do dbt, ferramentas de IA como Claude e ChatGPT podem se conectar às métricas governadas pelo servidor MCP do dbt, para que as respostas usem essas métricas em vez de adivinhar a partir de tabelas brutas.
- Decida quem vê o quê e o que o agente pode alterar. O time decide se cada pessoa usa a própria credencial ou se há uma compartilhada: no Claude, nos planos Team e Enterprise, a central de ajuda da Anthropic orienta limitar a credencial compartilhada ao que os membros devem acessar. O time decide também se o servidor aceita só leitura, como a ferramenta de consulta somente leitura do servidor MCP do BigQuery, segundo a documentação do Google Cloud. O detalhamento está em como dar acesso aos dados com permissão por agente.
- Aponte o servidor para o lugar certo e teste com perguntas reais. O time decide onde o servidor roda e quais perguntas servem de teste, comparando a resposta do agente com o número que a empresa já usa. No servidor MCP do BigQuery, o Google diz, na documentação lida em 07/10/2026, que, por padrão, as ferramentas de SQL limitam o tempo de processamento da consulta a três minutos e o resultado a 3.000 linhas.
Que erros estragam o resultado?
- Uma credencial compartilhada por todos. No Claude, nos planos Team e Enterprise, a central de ajuda da Anthropic orienta limitá-la ao que os membros devem acessar e lembra que a permissão pode ser revogada desconectando o conector.
- Usar um servidor de referência arquivado. O servidor de referência para PostgreSQL do projeto MCP oferece acesso somente leitura, com as consultas dentro de uma transação que não altera dados, e está num repositório arquivado, que o projeto deixou de manter: segundo o README, o texto de apresentação do repositório, não há garantias de segurança nem atualizações de segurança ou correções.
- Rodar o servidor na máquina de alguém sem tratá-lo como um programa baixado da internet. A documentação do MCP diz que um servidor local, o que roda na máquina de quem o executa, funciona como programa da conta dessa pessoa, herda as variáveis de ambiente (configurações da máquina que podem guardar chaves de acesso) e pode ler o que a conta lê, e que nada disso é governado pelo protocolo, e sim pela forma como ele é executado.
- Esperar que o agente veja todas as linhas. Os servidores têm limites: no do BigQuery, segundo o Google (documentação lida em 07/10/2026), o resultado fica em 3.000 linhas por padrão.
Onde a Nekt entra
A Nekt é uma plataforma de contexto para agentes de IA: conecta as fontes de dados da empresa, governa esses dados com o significado de cada número e os serve a agentes e a pessoas por servidor MCP, API e SQL. A página de planos descreve o Nekt MCP Gateway como um endpoint (ponto de acesso) governado, a forma como tudo chega aos agentes: eles exploram dados, rodam consultas, constroem e executam pipelines — o caminho que leva o dado da fonte ao destino — e gerenciam conectores. A documentação diz que dá para anexar servidores MCP de terceiros ao workspace (o espaço de trabalho na plataforma), que ficam expostos pelo mesmo ponto de acesso, entre eles o da HubSpot e o da Stripe, e que ferramentas de escrita exigem confirmação do agente a cada chamada. Segundo o case publicado pela Nekt, a Enableurs lista 43 fontes de dados em 20 sistemas conectados. Em workshop publicado em 25/09/2026 no canal da Nekt no YouTube, Lívia, da Nekt, mostra o Claude dela com uma só conexão, a da Nekt, e diz que apenas ela é necessária para a análise e a ação no CRM. Para conhecer a plataforma, dá para criar uma conta gratuita.
Perguntas frequentes
Vale ter um MCP único para todas as ferramentas da empresa ou um MCP por ferramenta?
Se a pergunta cabe num sistema só, o servidor MCP da própria ferramenta responde: a HubSpot, por exemplo, diz que o servidor dela serve para pedir dados do CRM da conta e consultá-los em linguagem natural. Se a pergunta cruza sistemas, como a de gastos com anúncios e faturamento, uma saída é reunir os dados num lugar só, e o Google documenta um servidor MCP para o BigQuery que executa consultas, recebe metadados e lista recursos. Os dois desenhos podem conviver na mesma empresa.
Servidor MCP gerenciado ou construir o próprio: o que muda?
Num servidor hospedado pelo próprio fornecedor do serviço, a manutenção é dele: a OpenAI recomenda preferir servidores oficiais hospedados pelo provedor, como o da Stripe, hospedado pela própria Stripe, a um servidor não oficial de terceiros. Quem constrói o próprio assume a segurança: a documentação do MCP diz que um servidor local, o que roda na máquina de quem o executa, funciona como programa da conta do usuário, herda as variáveis de ambiente (configurações da máquina que podem guardar chaves de acesso) e pode ler o que a conta lê, e que nada disso é governado pelo protocolo, e sim pela forma como ele é executado.
Todas as ferramentas da empresa têm servidor MCP próprio?
A resposta é fornecedor a fornecedor. Na documentação lida em 07/10/2026, a HubSpot descreve um servidor MCP remoto para o CRM, a Stripe documenta o dela em visualização pública e o Google Analytics tem um servidor que aceita apenas solicitações de leitura. Quando uma ferramenta não tem servidor próprio, uma saída é levar os dados dela ao lugar onde ficam os dados reunidos, para entrar numa pergunta que cruza sistemas.
Um servidor MCP sobre os dados reunidos pode alterar os dados?
O que o servidor permite alterar está nas ferramentas que ele expõe. No servidor MCP do BigQuery, o Google documenta uma ferramenta de consulta que aceita apenas operações de leitura e diz que a única ferramenta que não é somente leitura é a de execução geral, cujo uso se pode restringir com uma política de negação (uma regra que bloqueia o uso). O servidor de referência para PostgreSQL do projeto MCP oferece acesso somente leitura, com as consultas dentro de uma transação que não altera dados, segundo o README (o texto de apresentação do repositório), e fica num repositório arquivado, que o projeto deixou de manter, sem atualizações de segurança.
Em resumo
- Há dois desenhos para um MCP da empresa: o servidor de cada ferramenta, que responde sobre o seu sistema, ou um servidor sobre os dados reunidos, que responde às perguntas que cruzam sistemas.
- Cada servidor de ferramenta tem as suas regras: na documentação lida em 07/10/2026, a HubSpot pede conector criado na conta e OAuth com PKCE, a Stripe aceita OAuth ou chaves de API de agente e o Google Analytics aceita só solicitações de leitura.
- O caminho tem seis passos: listar as perguntas e onde está cada dado, usar o servidor oficial quando a pergunta cabe num sistema só, reunir os demais dados, escrever o que cada número significa, decidir quem vê o quê e testar com perguntas reais.
- Quem monta e mantém cada pedaço é o time da empresa, e a OpenAI recomenda preferir servidores oficiais hospedados pelo próprio provedor do serviço.
- Antes de liberar, confira a credencial, o que o servidor permite alterar e os limites dele, como as 3.000 linhas por padrão do servidor MCP do BigQuery, segundo o Google na documentação lida em 07/10/2026.
Equipe Nekt — conteúdo da Nekt, plataforma de contexto para agentes de IA. Atualizado em outubro de 2026.