Depende de a pergunta caber num sistema só e de a definição que importa já estar configurada nele: o MCP (Model Context Protocol) resolve a conexão entre o assistente e o sistema, e a documentação oficial do MCP o descreve como um padrão de código aberto para conectar aplicações de IA a sistemas externos. No resumo público de um relatório de 3 de setembro de 2025, a Gartner diz que complementar o MCP com camadas semânticas (as definições de negócio dos dados) pode entregar fluxos de analytics confiáveis. Segundo a documentação do dbt (ferramenta em que o time modela os dados da empresa), as respostas passam a usar métricas governadas, e não a adivinhar a partir de tabelas brutas, quando o assistente se conecta à Semantic Layer dele pelo servidor MCP.
Por que só conectar o agente aos dados não basta?
Uma das perguntas que a equipe da Nekt faz ao assistente no vídeo “O agente que avisa sozinho e devolve inteligência pro CRM | com Nekt · Ep 4”, publicado em 07/08/2026 no canal dela no YouTube, pede, para o mês de julho, quanto foi investido em mídia, quantos clientes foram ganhos, qual foi o custo de aquisição desses clientes e qual o custo por clique médio das plataformas. O pedido exige duas coisas do assistente: chegar aos registros onde cada número está (a conexão) e saber o que conta como cliente ganho e como se calcula o custo de aquisição naquela empresa (a definição). Quando a definição não está escrita em lugar nenhum, a resposta sai de uma suposição sobre a estrutura das tabelas. Segundo a documentação do dbt, ferramentas de IA como o Claude e o ChatGPT podem se conectar à Semantic Layer do dbt pelo servidor MCP do dbt, para que as respostas usem as métricas governadas em vez de adivinhar a partir de tabelas brutas.
A Gartner registra o mesmo ponto por outro caminho. No resumo público do relatório “Follow 3 Best Practices to Adopt Model Context Protocol for Data and Analytics”, publicado em 3 de setembro de 2025, o resumo público da Gartner diz que líderes de dados e analytics (a área que cuida dos dados e das análises) que adotam o Model Context Protocol enfrentam desafios de integração, explicabilidade e confiabilidade, e que complementar o MCP com uma abordagem centrada em produto, camadas semânticas (as definições de negócio dos dados) e grafos de conhecimento (mapas de como as informações se relacionam) pode entregar fluxos de analytics com agentes escaláveis e confiáveis.
Em comunicado de 11 de maio de 2026, do Gartner Data & Analytics Summit, em Londres, a Gartner disse que negligenciar a semântica fará agentes de IA ficarem imprecisos e ineficientes, e que, sem contexto (um entendimento claro das relações e das regras dentro dos dados de uma organização), agentes de IA não operam com precisão e têm muito mais chance de alucinar. O efeito prático de faltar a definição está em por que agentes de IA dão respostas diferentes para a mesma pergunta.
O que o MCP padroniza e o que a especificação deixa para quem implementa?
O MCP é um padrão de código aberto para conectar aplicações de IA a sistemas externos, segundo a documentação oficial do projeto; a história de quem o criou e de quem o adotou está em o que é um servidor MCP. Do lado do servidor, a documentação de arquitetura lista três tipos de coisa que um servidor pode expor. As ferramentas são funções que a aplicação de IA pode chamar para executar ações, como uma consulta a um banco de dados. Os recursos são fontes de dados com informação de contexto para a aplicação, como o conteúdo de um arquivo ou os registros de um banco. Os prompts são modelos reutilizáveis que ajudam a estruturar a interação com o modelo de linguagem. A mesma documentação dá um exemplo: um servidor MCP de banco de dados pode expor ferramentas para consultar o banco, um recurso com o esquema do banco (a descrição das tabelas e das colunas) e um prompt com exemplos de uso das ferramentas.
A tabela separa três necessidades de uma consulta e diz quem resolve cada uma.
| O que o agente precisa | O que o MCP cobre | Quem resolve o resto |
|---|---|---|
| Chegar ao sistema | Uma forma padronizada de conectar a aplicação de IA ao sistema, com as ferramentas, os recursos e os prompts que o servidor expõe | O servidor de cada sistema, que alguém constrói e mantém |
| Ter permissão para consultar | A autorização é opcional na especificação, e o protocolo não consegue impor sozinho os princípios de segurança | Quem implementa o servidor, que constrói os fluxos de consentimento e autorização, os controles de acesso e a proteção de dados |
| Saber o que o número significa | Um servidor pode expor recursos com informação de contexto, e o que vai nesses recursos é escolha de quem constrói o servidor | Quem mantém os dados, que escreve as definições: no dbt, na camada de modelagem; na Snowflake, em uma semantic view |
O que o mercado chama de “camada semântica” e quem a constrói?
Camada semântica é o nome que parte do mercado dá ao lugar onde as definições de negócio dos dados ficam escritas uma vez e valem para as aplicações que consultam. Três documentações descrevem esse lugar, cada uma no produto que mantém.
A documentação do dbt diz que a Semantic Layer simplifica definir e usar métricas de negócio críticas, como a receita, na camada de modelagem (o projeto dbt), e que centralizar as definições permite acesso consistente a elas nas ferramentas e aplicações a jusante, isto é, nas que consomem o dado depois.
A documentação da Snowflake descreve a semantic view como um objeto no nível de esquema que guarda conceitos de negócio no banco de dados: ao acrescentar significado de negócio aos dados físicos (os dados como estão guardados nas tabelas), ela oferece definições de negócio consistentes entre aplicações, segundo a documentação da Snowflake.
No Microsoft Learn, a documentação do Azure Databricks diz que as exibições de métrica (metric views) dão uma maneira centralizada de definir e gerenciar métricas de negócio, separando as definições de medida dos campos usados para agrupar, filtrar e agregar, de modo que a métrica seja definida uma vez e consultada em tempo de execução.
A Gartner usa o termo no resumo de 3 de setembro de 2025, quando diz que complementar o MCP com camadas semânticas pode entregar fluxos de analytics com agentes escaláveis e confiáveis.
Além da definição: de onde vem o número e quem pode ver?
De onde vem o número: explicabilidade, que é conseguir mostrar de onde veio o número, é um dos três desafios que a Gartner cita no resumo de 3 de setembro de 2025. A pergunta prática ao fornecedor é direta: dá para ver qual tabela e qual definição geraram este número?
Quem pode ver: segundo a central de ajuda da Anthropic (lida em 07/10/2026), o Claude herda as permissões de cada pessoa no serviço conectado, e quem não acessa um arquivo, canal ou registro no sistema de origem também não o acessa pelo conector, o nome que o Claude dá à ligação com um serviço. Conectores personalizados que usam uma credencial compartilhada (a chave de acesso única de uma conta) acessam o que essa credencial acessa. A regra é da central de ajuda do Claude; com outro assistente, a pergunta continua valendo. Do lado do protocolo, a autorização é opcional na especificação do MCP, o que deixa a decisão com quem implementa o servidor.
Como saber se só o MCP basta para a sua pergunta?
Cinco perguntas resolvem a maior parte dos casos.
- A pergunta cabe num sistema só, e a definição que importa já está configurada nele? Então o servidor MCP do próprio sistema é o caminho que o fornecedor documenta. A documentação da HubSpot, por exemplo, diz que o servidor MCP dela serve para pedir dados do CRM da conta, de forma parecida com o uso das APIs da HubSpot, e permite consultar dados em linguagem natural sem que a pessoa precise entender estruturas complexas de API.
- A pergunta usa um termo que cada área define de um jeito, como “cliente ativo” ou “cliente ganho”? Então a definição precisa estar escrita onde o agente leia: no dbt, na camada de modelagem; na Snowflake, em uma semantic view.
- A pergunta cruza sistemas, como CRM e financeiro? Então pergunte ao fornecedor como o assistente junta os dois sistemas numa resposta só: a Gartner cita os desafios de integração entre os que aparecem ao adotar o MCP.
- O painel e o agente precisam mostrar o mesmo número? Veja como fazer o agente e o painel mostrarem o mesmo número.
- O assistente consulta com a permissão de cada pessoa ou com uma credencial compartilhada? A central de ajuda da Anthropic descreve as duas situações para o Claude, e a resposta muda o que cada pessoa vê.
Em 11 de maio de 2026, a Gartner chamou de contexto o entendimento claro das relações e das regras dentro dos dados de uma organização, e disse que sem ele os agentes não operam com precisão. Montar e manter esse contexto é o assunto de context engineering.
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. Segundo a documentação do servidor MCP, o servidor MCP da Nekt dá ao agente de IA acesso aos dados em linguagem natural e está disponível em todos os planos pagos. A mesma documentação descreve o caminho de uma pergunta: ler o contexto de negócio, achar as tabelas certas, gerar o SQL (a linguagem de consulta a bancos de dados) e executá-lo. No lado do significado, o time escreve uma vez o que conta como cliente ativo, e todo agente segue a definição, segundo a home em português. No vídeo “Workshop: CS Hub - construa sua ferramenta de Customer Success com IA”, publicado em 16/07/2026 no canal da Nekt no YouTube, Lívia, da Nekt, diz que ligar os dados brutos direto ao Claude aumenta a chance de alucinação (a IA inventar uma resposta), e que tratar os dados na Nekt antes e acrescentar documentos de contexto reduz essa chance. Para seguir a leitura, há um artigo da Nekt de 31 de agosto de 2026 sobre servidor MCP para dados. Para conhecer a plataforma, dá para criar uma conta gratuita.
Perguntas frequentes
A especificação do MCP obriga o servidor a ter autorização?
Não. A especificação do MCP diz que a autorização é opcional para as implementações de MCP. A própria especificação reconhece que o protocolo não consegue impor sozinho os princípios de segurança, e cabe a quem implementa construir fluxos de consentimento e autorização, controles de acesso e proteção de dados. Consentimento é a pessoa dizer o que o assistente pode fazer; autorização é o sistema conferir o que cada um pode acessar.
O que a Gartner diz sobre adotar o MCP para analisar dados?
No resumo público de um relatório publicado em 3 de setembro de 2025, a Gartner diz que, ao adotar o Model Context Protocol, líderes de dados e analytics enfrentam desafios de integração, explicabilidade e confiabilidade. O resumo acrescenta que complementar o MCP com uma abordagem centrada em produto, camadas semânticas e grafos de conhecimento pode entregar fluxos de analytics com agentes escaláveis e confiáveis.
Um servidor MCP de banco de dados, que mostra o esquema das tabelas, já basta para a IA entender os números?
A documentação do MCP dá como exemplo um servidor de banco de dados que expõe ferramentas para consultar o banco, um recurso com o esquema do banco e um prompt com exemplos de uso das ferramentas. O esquema descreve a estrutura das tabelas. Quais registros contam como cliente ativo é uma definição de negócio, e a documentação da Snowflake descreve para isso um objeto à parte, a semantic view, que guarda conceitos de negócio no banco de dados e oferece definições consistentes entre aplicações.
Quando o servidor MCP do próprio sistema, como o do CRM, já responde?
Se a pergunta cabe num sistema só e a definição que importa já está configurada nele, o servidor MCP do próprio sistema é o caminho que o fornecedor documenta. A HubSpot, por exemplo, diz que o servidor MCP dela serve para pedir dados do CRM da conta e consultá-los em linguagem natural, sem que a pessoa precise entender estruturas complexas de API. Se a pergunta cruza sistemas ou usa um termo que cada área define de um jeito, a definição precisa estar escrita onde o agente leia.
Em resumo
- O MCP é um padrão aberto para conectar aplicações de IA a sistemas externos, e resolve a conexão entre o assistente e o sistema.
- A especificação do MCP diz que a autorização é opcional e que o protocolo não impõe sozinho os princípios de segurança, que ficam com quem implementa o servidor.
- Em 03/09/2025, a Gartner diz que quem adota o MCP enfrenta desafios de integração, explicabilidade e confiabilidade, e que complementar o MCP com camadas semânticas pode entregar fluxos confiáveis.
- As documentações do dbt, da Snowflake e do Azure Databricks descrevem definições de métrica escritas uma vez e reaproveitadas, e a do dbt diz que isso evita respostas adivinhadas a partir de tabelas brutas.
- Antes de confiar nos números, confira se a pergunta cabe num sistema só, quem escreveu a definição de cada termo e em nome de quem o assistente consulta.
Equipe Nekt — conteúdo da Nekt, plataforma de contexto para agentes de IA. Atualizado em outubro de 2026.