Como criar um MCP para cada setor

A IA quase nunca falha só por causa do modelo

Os modelos erram, ainda mais quando não têm o contexto real da empresa. Mais de 90% de quem usa dados nos bancos diz que não recebe a tempo a informação de que precisa, e 81% apontam a qualidade do dado como o principal desafio (Deloitte, 2025). Em seguros de vida, 52% dizem que a tecnologia legada é o principal obstáculo (Capgemini, 2025). A IA herda os problemas da arquitetura: se a equipe não obtém dados confiáveis a tempo, o modelo também não.

MCP (Model Context Protocol) é um padrão aberto para conectar a IA às ferramentas e aos dados da empresa. Ele se tornou uma interface amplamente adotada, e a governança passou para uma fundação aberta. Mas o protocolo, sozinho, não traz permissões, registro de auditoria nem proteção de dados: isso se desenha e se implementa em volta da conexão, e é aí que se decide se um MCP passa numa auditoria ou não.

Como se faz, sem jargão

Um servidor MCP é uma camada entre a IA e os sistemas da empresa. Ele é desenhado a partir de quatro perguntas:

1. Qual sistema se abre, e somente essa parte.
2. Quais ações são permitidas: consultar primeiro; as que gravam, com aprovação humana.
3. Com qual identidade: quando se aplica, a da pessoa em nome de quem a IA atua; quando se usa uma identidade de serviço, com o mínimo privilégio, ligada à solicitação que a originou e auditada.
4. Que rastro fica: quem pediu o quê, com quais dados e o que o sistema respondeu.

Este trecho ilustra a forma de uma ferramenta MCP; não mostra os controles de um ambiente real:

Copiar# Ilustrativo, com base na documentação oficial do MCP: uma ferramenta somente leitura.
from mcp.server.fastmcp import FastMCP

mcp = FastMCP("estatus-de-poliza")

@mcp.tool()
def estatus_poliza(numero: str) -> str:
    """Retorna o status de uma apólice. Somente leitura."""
    return consultar_core(numero)

Num ambiente regulado, essa mesma chamada é executada com identidade delegada, validação de escopo, os dados mínimos e registro auditável. O que não se vê no exemplo é o que decide se ele passa numa auditoria.

O que um setor regulado exige

Os riscos já estão documentados: instruções escondidas nos dados que a IA lê, ferramentas que prometem uma coisa e fazem outra, permissões que crescem sem que ninguém perceba. Por isso, desde o primeiro dia:

• Somente leitura primeiro, e gravação com aprovação humana.
• Atuar em nome de alguém: que o registro diga “a IA consultou isto em nome desta pessoa”, e não “alguém entrou às 3 da manhã”.
• Dados mínimos e protegidos conforme a classificação da empresa: antes de expor informações a um modelo, definem-se a finalidade, os campos permitidos, a retenção e o tratamento por terceiros.
• Limites de uso e registro consultável para o auditor.

A IA da empresa consegue demonstrar hoje em nome de quem atuou? DevSecOps

Capacidades diferentes para cada público

O erro caro é dar à IA um acesso único para todos. Desenham-se capacidades e políticas por público; pode haver um ou vários servidores MCP, conforme o isolamento, o risco e a regulação.

Em canais como o WhatsApp, as consultas sensíveis exigem vincular a identidade de forma adequada ao risco, o consentimento quando couber, limites às informações exibidas e um caminho seguro para as operações de maior impacto.

Como fica em cada setor

Seguros: o corretor pergunta “o boleto desta apólice já foi pago?” e a resposta sai do sistema de apólices, sem ligar para a cobrança. Até 65% das horas de subscrição podem ser automatizadas ou apoiadas com IA (Accenture).

Bancos e fintechs: o cliente consulta o status do próprio crédito depois de validar a identidade; o compliance revisa os alertas com um registro reforçado. Nos bancos que já aplicam isso, a verificação de identidade de novos clientes custou 20% menos e os falsos alertas de lavagem de dinheiro caíram 30% (BCG, 2025).

Empresas com ERP: “por que esta nota fiscal não concilia?”, respondido a partir do ERP. Alguns ERPs já expõem as próprias funções via MCP respeitando as permissões de cada papel; nos demais, construímos o servidor MCP sobre as APIs atuais.

Varejo: estoque por canal, status do pedido e devoluções com confirmação humana; e um catálogo aberto para os agentes de compra. Os clientes que usam o assistente de IA de um grande varejista compram cerca de 35% a mais por pedido (Modern Retail, 2026).

Esses números descrevem estudos ou casos de organizações específicas; não são uma promessa de resultado. Para estimar o impacto na operação, partimos do volume, do tempo por solicitação, da taxa de erro e do custo atual.

Qual dos sistemas da empresa seria o primeiro? Integração e APIs

Como montamos isso para a empresa

• Sobre o que já existe: construímos o servidor MCP para consumir as interfaces atuais do sistema central, do ERP ou da plataforma de vendas, com o mínimo de mudanças nos sistemas existentes.
• E, quando já se opera com o Hábil MDW, a plataforma se conecta pelo mesmo MCP: a IA da empresa consulta o status de cotações, emissões, cobranças e comprovantes, com as permissões de cada usuário.
• Nova, a assistente da Hábil AI, atende pelo WhatsApp com as mesmas capacidades que a equipe interna.