Hoje, a inteligência artificial está remodelando a forma como construímos e operamos sistemas, especialmente no campo da engenharia. Da aceleração dos ciclos de desenvolvimento à automação de tarefas, a IA está se tornando uma ferramenta prática nos fluxos de trabalho diários. À medida que a integração da IA com a nuvem evolui e os agentes inteligentes se conectam mais profundamente com plataformas como AWS e Azure, os ambientes de nuvem estão começando a se comportar menos como infraestrutura estática e mais como sistemas adaptáveis que podem funcionar junto com a IA em tempo real.

O que é o Model Context Protocol (MCP)?

Imagine um tradutor em uma conferência lotada: em vez de cada pessoa falar idiomas diferentes e tentar se entender, o tradutor cria um idioma comum que todos possam entender. Da mesma forma, o MCP atua como tradutor, permitindo que vários sistemas em nuvem e agentes de IA se comuniquem sem problemas, independentemente de suas interfaces nativas. Grandes provedores de nuvem, como Amazon e Microsoft, já estão adotando esse modelo. Eles estão começando a abrir seus serviços por meio de servidores compatíveis com MCP, abrindo caminho para a infraestrutura nativa de IA. Embora a AWS e o Azure compartilhem a mesma visão, de tornar a nuvem mais inteligente e amigável aos agentes, eles a abordam de maneiras muito diferentes. Neste blog, exploraremos como a AWS e o Azure estão implementando o MCP, compararemos os pontos fortes de suas ofertas atuais e detalharemos o que isso significa para as equipes de engenharia que desejam turbinar seus fluxos de trabalho na nuvem com a IA. Portanto, se você está construindo com agentes hoje ou planejando um futuro mais inteligente, entender o cenário de MCP está se tornando essencial.

Visão geral de alto nível

Figura 1: Arquitetura MCP

A arquitetura do MCP é delineada em três componentes principais: o host, o cliente e o servidor. Esse design modular garante escalabilidade, flexibilidade e facilidade de integração em diferentes plataformas e serviços.

Anfitrião MCP

O host representa o aplicativo que utiliza o agente de IA. Os exemplos incluem aplicativos de bate-papo, ambientes de desenvolvimento integrados (IDEs) ou qualquer software que exija funcionalidades de IA. O host é responsável por iniciar as interações e geralmente engloba o componente cliente.

Cliente MCP

Integrado ao host, o cliente serve como intermediário entre o host e o servidor. Ele formula solicitações com base na entrada do usuário ou nas necessidades do aplicativo e as comunica ao servidor. Além disso, o cliente processa as respostas recebidas do servidor, facilitando as ações apropriadas no aplicativo host.

Servidor MCP

O componente do servidor tem a tarefa de executar as operações solicitadas pelo cliente. Além disso, ele interage com vários recursos externos, como bancos de dados, APIs ou arquivos locais, para realizar as tarefas necessárias. No final do ciclo, ele retorna os resultados ao Cliente, completando o ciclo de comunicação. Se você estiver interessado em se aprofundar em como essa arquitetura funciona na prática, incluindo um guia passo a passo para criar seu próprio servidor MCP, confira nosso postagem detalhada no blog sobre arquitetura MCP e implementação de servidores.

Servidores MCP para integração de provedores de nuvem

Com a arquitetura MCP, integrar serviços em nuvem como Amazon ou Azure é bem simples: basta conectar-se ao servidor MCP e acessar todos os recursos disponíveis sem criar ferramentas separadas para cada serviço em cada agente. Uma interface, possibilidades infinitas.

Fluxo de trabalho operacional

Figura 2: Um usuário interage com o servidor AWS MCP

A interação dentro da arquitetura MCP segue um fluxo de trabalho sistemático:

1. Interação do usuário: um usuário inicia uma solicitação por meio do aplicativo host (por exemplo, consultando dados do cliente).
2. Solicitar formulação: O cliente processa essa entrada e formula uma solicitação estruturada.
3. Comunicação com o servidor: o cliente envia a solicitação ao servidor, que identifica as ferramentas ou fontes de dados apropriadas necessárias para atender à solicitação.
4. Execução e resposta: o servidor executa as operações necessárias, recupera os dados necessários e envia os resultados de volta ao cliente.
5. Entrega de resultados: o cliente processa a resposta e apresenta as informações ao usuário por meio do aplicativo host.

Agentes de IA e serviços em nuvem se unem por meio do MCP

Servidores AWS MCP: aprimorando os recursos de IA com os serviços da AWS

Como parte de seu esforço para tornar a nuvem mais acessível aos fluxos de trabalho nativos da IA, a AWS introduziu uma família de servidores Model Context Protocol (MCP). Esses Servidores AWS MCP são projetados para oferecer aos agentes de IA acesso seguro e detalhado a uma variedade de recursos da AWS usando protocolos padronizados. Cada servidor se concentra em um domínio específico, como:

• Documentação da AWS — permite que os agentes pesquisem, recuperem e convertam documentos da AWS em respostas estruturadas
• Análise de custos — permite que os agentes consultem dados de cobrança e uso
• Terraform e CDK — ajudam a gerar ou validar a infraestrutura como código
• Amazon Aurora MySQL — permite a geração de SQL e a introspecção de esquemas para o Aurora MySQL
• AWS Lambda — permite a implantação e o gerenciamento de funções por meio de solicitações guiadas de agentes
• Bases de conhecimento da Amazon Bedrock — permite a descoberta e a consulta em linguagem natural de KBs da Bedrock
• Amazon Nova canvas — gera imagens baseadas em texto ou guiadas por cores com integração de espaço de trabalho
• Diagrama da AWS — gera diagramas de infraestrutura, sequência ou fluxo a partir do código Python
• AWS CloudFormation — permite operações CRUDL em recursos da AWS por meio do controle de nuvem
• Amazon SNS/SQS — permite que os agentes criem tópicos/filas, enviem/recebam mensagens e gerenciem atributos
• Frontend — fornece documentação e orientação para o desenvolvimento moderno de front-end na AWS
• AWS Location Service — permite geolocalização, busca de locais, geocodificação reversa e otimização de rotas
• Pesquisa de repositórios Git — realiza pesquisa semântica e análise de estrutura em repositórios Git
• Amazon Aurora PostgreSQL — converte perguntas em SQL e executa consultas no Aurora Postgres
• Geração de documentação de código — gera automaticamente documentação e diagramas a partir de repositórios de código
• Amazon Neptune — executa consultas OpenCypher e Gremlin em bancos de dados do Neptune

O oficial awslabs/mcp O repositório e a série de blogs da AWS descrevem o MCP como uma camada fundamental em uma visão mais ampla: usar ferramentas baseadas em agentes para acelerar a adoção da nuvem, reduzir o atrito do DevOps e simplificar fluxos de trabalho complexos para desenvolvedores, equipes de plataforma e até mesmo usuários não técnicos.

Primeiros dias: documentos limitados e soluções criadas pela comunidade

Embora a AWS tenha publicado esses servidores MCP, a documentação oficial ainda é limitada, especialmente quando se trata de usá-los fora dos IDEs. Ferramentas como o Microsoft VS Code já oferecem suporte ao MCP e fornecem guias gerais de configuração (code.visualstudio.com), e clientes como Cline e Claude Desktop podem ser configurados para se conectar aos servidores MCP. No entanto, atualmente não há tutoriais detalhados sobre como usar esses servidores MCP específicos (como a documentação da AWS ou o servidor Lambda) em agentes autônomos ou fluxos de trabalho locais personalizados. A AWS anunciou o suporte inicial para o MCP por meio de postagens no blog (aws.amazon.com) e fornece as principais implementações no GitHub (awslabs/mcp). Eles também oferecem um SDK como parte do Amazon Bedrock Agents, o que simplifica o trabalho com o MCP, mas afirma explicitamente que os desenvolvedores que não usam esse SDK devem escrever e manter uma lógica personalizada para tratamento de respostas, fluxo de controle e gerenciamento do estado do agente. Como resultado, muitos desenvolvedores estão criando scripts e conectores personalizados para automatizar as interações com o servidor MCP e conectá-las a sistemas multiagentes ou configurações locais. Resumindo, embora as integrações de IDE já estejam surgindo, o ecossistema para uso autônomo ou incorporado de MCP ainda está amadurecendo e a comunidade atualmente conta com exemplos do GitHub e ferramentas criadas por você mesmo para preencher a lacuna.

Servidor MCP do Azure: Integrando agentes de IA aos serviços do Azure

Paralelamente às tendências do setor, a Microsoft lançou o servidor Azure MCP, um gateway unificado e extensível que conecta agentes de IA aos serviços do Azure por meio de linguagem natural. Ao contrário da AWS, que oferece vários servidores MCP especializados, o Azure consolida várias integrações de serviços em uma arquitetura de servidor unificada. Ele atua como uma ponte entre LLMs e serviços do Azure usando comunicação inteligente baseada em JSON personalizada para agentes de IA, tradução de linguagem natural para API para operações do Azure, preenchimento automático e sugestões inteligentes de parâmetros, tratamento de erros consistente e explicável e um modelo de plug-in baseado em ferramentas que facilita a extensão ou a personalização.

Ferramentas integradas

Em vez de vários endpoints MCP, o Azure MCP oferece um conjunto de ferramentas dentro de um servidor, cada uma correspondendo a um serviço do Azure compatível. Atualmente, essas ferramentas incluem:

• Pesquisa de IA do Azure — lista/pesquise serviços e índices, inspecione esquemas e vetores de consulta
• Cosmos DB — Consulte contêineres, gerencie itens e execute SQL em bancos de dados NoSQL
• Azure Data Explorer — Execute consultas KQL, inspecione clusters, bancos de dados e tabelas
• PostgreSQL — Inspecione o esquema, liste bancos de dados/tabelas e execute consultas
• Armazenamento do Azure — Gerencie contêineres de blobs, blobs e armazenamento de tabelas
• Ferramentas de melhores práticas — Descubra padrões de uso seguros e recomendados para SDKs do Azure
• Azure Monitor (Log Analytics) — Execute o KQL em todos os espaços de trabalho, inspecione esquemas de log
• Azure Key Vault — Gerencie e recupere chaves
• Configuração de aplicativos do Azure — Gerencie valores-chave e configurações
• Azure Service Bus — Visualize metadados de fila/tópico/assinatura
• Grupos de recursos do Azure — Listar e inspecionar grupos
• CLI do Azure + CLI do desenvolvedor — Execute comandos da CLI diretamente por meio de solicitações do agente

Integração unificada de IA com o GitHub Copilot e clientes personalizados

O servidor MCP do Azure representa um avanço significativo na integração de agentes de IA com os serviços do Azure. Ao consolidar várias integrações de serviços em uma única arquitetura de servidor, ele simplifica o processo de desenvolvimento de aplicativos orientados por IA. Essa abordagem unificada permite que os agentes de IA interajam com vários serviços do Azure, incluindo Cosmos DB, Azure Storage e Azure Monitor, usando comandos de linguagem natural. No entanto, é importante observar que o servidor MCP do Azure ainda está em suas versões iniciais. Atualmente, as opções de integração são limitadas, com suporte primário para o Modo Agente Copilot do GitHub no Visual Studio Code e clientes MCP personalizados. Esse escopo de integração estreito pode impedir uma adoção mais ampla, especialmente para desenvolvedores que buscam flexibilidade em suas cadeias de ferramentas. Apesar dessas limitações, o processo de integração com o GitHub Copilot no Visual Studio Code é notavelmente simples. Os desenvolvedores podem configurar o servidor MCP do Azure configurando um arquivo mcp.json simples no espaço de trabalho do projeto. Depois de configurado, o Modo Agente do GitHub Copilot pode utilizar perfeitamente o servidor MCP do Azure, permitindo interações de linguagem natural com os serviços do Azure diretamente no ambiente de desenvolvimento

MCP em ação: pratique com servidores AWS e Azure

Usando o servidor MCP de documentação da AWS com Docker e Cursor: um guia passo a passo

Apesar da natureza inicial das ferramentas MCP, já é possível experimentar com servidores específicos em uma configuração local. Um dos mais fáceis de começar é o servidor MCP de documentação da AWS, pois ele funciona bem em ambientes isolados. O servidor MCP de documentação da AWS equipa os agentes de IA com ferramentas para interagir de forma inteligente com a documentação da AWS. Ele expõe três capacidades principais:

1. leitura_documentação (url) que recupera uma página de documentação completa da AWS e a converte em texto limpo e formatado em markdown
2. search_documentation (search_phrase, limite) que usa a API oficial de pesquisa de documentação da AWS para encontrar páginas relevantes com base em uma palavra-chave ou frase
3. recomendar (url) que retorna uma lista de páginas de documentação relacionadas para ajudar os agentes a sugerir conteúdo complementar.

Essas ferramentas permitem que os agentes extraiam informações precisas, respondam a perguntas técnicas e forneçam referências úteis, tudo com base na documentação oficial da AWS. Antes de começarmos, verifique se você tem o seguinte:

• Docker instalado e em execução.
• Cursor instalado.
• Um ambiente Python funcional (opcional se você estiver usando apenas o Docker).
• Credenciais da AWS configuradas em sua máquina (para outras ferramentas de MCP, não são estritamente necessárias para a documentação do MCP).

Etapa 1: clonar e criar o servidor MCP

Clone o repositório e crie a imagem do Docker localmente: git clone https://github.com/awslabs/aws-documentation-mcp-server.git cd aws-documentation-mcp-server docker build -t awslabs/aws-documentation-mcp-server. Quando a compilação estiver concluída, você terá uma imagem do Docker pronta para uso.

Etapa 2: Configurar o MCP no Cursor

O Cursor suporta configurações MCP globais e em nível de projeto por meio de um arquivo JSON. Na pasta do seu projeto (ou globalmente via ~/.cursor/mcp.json), adicione o seguinte em .cursor/mcp.json: {“mcpServers”: {“awslabs.aws-documentation-mcp-server”: {“command”: “docker”, “args”: [“run”, “--rm”, “--interactive”, “--env”, “FAST” MCP_LOG_LEVEL=ERROR”, “awslabs/aws-documentation-mcp-server:latest”], “env”: {}, “disabled”: false, “autoApprove”: []}}} Isso faz com que o Cursor ative o servidor MCP usando o Docker sempre que você interagir com ele dentro do IDE.

Etapa 3: usar a ferramenta no Cursor

Depois que a configuração estiver pronta, abra o Cursor e avise o agente com algo como: “Usando a documentação da AWS MCP, consulte a documentação sobre as regras de nomenclatura de buckets do S3. Cite suas fontes.” ou “Recomendar conteúdo para a página https://docs.aws.amazon.com/AmazonS3/latest/userguide/bucketnamingrules.html” O cursor detectará que o aws-documentation-mcp-server está disponível e o executará automaticamente via Docker. Ele buscará o conteúdo Markdown dos documentos relevantes da AWS e apresentará uma resposta clara e citável.

Figura 3: O usuário do cursor interage com a documentação da AWS MCP

Definitivamente, o MCP tem o potencial de melhorar significativamente a forma como os agentes de IA interagem com os serviços da AWS, facilitando a consulta de dados, o gerenciamento da infraestrutura e a navegação em ambientes complexos de nuvem por meio de linguagem natural. Ainda em seus primórdios, essa abordagem estabelece as bases para fluxos de trabalho mais intuitivos, automatizados e orientados por agentes em todo o ecossistema da AWS.

Guia passo a passo: Integrando o servidor MCP do Azure com o GitHub Copilot no VS Code

Etapa 1: Pré-requisitos

Certifique-se de ter o seguinte:

• Código do Visual Studio: Instalado em sua máquina.
• Copiloto do GitHub: Instalado e ativado no VS Code.
• Bate-papo do Copilot do GitHub: Instalado e ativado no VS Code.
• Node.js: Instalado em sua máquina
• Assinatura do Azure: uma conta ativa do Azure com as permissões apropriadas.

Etapa 2: Instalar o servidor MCP do Azure manualmente

Crie uma pasta.vscode no diretório do seu projeto e adicione mcp.json com a seguinte configuração: {“servers”: {“Azure MCP Server”: {“command”: “npx”, “args”: [” -y”, "@azure /mcp @latest “, “server”, “start"]}}} Essa configuração configura o servidor Azure MCP para começar com o comando especificado.

Etapa 3: testar o servidor MCP do Azure

Abra o GitHub Copilot no VS Code e mudar para o modo Agente. Você deve ver o servidor Azure MCP com sua lista de ferramentas

Você pode criar um bate-papo no Copilot e enviar uma mensagem. Por exemplo: Retorne as melhores práticas de segurança no Azure Ele executará uma das ferramentas do MCP (azmcp-melhores práticas - get) e as informações estarão no chat.

Um protocolo, duas abordagens: comparando as estratégias de MCP da AWS e do Azure

Embora a Amazon Web Services (AWS) e o Microsoft Azure estejam investindo ativamente no futuro dos agentes de IA por meio do MCP, suas estratégias assumem formas muito diferentes. A visão compartilhada é clara: permita que os agentes de IA interajam com os serviços em nuvem usando linguagem natural, sem a necessidade de integrações manuais ou conectores personalizados. Mas a execução, as ferramentas e a experiência do desenvolvedor variam significativamente entre os dois gigantes da nuvem.

Comparação de alto nível

Apresenta os servidores MCP da AWS A abordagem do servidor MCP do Azure Vários servidores especializados Servidor unificado com ferramentas modulares integradas Documentação Limitada; a orientação orientada pela comunidade domina a Limited; principalmente vinculada ao GitHub Copilot Escopo de integração Focado no IDE; primeiros experimentos autônomos GitHub Copilot no VS Code; suporte a clientes personalizados Cobertura do serviço Ferramentas refinadas por serviço da AWS Servidor único cobrindo uma variedade de serviços do Azure Personalização Requer scripts personalizados ou uso do Bedrock SDK. Modelo de plug-in integrado; tratamento inteligente de erros e sugestões Maturidade das ferramentas Estágio inicial, com implementações públicas do GitHub Estágio inicial, totalmente integrado ao ecossistema da Microsoft

Entendendo as diferenças

A AWS fornece vários servidores MCP dedicados, cada um personalizado para um serviço específico da AWS. Essa abordagem modular oferece aos desenvolvedores um controle preciso sobre recursos como consultar a documentação da AWS, gerenciar funções do Lambda, analisar custos ou gerar diagramas de infraestrutura. No entanto, isso também significa que a configuração de várias integrações pode exigir a ativação e a manutenção de vários endpoints do MCP. Em contraste, o Azure oferece um único servidor MCP que consolida várias ferramentas. Esse design unificado simplifica a implantação e reduz a sobrecarga do gerenciamento de muitos endpoints. Ele também inclui recursos como tradução de linguagem natural para API, preenchimentos automáticos inteligentes e um modelo de plug-in que facilita a ampliação da funcionalidade. Ambas as plataformas ainda estão nos estágios iniciais de integração. A AWS oferece suporte a integrações de IDE limitadas (como com Cursor ou VS Code), enquanto o Azure está atualmente focado no Modo Agente do GitHub Copilot no VS Code. Os desenvolvedores que preferem flexibilidade ou que estão criando agentes personalizados fora do ecossistema da Microsoft podem achar a configuração atual do Azure limitante, embora promissora a longo prazo.

• A AWS favorece a flexibilidade por meio da especialização — com servidores dedicados por tarefa e serviço, ideais para arquiteturas modulares e fluxos de trabalho de agentes personalizados.
• O Azure se concentra na simplicidade e na coesão, oferecendo ampla cobertura por meio de uma interface unificada, projetada para funcionar perfeitamente com as ferramentas da Microsoft.
• Ambos os ecossistemas ainda estão amadurecendo, com forte potencial, mas suporte imediato limitado para fluxos de trabalho não baseados em IDE.

No final das contas, a escolha pode depender da cadeia de ferramentas existente e das preferências do desenvolvedor. Se você precisar de controle refinado sobre serviços específicos da AWS, o ecossistema MCP da AWS oferece profundidade. Se você prefere simplicidade, uma interface centralizada e integração nativa com as ferramentas da Microsoft, o servidor MCP do Azure é um forte concorrente. À medida que o protocolo MCP evolui, os dois provedores de nuvem estão estabelecendo a infraestrutura fundamental para uma nova era de computação em nuvem nativa do agente, em que a IA não funciona apenas na nuvem, mas trabalha com ela.

Considerações finais

O protocolo MCP representa um passo significativo para integrar agentes de IA com serviços em nuvem de uma forma mais prática. Tanto a AWS quanto o Azure estão desenvolvendo ativamente suas estratégias de MCP com abordagens diferentes. Enquanto a AWS se concentra em servidores especializados para serviços individuais, oferecendo controle granular, o Azure busca um servidor unificado com ferramentas integradas, priorizando a simplicidade em seu ecossistema. O futuro do MCP tem um imenso potencial para automatizar fluxos de trabalho em nuvem, reduzir o atrito do DevOps e permitir interações de linguagem natural com ambientes de nuvem complexos. À medida que a tecnologia amadurece e a documentação melhora, podemos esperar uma adoção mais ampla e o desenvolvimento de fluxos de trabalho mais sofisticados orientados por agentes.