Um guia sobre APIs, MCPs e gateways MCP

As APIs e os MCPs são frequentemente mencionados em conjunto como formas pelas quais os sistemas podem trocar informações, mas são projetados de maneira diferente e têm finalidades distintas. Este artigo tem como objetivo explicar essas diferenças e como os desenvolvedores de software e os usuários devem abordar a interação com cada um deles. Uma API é encontrada principalmente em aplicativos de software, enquanto um MCP (Model Context Protocol) é usado por grandes modelos de linguagem. As APIs permitem que um aplicativo se comunique com outro, e um MCP permite que um modelo de IA utilize dados e ferramentas de maneira estruturada. A diferença surge porque os LLMs, ao responderem às solicitações dos usuários, precisam escolher quais ferramentas e informações consideram necessárias para alcançar um resultado. APIs: definição simples Uma API envia uma solicitação em um formato acordado para outra instância de software e recebe uma resposta no formato acordado, com os detalhes dos protocolos (ou métodos de comportamento) de cada troca codificados de forma rígida. Os desenvolvedores escrevem código para chamar uma API e criam código para analisar ou processar a resposta. Isso torna as APIs precisas e confiáveis – embora a troca possa falhar se qualquer uma das partes alterar o código que rege o comportamento da API. As APIs ainda são importantes para sistemas que utilizam LLMs, e muitos sistemas baseados em IA dependem de APIs para funcionar. Um modelo pode solicitar dados e obter respostas por meio de uma API. MCPs: Definição simples Os MCPs são utilizados quando os LLMs precisam acessar dados em situações como a necessidade de consultar repositórios de dados de negócios, ler o conteúdo de arquivos específicos ou acionar uma ação. Os MCPs oferecem aos modelos uma maneira estruturada de acessar múltiplas fontes de dados por meio de uma única interface. Um servidor MCP expõe dados em um formato padrão de acordo com regras definidas previamente. Essas regras determinam o que está disponível e para quem ou para o quê. Os servidores MCP expõem três tipos de recursos: Ferramentas são ações que o modelo pode iniciar, como criar um arquivo ou pesquisar um banco de dados. Recursos são informações que o modelo pode ler como contexto. Prompts são modelos reutilizáveis que ajudam os usuários a realizar tarefas comuns, sem precisar escrever um prompt detalhado toda vez que realizam a mesma ação. A diferença importante é que os MCPs são projetados para que um modelo seja o consumidor direto dos dados. O modelo sugere quais ferramentas ou recursos são necessários de acordo com o que ele considera relevante para a solicitação do usuário. Por que os MCPs não são wrappers de API Em alguns sistemas, as APIs continuam em uso, mas têm um MCP colocado entre elas e o usuário. Um servidor MCP pode chamar uma API “nos bastidores”. No entanto, uma API pode retornar, por padrão, mais informações do que um modelo precisa para realizar uma tarefa. Mas, como cada byte de dados precisará ser processado pelo LLM, isso pode consumir muito mais tokens do que o necessário. O excesso de informações aumenta os custos e pode tornar a resposta do modelo menos precisa. Por exemplo, uma API pode retornar 50 campos de banco de dados sobre um cliente, mas o LLM requer apenas uma única entrada de status da conta. Enviar todos os 50 campos dá ao modelo mais dados para processar, o que não necessariamente fornece um contexto útil. O LLM não tem ideia da relevância dos dados até que tenha usado ciclos de processamento para determinar o fato. Além disso, ele pode basear suas respostas em dados irrelevantes que lhe foram fornecidos e produzir respostas imprecisas. Em um cenário ideal, as ferramentas MCP são projetadas em torno das tarefas que um modelo precisa realizar. Se o usuário perguntar quantos clientes estão inscritos em um determinado serviço ou compraram um item específico, por exemplo, a ferramenta MCP retornará os números relevantes, em vez de registros completos de interação com o cliente. Quando cada uma deve ser usada Use uma API quando um aplicativo precisa se comunicar com outro aplicativo e houver pleno conhecimento entre ambas as partes sobre quais informações são necessárias. Um site, aplicativo móvel, sistema interno, plataforma de pagamento ou ferramenta de relatórios costuma usar APIs. Se o consumidor final dos dados for um modelo de IA que precisa acessar informações ou ações indefinidas, deve-se usar um MCP. Um assistente de IA que responde a perguntas da equipe (com entradas variáveis, portanto) ou tem a tarefa de revisar documentos internos pode usar MCPs. Em muitas organizações, ambos existem. Um aplicativo para clientes que pode apresentar informações específicas (um saldo de conta, por exemplo) pode chamar APIs. Um assistente de IA no mesmo aplicativo pode usar um servidor MCP porque a natureza das consultas que ele criará em nome do usuário irá variar. Ambos podem acessar os mesmos dados subjacentes, mas fazem isso por meio de interfaces diferentes, de acordo com o tipo de sistema que está solicitando. Segurança e gateways Um gateway é um dispositivo (geralmente instanciado em software) que atua como interface para ambos os tipos de serviço. Ele lida com autenticação, limites de taxa, registro, monitoramento e controle de acesso. Se o uso de MCPs crescer, as organizações precisam saber quais ferramentas de IA estão solicitando dados de quais sistemas, a quais dados têm permissão de acesso e quais ações podem realizar sobre esses dados. Um gateway pode criar um local para gerenciar esses tipos de controles. No entanto, como operam na camada de rede (arbitrando e registrando o movimento de dados), eles não resolvem problemas que emanam da camada de software (incluindo LLMs, código determinístico ou atividade do usuário). Em termos de segurança cibernética, eles podem ser considerados como um firewall: úteis em certos contextos, mas, assim como os firewalls, podem ser contornados, representam um único ponto de falha e podem dar uma falsa sensação de segurança. Os gateways MCP e API são, sem dúvida, defesas de perímetro que não impedirão de forma confiável incidentes relacionados a dados. Esses incidentes ainda são possíveis quando causados por software, seja código determinístico, “tradicional” ou um LLM. (Fonte da imagem: Pixabay sob licença.) Quer saber mais sobre IA e big data com líderes do setor? Confira a AI & Big Data Expo, que acontecerá em Amsterdã, Califórnia e Londres. O evento abrangente faz parte da TechEx e é realizado em conjunto com outros eventos de tecnologia de ponta. Clique aqui para obter mais informações. O AI News é desenvolvido pela TechForge Media. Explore outros eventos e webinars de tecnologia empresarial que estão por vir aqui. A publicação “Um guia sobre APIs, MCPs e gateways MCP” apareceu pela primeira vez no AI News.