O Model Context Protocol (MCP) está rapidamente se tornando um dos pilares do ecossistema de IA agêntica. Desenvolvido como uma forma padronizada de permitir que agentes de IA interajam com ferramentas, APIs e sistemas externos, o MCP promete interoperabilidade segura e escalável.
Portanto, é fácil entender por que os principais desenvolvedores de modelos e algumas das maiores empresas do mundo apoiam o MCP como um padrão para a interação entre agentes. Mas, apesar de todos os seus benefícios, o MCP pode estar resolvendo o problema errado no nível de abstração errado.
Ao restringir rigidamente o comportamento dos agentes por meio de fluxos e interfaces inflexíveis, o MCP prioriza a segurança, mas sacrifica a flexibilidade, a adaptabilidade e, ironicamente, uma supervisão eficaz. Em outras palavras, ele exagera na segurança de maneiras que podem limitar a utilidade dos agentes de IA, ao mesmo tempo que pouco contribuem para lidar com os riscos reais em ambientes dinâmicos.
O que o MCP acerta
O MCP representa um avanço na segurança da IA. Ele oferece uma maneira estruturada e transparente para que agentes de IA acionem ferramentas por meio de APIs, definindo interfaces e permissões claras. Isso é importante em um mundo no qual se espera cada vez mais que os agentes executem ações como acionar fluxos de trabalho, movimentar dinheiro ou escrever código.
Pense nisso como a versão, em protocolo, do princípio do menor privilégio: permita que os agentes realizem apenas as operações para as quais receberam autorização explícita.
Do ponto de vista do design, é uma solução elegante. Do ponto de vista dos riscos empresariais, é tranquilizadora. Mas do ponto de vista da segurança no mundo real? É incompleta.
A contrapartida: protocolos estáticos, agentes dinâmicos
O MCP funciona bem para tarefas simples e determinísticas. Porém, à medida que os agentes se tornam mais capazes e autônomos, suas decisões passam a depender mais do contexto. Eles precisam se adaptar em tempo real, combinar ferramentas de maneiras inovadoras e lidar com situações inesperadas sem supervisão humana.
Nesse ambiente, esquemas de interface estáticos e estruturas rígidas de permissões começam a se mostrar inadequados. Eles reduzem a superfície de ataque, mas também limitam a capacidade do agente de raciocinar em fluxos de trabalho complexos. Ao priorizar a segurança, o MCP pode, involuntariamente, reduzir a capacidade operacional dos agentes — e a capacidade de inovação de uma empresa.
Mais importante ainda, essa rigidez mascara falhas reais de segurança. O simples fato de um agente estar em conformidade com o MCP não significa que ele esteja operando com segurança. Por exemplo:
- Um agente com permissões somente de leitura ainda poderia exfiltrar dados por canais indiretos
- Uma chamada de ferramenta com escopo restrito ainda poderia ser encadeada para formar uma ação emergente mais ampla, com consequências não intencionais
- Uma solicitação bem formulada não significa que o agente que a faz tenha o contexto ou o discernimento necessários para agir com segurança
A segurança de agentes não diz respeito apenas ao que o agente tem permissão para fazer, mas também ao que ele pretende fazer e a como ele se comporta em cada contexto.
O verdadeiro risco não é apenas o protocolo, mas o que ele possibilita.
O MCP introduz uma forma padronizada e baseada em permissões para que agentes de IA atuem, mas isso não torna essas ações inerentemente seguras. O protocolo pode impor limites rígidos, mas não leva em conta como os agentes interpretam o contexto, encadeiam ferramentas ou se comportam sob pressão.
Em outras palavras, o MCP protege a conexão, mas não as consequências. E essa é a lacuna que as empresas precisam eliminar.
O risco da IA no mundo real não está relacionado à capacidade de um agente poder chamar uma API específica. Trata-se do que ele escolhe fazer ao longo de milhares de interações e de os seus sistemas conseguirem detectar e responder quando esse comportamento começa a se desviar.
Pense além de um framework
O MCP representa um avanço significativo na proteção das interações entre agentes e ferramentas. Mas também aponta para uma verdade mais ampla: à medida que os agentes se tornam mais poderosos, as noções tradicionais de segurança no nível do protocolo podem não ser suficientes.
Líderes empresariais precisam pensar além das estruturas de permissões. O comportamento dos agentes, as mudanças de contexto, o uso emergente de ferramentas e as ações encadeadas exigem novas abordagens de supervisão e controle. Afinal, o verdadeiro risco não está no handshake, mas no que vem depois.
Sobre o autor
James White é um engenheiro e líder empresarial de destaque, com quase duas décadas de experiência no setor de software empresarial.
Mais publicações de James WhitePublicações relacionadas no blog
Segurança de APIs sem concessões: apresentamos novas opções flexíveis de descoberta com F5 API security
As opções ampliadas de descoberta de APIs da F5 foram desenvolvidas para oferecer o máximo de flexibilidade e atender às organizações onde quer que estejam.
Governe sua IA no presente e antecipe o futuro da sua IA
Aprenda com nosso CISO de campo, Chuck Herrin, como se preparar para o novo desafio de proteger modelos e agentes de IA.
Segurança de IA para a cadeia de suprimentos
As cadeias de suprimentos são cada vez mais impulsionadas pela IA — desde a previsão de demanda e o planejamento logístico até a análise de riscos de fornecedores e a gestão de estoque em tempo real. Essas ferramentas ajudam as empresas a reduzir custos, aumentar a resiliência e se adaptar a disrupções globais. No entanto, elas também criam novos riscos em um vasto ecossistema: nossas soluções de segurança de IA em tempo de execução protegem o setor de Cadeia de Suprimentos […]
Segurança de IA para Recursos Humanos
A IA está revolucionando o RH. As empresas estão implementando copilotos de recrutamento com IA, assistentes de integração, chatbots de suporte aos funcionários e ferramentas de análise da força de trabalho para reduzir custos e melhorar a experiência dos colaboradores. No entanto, as aplicações de RH também apresentam riscos específicos que podem expor as organizações a falhas de conformidade, alegações de viés e danos à reputação: nossas soluções de segurança de IA em tempo de execução protegem o setor de RH com […]
Equilibrando o desempenho da IA e a gestão de recursos
As organizações dependem cada vez mais de ferramentas e iniciativas de IA para impulsionar a inovação e a transformação. Cada avanço incremental na sofisticação das ferramentas de IA torna o equilíbrio entre desempenho e gestão de recursos um desafio maior e mais relevante para as equipes de TI e segurança. No entanto, esse equilíbrio é essencial para maximizar o ROI, garantir a segurança e manter a eficiência em toda a […]
Integração de APIs em IA: a base técnica
A integração de APIs é um canal essencial no ecossistema de IA, por meio do qual diferentes sistemas, plataformas e aplicações interagem. Analisamos as nuances técnicas da integração de APIs em IA, com ênfase em sua importância para aprimorar a eficiência e os recursos dos sistemas de IA. As APIs permitem a troca fluida de dados e funcionalidades entre diferentes soluções de IA […]