Agent2Agent (Google) e Model Context Protocol (MCP) como resposta evolutiva-arquitetural para integração inter-agentes e APIs

Lipie Souza
24 de abr.
4 min de leitura

Ecossistema fragmentado resulta em retrabalhos e inconsistências!

Passados cerca de três anos dos primeiros lançamentos de frameworks de IA Generativa, hoje, ao construirmos uma solução deste tipo, percebemos que existem diferentes técnicas para “conectar” agentes a bases de conhecimento e APIs, dentre elas diversos tipos de RAG, GraphRAG, Function Calling, etc. Ao realizar chamadas externas, podemos utilizar Python, JavaScript, C#, dentre outras linguagens de programação. Contudo, cada framework de integração tem suas próprias regras para que as chamadas sejam funcionais, e muitas vezes, mesmo a partir de prompts refinados, os modelos “penam” ao criar um script de integração coeso, já que existem diversas formas de realizá-lo, a depender do framework, tipo de chamada e da estrutura do dado e contexto a ser repassado. Isto requer uma adaptação do Prompt Engineering a depender do contexto, framework e ferramenta de chamada externa utilizada, e em muitos casos ainda há falhas expressivas. A principla causa é justamente a fragmentação técnica deste ecossistema. Para resolver este problema, com intuito de padronizar todo esse rolê, surgiram o MCP, e o A2A (Google), que são protocolos Open Source, (assim como boa parte dos frameworks de agentes de IA).

O Model Context Protocol (MCP) é um padrão aberto para estruturarmos o contexto que é repassado para um Large Language Model de forma modular, organizada e extensível. Em outras palavras, ele define como estruturar e enriquecer o prompt de forma padronizada, permitindo que diferentes aplicações, agentes ou ferramentas componham e compartilhem partes do contexto de maneira interoperável. O MCP foi uma iniciativa da Anthropic e hoje conta com uma comunidade extensa de colaboradores no Github.

O Model Context Protocol resolve um problema crítico: fornecer contexto consistente a agentes sem expor dados sensíveis, como por exemplo, chaves de autenticação. Sua arquitetura define:

Estrutura de metadados: Descreve ferramentas, permissões e formatos de dados aceitos pelos agentes.
Abstração de segurança: Permite que sistemas externos (como bancos de dados) sejam acessados por agentes sem compartilhar credenciais diretamente, e com controle de usuário: o consentimento explícito é necessário para qualquer operação (ex.: acesso a dados pessoais).
Interoperabilidade técnica: Funciona como uma camada intermediária, traduzindo dados entre formatos proprietários e o "idioma" do agente 2.

Por exemplo, um agente usando MCP pode receber instruções claras sobre como consultar uma API de estoque, quais parâmetros são válidos e como tratar erros — tudo sem exigir que o desenvolvedor codifique regras específicas para cada integração, e podemos dividir sua arquitetura em:

Host (cliente MCP): Aplicações como o Claude Desktop ou ChatGPT Web ou IDEs que iniciam conexões com servidores MCP.
Servidor MCP: Aplicações (via APIs) que expõem recursos e ferramentas específicas através do protocolo padronizado. Por exemplo, o próprio Github já criou seu MCP para que modelos interagam com suas APIs.
Fontes de dados: Sistemas locais ou remotos, como bancos de dados, sistemas de arquivos ou APIs, que fornecem informações aos servidores MCP.

Essa estrutura modular permite que agentes de IA acessem e manipulem dados externos de forma eficiente. Aqui vai uma CheatSheet para ajudar no entendimento:

Agent2Agent (A2A): a proposta da Google para colaboração entre agentes

Durante o evento Google Cloud Next 2025 em Abril deste ano, a Google apresentou o Agent2Agent (A2A), um protocolo também aberto que visa permitir a colaboração segura entre agentes de IA em diferentes ecossistemas, independentemente do framework ou fornecedor. Vocês irão perceber, que diferente do MCP, o A2A está focado na experiência do usuário.

O A2A foi projetado para facilitar:

Colaboração segura: Permitir que agentes de IA compartilhem informações e coordenem ações de forma segura.
Gerenciamento de tarefas e estados: Acompanhar o progresso de tarefas e o estado dos agentes envolvidos.
Negociação de experiências do usuário: Ajustar comportamentos dos agentes com base nas preferências e necessidades do usuário.
Descoberta de capacidades: Identificar e utilizar as habilidades específicas de cada agente participante.

Com o A2A, a Google busca estabelecer um padrão que permita a interoperabilidade entre agentes de IA, promovendo um ecossistema mais integrado e colaborativo. Embora tanto o MCP quanto o A2A visem melhorar a interoperabilidade.

Enquanto o MCP se concentra em como os agentes acessam e utilizam recursos externos, o A2A trata de como os agentes interagem e colaboram entre si. Ambos são complementares e essenciais para a construção de um ecossistema de agentes de IA mais coeso e eficiente. Na figura abaixo, creio que fica mais claro em qual camada cada um destes protocolos é aplicado.

A evolução dos frameworks de agentes de IA vinha esbarrando em um obstáculo estrutural: a ausência de um padrão universal para integração com fontes externas e APIs. Cada framework — seja LangChain, Semantic Kernel, AutoGen ou outros — desenvolveu suas próprias abordagens para conectar-se a dados, ferramentas e serviços, resultando em um ecossistema fragmentado.

O MCP e o A2A representam um salto na arquitetura de sistemas de IA: o primeiro padroniza a relação entre agentes e dados, enquanto o segundo redefine sua colaboração. Juntos, formam um ecossistema onde agentes não são mais "ilhas isoladas", mas partes integradas de uma rede autônoma. Contudo, seu sucesso dependerá de neutralidade técnica e cooperação multilateral — um preço justo para evitar que a história da fragmentação se repita. A princípio, o MCP e A2A são apenas o começo. Uma revolução mais profunda virá quando a comunicação entre agentes for tão fluida quanto a linguagem humana - que também tem toda sua problemática. Fato é, os problemas de amanhã serão outros, quais serão os novos “ruídos de comunicação”? 🕵🏾‍♂ ️ Bora descobrir.