MCP no Brasil: o ecossistema e por que precisamos de servidores próprios

Quando um desenvolvedor brasileiro pesquisa "MCP no Brasil", a resposta depende de qual MCP ele procura. A sigla em si, representa coisas muito distintas: um movimento social, uma transportadora, o código do aeroporto de Macapá e módulos de automação. Este artigo trata de outro MCP: o Model Context Protocol, o padrão que conecta modelos de IA a dados e ferramentas externas.

E aqui existe uma lacuna concreta. O ecossistema MCP brasileiro já começou a se formar, mas ele é dominado por servidores de dados públicos mantidos pela comunidade. A camada seguinte, a de dados de mercado confiáveis, em grau de produção e com conformidade, ainda depende de infraestrutura própria. Este texto mapeia o que já existe e explica por que servidores próprios, brasileiros e da própria organização, se tornam necessários.

O que é MCP no Brasil

MCP, no contexto de tecnologia, é o Model Context Protocol: um padrão aberto criado pela Anthropic em novembro de 2024 para conectar modelos e agentes de IA a fontes externas de dados e ferramentas. "MCP no Brasil" significa usar esse protocolo com dados e serviços brasileiros, de consultas de CNPJ a cotações da bolsa.

A analogia mais usada para o protocolo é a de uma porta USB-C para IA. Em vez de construir uma integração sob medida para cada modelo e cada fonte de dados, você expõe um servidor MCP uma vez e qualquer cliente compatível passa a acessá-lo.

Como o protocolo funciona, em resumo

O MCP organiza a integração em três papéis. O host é a aplicação de IA com que a pessoa interage, como um assistente de chat ou um ambiente de código. O cliente é o conector dentro do host, responsável por falar com um servidor. O servidor é o processo externo que expõe dados e capacidades.

O servidor oferece três primitivas:

• Ferramentas (ações que o modelo pode executar);
• Recursos (dados de leitura);
• Prompts (templates reutilizáveis).

As mensagens trafegam em JSON-RPC 2.0. Há dois transportes padrão: stdio, para servidores locais na mesma máquina, e Streamable HTTP, para servidores remotos sobre HTTPS.

Para o leitor que quer o funcionamento detalhado do protocolo, a definição completa fica em nosso artigo dedicado ao tema. Aqui, o essencial é entender que qualquer provedor de dados que publique um servidor MCP fica acessível em todo o ecossistema de clientes, de assistentes de chat a ferramentas de desenvolvimento.

O estado do MCP hoje: governança neutra e registro oficial

O MCP deixou de ser um projeto de uma única empresa. Em dezembro de 2025, a Anthropic doou o protocolo à Agentic AI Foundation, um fundo sob a Linux Foundation, cofundado com Block e OpenAI e com apoio de Google, Microsoft, AWS, Cloudflare e Bloomberg. Na prática, isso significa governança neutra e maior estabilidade para quem constrói em cima do padrão.

A especificação evolui por revisões datadas. A versão estável atual é a de 25 de novembro de 2025. Há uma revisão seguinte, identificada como 28 de julho de 2026, ainda em fase de release candidate e com publicação final prevista para o fim de julho de 2026, que reorganiza o núcleo do protocolo e formaliza extensões. Como ainda não é a versão final, ela deve ser tratada como prevista, não como consolidada.

Sobre a escala do ecossistema, os números são grandes, mas mudam rápido e devem ser lidos com data. Em sua atualização de ecossistema de dezembro de 2025, a Anthropic reportou mais de 10 mil servidores MCP públicos ativos. A mesma empresa citou, em janeiro de 2026, cerca de 97 milhões de downloads mensais dos SDKs em TypeScript e Python. Existe ainda um registro oficial de servidores, o MCP Registry, lançado em preview em setembro de 2025, que funciona como catálogo canônico de metadados para descoberta de servidores.

Esse é o pano de fundo. A pergunta prática para quem está no Brasil é outra: o que já existe com dados nacionais?

O ecossistema MCP brasileiro: os servidores de dados públicos

Existe um ecossistema brasileiro real e em crescimento. Hoje, ele é formado principalmente por servidores comunitários, open source, voltados a dados públicos.

Alguns exemplos relevantes:

• Mcp-Brasil ("Dados do Brasil"): servidor open source sob licença MIT que, conforme o próprio repositório, reúne centenas de ferramentas cobrindo dezenas de fontes oficiais, entre elas IBGE, BACEN, Câmara, TSE e Portal da Transparência. Datasets maiores ficam em cache local para consulta.
• MCP DadosBR: focado em consultas de dados públicos como CNPJ, CEP, contratos governamentais, processos judiciais, taxas do Banco Central e dados de saúde, organizado por domínios como transparência, jurídico, empresas e saúde. Usa fontes como Portal da Transparência, CNJ Datajud, BACEN e CNES.
• brasil-data-mcp e mcp-brasil-api: servidores apoiados na BrasilAPI, que expõem CNPJ, CEP, bancos, feriados, câmbio, taxas econômicas e corretoras da CVM, com dados oficiais e sem exigir chave.

Dois pontos merecem atenção!

Primeiro, todos esses projetos são independentes. Os repositórios deixam claro que não têm vínculo institucional com o governo nem endosso das empresas de IA. A palavra "Brasil" no nome se refere ao objeto, os dados públicos brasileiros, e não a qualquer parceria oficial.

Segundo, esses servidores trazem avisos de uso. Projetos de dados públicos costumam alertar sobre uso comercial, em período eleitoral ou envolvendo dados sensíveis, referenciando obrigações como a LGPD. Isso não os torna menos úteis, mas marca uma fronteira: são excelentes para exploração e consulta de dados abertos, e exigem cuidado quando o uso é comercial ou de produção.

A camada profissional de dados de mercado

Dados públicos abertos resolvem uma parte do problema. A outra parte, dados de mercado confiáveis, em grau de produção, exige uma camada diferente.

A diferença é estrutural. Servidores de dados públicos se apoiam em APIs abertas e gratuitas. Já dados de mercado brasileiros nem sempre são abertos. A B3, por exemplo, não oferece uma API pública e aberta para uso geral: o acesso institucional é contratual, e a bolsa comercializa market data licenciado a vendors. Isso significa que quem precisa de cotações, fundamentos e séries históricas confiáveis, com direitos de uso definidos, depende de uma camada profissional, não apenas de servidores comunitários.

É nesse recorte que a Partnr se posiciona. A empresa expõe, via API REST e via servidor MCP, dados fundamentalistas, indicadores macroeconômicos, cotações e notícias do mercado financeiro brasileiro, a partir de fontes oficiais como CVM, B3, BACEN e IBGE, com cobertura das empresas listadas na B3 e mais de 150 indicadores.

O ponto prático é que um agente de IA pode consultar o ROE de uma ação ou a série da Selic diretamente na conversa, com dado estruturado e origem definida, sem scraping nem planilha intermediária.

O ecossistema financeiro brasileiro com MCP não se resume a um provedor, e há outras iniciativas no mesmo espaço. O que interessa aqui não é a comparação entre fornecedores, mas a distinção de natureza: dados públicos abertos e dados de mercado licenciados são camadas diferentes, com exigências diferentes de confiabilidade e de direitos de uso.

A tabela abaixo resume os dois grupos.

Por que precisamos de servidores próprios

Chegamos à tese. "Servidores próprios" tem duas leituras, e as duas se sustentam.

A primeira é servidores brasileiros, para dados brasileiros. A maior parte do tooling e dos dados de referência da IA é centrada nos Estados Unidos. Um dos próprios projetos brasileiros observa que as ferramentas de IA são geralmente treinadas e demonstradas com dados americanos, como ZIP code, EIN e rastreamento FedEx.

Quando o desenvolvedor brasileiro quer perguntar sobre um CNPJ, um CEP ou uma cotação da B3, ele cai no scraping, monta integração no braço ou desiste.

Servidores brasileiros resolvem cobertura e contexto local que servidores genéricos não entregam.

A segunda é servidores próprios da organização, sobre dados licenciados ou sensíveis. Quando o dado é de mercado, contratado, ou envolve informação sensível sob a LGPD, rodar o servidor sob seu próprio controle é o que dá governança sobre residência de dados, conformidade, confiabilidade de produção e direitos de redistribuição. Não é a mesma coisa que apontar um agente para um servidor público de terceiros.

As duas leituras convergem em um único ponto: depender apenas de tooling estrangeiro e de dados abertos de terceiros é suficiente para explorar, mas não para operar. Quem constrói produto, análise ou automação em produção precisa de uma base sobre a qual tenha controle e direitos claros. É isso que os servidores próprios oferecem.

É importante destacar que servidores públicos comunitários seguem sendo valiosos, e nem todo caso de uso exige uma camada licenciada. A tese aqui é de adequação: para produção e para dados de mercado, a infraestrutura própria deixa de ser opcional.

O que falta no ecossistema e para onde ele caminha

O ecossistema MCP brasileiro está na fase de formação, e isso aparece nas lacunas.

Falta profundidade em dados de mercado acessíveis via MCP em grau de produção, algo que a camada profissional começa a preencher. Falta padronização de governança e de direitos de uso, hoje resolvida caso a caso nos avisos de cada projeto. E falta descoberta madura, embora o registro oficial de servidores ajude a organizar isso no nível global.

A direção, porém, é clara.

Com o protocolo sob governança neutra e adoção ampla entre os principais clientes de IA, publicar um servidor MCP brasileiro passa a colocar aquele dado ao alcance de todo o ecossistema. A pergunta deixa de ser se vale a pena ter servidores próprios e passa a ser quais dados brasileiros ainda faltam ser expostos com a confiabilidade que produção exige.

Conclusão

O ecossistema MCP brasileiro já existe, mas está concentrado em servidores comunitários de dados públicos, ótimos para explorar e consultar dados abertos. A camada seguinte, a de dados de mercado confiáveis, em grau de produção e com conformidade, é o que ainda depende de infraestrutura própria.

Por isso a resposta à pergunta do título é dupla. Precisamos de servidores brasileiros, porque o tooling e os dados de referência da IA são majoritariamente estrangeiros. E precisamos de servidores próprios, porque dados de mercado e informações sensíveis exigem controle, direitos e confiabilidade que servidores públicos de terceiros não garantem. Para quem vai além da exploração e coloca IA em produção sobre dados brasileiros, essa base própria deixa de ser um luxo e passa a ser requisito.