Material complementar:

• Conteúdo no YouTube (MCP): Acesse

MCP:

Model Context Protocol é conector e padronizador entre modelos de IA e dados, atribuindo padrões de conexão/features e limites de resposta, permitindo controle e personalização do que IA pode fazer e como fazer. Possibilita que diferentes modelos de IA integram-se padronizadamente com diferentes fontes de dados, proporcionando experiência mais consistente, personalizada e segura. Técnicamente, MCP atua como receptor de requisições do modelo de IA, redirecionando-as, via endpoints, para fontes de dados apropriadas e respostas específicas.

• Sem MCP: modelo de IA comunica-se especificamente com cada fonte de dados, de formas diferentes, sem limites nem padronização de resposta;
• Com MCP: modelo de IA comunica-se padronizadamente com servidor MCP, que conecta-se padronizadamente com diferentes fontes de dados, proporcionando respostas com dados de forma personalizada e limitada nos padrões definidos.

Componentes de servidor MCP:

1. Tools: como extensões do servidor para IAs (ex: tool para buscar arquivos, tool para consultar API, tool para executar SQL);
2. Resources: dados disponíveis ao modelo de IA, já prontos em cotexto, dispensando buscas (como uma apostila pra IA consultar sempre que precisar);
3. Prompts: o que IA realmente vê, contexto final que chega no modelo, já montando com contexto do usuário, resources relevantes e tools disponíveis. Baseado nesse prompt, IA gerará resposta.

Fluxo de funcionamento: Usuário pede à IA, que contata servidor, que busca dados e retorna à IA, e então ao usuário. De forma simples, modelo LLM IA diz ao servidor MCP "Busca no BD e gere relatório", e servidor MCP realiza todas tarefas solicitadas no dataset alvo (BD).

1. Usuário envia pergunta em prompt;
   • Prompt "Qual o status dos pedidos de hoje?".
2. Modelo LLM IA recebe prompt com contexto;
   • Modelo LLM recebe prompt junto com informações de contexto (histórico de pedidos).
3. Servidor MCP consulta Context Agent;
   • MCP encaminha prompt para Context Agent, responsável por acessar dados específicos.
4. Context Agent conecta com serviço real (local dos dados);
   • Context Agent faz consulta SQL no banco de dados local de pedidos ou em sistema ERP.
5. Resposta volta para modelo LLM IA;
   • Context Agent retorna dados encontrados para modelo LLM IA.
6. Modelo LLM IA gera resposta final, em linguagem natural, ao usuário.
   • Resposta: "Hoje, 12 pedidos foram concluídos e 3 estão em processamento".

EM BREVE: protocolos A2A, RAG, ML, DL, LLM. N8N. Machine Learning e Deep Learning, agentes autônomos e modelos.

A2A (Agent-to-Agent):

A2A (Agent-to-Agent), comunicação entre agentes autônomos. Em Inteligência Artificial distribuída, agentes são entidades de software que atuam de forma autônoma, tomam decisões, comunicam-se com outros agentes e cooperam ou competem para atingir objetivos. A comunicação é central em sistemas multiagentes (MAS). Protocolo utilizado para comunicação é XMPP (Extensible Messaging and Presence Protocol), via XML, onde cada agent possui 'nome@servidor'. Framework SPADE utiliza tal protocolo, onde cada agent conecta-se a servidor, possibilitando enviar e receber mensagens.