Agentes de IA em produção: o que o MCP resolve (e o que ele não resolve)

Passei as últimas semanas mergulhado no MCP (Model Context Protocol)
tentando entender se ele realmente resolve o problema de integração
de agentes, ou se é só mais uma camada de abstração que vai
fragmentar em implementações vendor-specific.

A promessa faz sentido: agentes precisam de acesso contextualizado
a CRMs, ERPs e APIs internas — e sem protocolo padronizado, cada
integração é um projeto custom.

O que o MCP resolve bem:

• Padroniza a camada de comunicação entre LLMs e sistemas externos
• Permite auditoria e controle de acesso centralizados
• Reduz o problema de silos de dados em empresas com múltiplos sistemas

O que ainda é problema:

• Silos de dados muitas vezes são de governança e política, não de protocolo
• A superfície de segurança de expor sistemas internos a um agente é enorme
• Orquestração multi-agente ainda está mal definida no spec

O que me preocupa no longo prazo:
O roadmap de 2026 foca em escalabilidade e governança enterprise —
linguagem que geralmente significa "ainda não está pronto pra produção
de verdade". 62% das empresas dizem estar "experimentando" agentes
com MCP. Isso é muito experimento e pouca produção.

Escrevi um guia detalhado sobre isso com dados de 2026 aqui:
algoritmodiario.com/noticias/agentes-de-ia-e-mcp-revolucao-produtividade-2026

Alguém aqui já colocou MCP em produção de verdade? O que quebrou?