Tag: MCP

Uma IA pode explicar uma rotina Delphi com clareza e ainda assim não conseguir conduzir sua correção até uma entrega confiável. Entre compreender o pedido e terminar o trabalho existem arquivos a localizar, ações a autorizar, testes a executar e resultados a conferir. Quando a tarefa demora, aparece outra dificuldade: retomar o que estava acontecendo sem confundir intenção com progresso.

É nesse espaço que entra o harness de agentes de IA. O termo parece acrescentar mais uma sigla ao vocabulário, mas descreve uma questão bastante familiar a quem desenvolve sistemas: como organizar a execução ao redor de um componente que, sozinho, não resolve todo o processo? Neste artigo, vamos construir o conceito, distinguir suas peças e acompanhar exemplos de programação e trabalho cotidiano.

Este é um capítulo complementar de síntese da série IA na prática. Em vez de repetir cada tecnologia, vamos entender como contexto, ferramentas, validação e continuidade podem compor uma estrutura de trabalho. Os exemplos são propostas didáticas, não integrações executadas nem resultados medidos em um produto.

Se sua dúvida é como transformar uma boa resposta em uma solução que a equipe consiga operar, IA Além da Conversa desenvolve esse percurso: contexto, recuperação de informações, ferramentas, permissões, avaliação e custos. Conheça a proposta e leia a degustação gratuita na página do livro para avaliar se essa abordagem atende ao seu projeto. Para o passo seguinte, conectar capacidades de um ERP em Object Pascal, Delphi na Era dos Agentes apresenta um laboratório com servidor MCP local e MiniERP educacional.

Um assistente recebeu uma tarefa simples: consultar a política comercial e explicar as condições de uma proposta. No meio do documento, porém, existe um trecho que manda alterar o destinatário e considerar a operação aprovada. A pergunta central não é apenas se a inteligência artificial reconhecerá a tentativa. É também se o sistema permitirá que uma frase encontrada em um arquivo se transforme em autorização para agir.

Esse problema sintetiza os principais cuidados da série sobre IA na prática porque reúne as decisões discutidas nos capítulos anteriores: contexto, documentos, ferramentas, testes e supervisão. Quanto mais útil fica uma integração, mais importante é distinguir o que o sistema pode ler daquilo que ele pode executar. Neste artigo, vamos explicar a injeção de instruções, analisar um exemplo fictício e construir critérios para revisar agentes conectados a sistemas empresariais. Não se trata de um teste de invasão nem de uma avaliação de um modelo específico.

Se o agente já lê documentos e usa ferramentas, a próxima decisão é como preservar identidade, permissões e responsabilidade fora da resposta do modelo. IA Além da Conversa aprofunda essas camadas junto com contexto, avaliação e operação. Conheça a proposta e leia a degustação gratuita para avaliar como incorporar esses controles ao desenho da sua solução. Para estudar capacidades delimitadas de um ERP em Object Pascal, Delphi na Era dos Agentes complementa a leitura com contratos, aprovação e um laboratório MCP. Nenhuma dessas leituras é uma garantia de imunidade a ataques.

A pergunta parece simples: “Temos esse produto disponível e podemos preparar um orçamento para o cliente?”. Para respondê-la, uma inteligência artificial precisa de informações que não estão necessariamente em seus documentos ou em seu treinamento. Estoque, cadastro e condições comerciais pertencem ao sistema da empresa. A integração começa a ficar perigosa quando a solução escolhida é entregar ao modelo uma credencial ampla e deixar que ele descubra o que fazer.

Neste oitavo capítulo da série, vamos entender o MCP e acompanhar o desenho de uma capacidade delimitada de um ERP, sistema integrado de gestão empresarial. O percurso parte dos conceitos, passa pelos contratos de entrada e saída e chega aos critérios de autorização, aprovação e teste. O exemplo é fictício: não representa uma integração executada nem um servidor pronto para produção.

Para sair do desenho da integração e estudar sua implementação em Object Pascal, Delphi na Era dos Agentes apresenta um servidor MCP local sobre um MiniERP educacional, com contratos, aprovação, testes e observabilidade. Conheça a proposta e leia a degustação gratuita para avaliar esse percurso antes de expor capacidades do seu sistema. O laboratório não dispensa a conferência da especificação vigente nem os controles exigidos pelo seu ambiente. Para aprofundar as decisões de arquitetura, identidade e permissões ao redor do modelo, a leitura complementar é IA Além da Conversa.

Em muitos projetos, uma demanda chega com aparência de instrução suficiente: “incluir um campo”, “validar o cadastro”, “expor uma API” ou “automatizar uma rotina”. A implementação pode começar em minutos, especialmente quando há uma ferramenta de IA pronta para sugerir classes, métodos, SQL e testes. O problema não é a velocidade em si. É a possibilidade de acelerar uma interpretação que nunca foi confirmada.

Uma demanda curta quase sempre contém decisões ocultas. O que exatamente deve acontecer? Para quem? Em quais condições? O que conta como erro? Que dados não podem ser alterados? Qual tela, serviço ou processo legado será afetado? Sem respostas, o código pode estar sintaticamente correto e, ainda assim, materializar um comportamento inadequado.

O desenvolvimento orientado por especificação — frequentemente resumido como SDD, de Specification-Driven Development — propõe inverter uma ordem comum: antes de pedir código, define-se o comportamento que o software deve apresentar e as condições pelas quais esse comportamento será considerado aceitável. Código, arquitetura, testes e contribuições de IA passam a responder a essa referência.

Isso não exige transformar toda demanda em um documento extenso. Exige reduzir ambiguidades relevantes, tornar decisões inspecionáveis e construir uma cadeia entre intenção, implementação e verificação. Em Delphi, essa prática é útil tanto em aplicações visuais VCL e FireMonkey quanto em APIs, integrações e sistemas legados.

Conheça o livro e leia uma degustação: acesse a página oficial de SDD em Delphi.

Um ERP concentra informações e regras que sustentam a operação de uma empresa: cadastro de clientes, catálogo de produtos, estoque, faturamento, políticas comerciais e rotinas administrativas. Ao mesmo tempo, agentes de IA estão mudando a expectativa sobre como as pessoas consultam e operam sistemas. Em vez de navegar por múltiplas telas, o usuário pode formular uma intenção: “quais produtos estão abaixo do estoque mínimo?” ou “prepare um orçamento para este cliente”.

A aparente simplicidade dessas perguntas esconde uma questão de arquitetura. Um agente não deveria receber acesso genérico ao banco de dados, nem ser estimulado a reproduzir por tentativa e erro as regras que o ERP já possui. Tampouco faz sentido transformar cada detalhe interno do sistema em uma ferramenta disponível para um modelo de linguagem.

O caminho mais seguro e sustentável é expor capacidades delimitadas, com contratos claros e controles proporcionais ao risco. Nesse cenário, o Model Context Protocol (MCP) oferece uma forma de apresentar ferramentas, recursos e instruções para clientes compatíveis, enquanto o ERP permanece como fonte de verdade para suas regras de negócio.

Conheça o livro: Delphi na Era dos Agentes.

Quando publiquei o artigo sobre o RadIA 2.15, o projeto já havia deixado de ser apenas uma janela de conversa dentro do Delphi. Aquela versão reunia validação de código, refatoração semântica, diagnóstico do depurador, automação VCL e uma política mais clara para operações capazes de modificar um projeto.

Pouco mais de um mês depois, o número da versão chegou a 2.17.18. Seria fácil contar essa história como uma sucessão de funcionalidades, mas isso esconderia o aprendizado mais importante. O RadIA ampliou o que consegue fazer, porém a mudança mais profunda ocorreu na forma como essas capacidades são testadas, recuperadas quando algo dá errado e ajustadas a partir da experiência de quem usa o Delphi todos os dias.

Entre as tags v2.15.0, de 16 de agosto de 2026, e v2.17.18, de 29 de setembro, o histórico público do projeto registra 206 commits e mudanças em 292 arquivos, com 30.775 linhas adicionadas e 2.278 removidas. Números não medem qualidade por si sós, mas revelam a extensão do trabalho: a evolução alcançou o núcleo agentivo, a integração com a IDE, a interface, a documentação, o instalador e, sobretudo, os testes.

A ferramenta amplia as possibilidades, mas uma mudança confiável ainda começa por explicar o que deve ser feito e como conferir o resultado. SDD em Delphi aprofunda esse método com especificações, contratos, critérios de aceite e ligação entre implementação e testes. Conheça a proposta e leia a degustação gratuita para avaliar como orientar suas próximas tarefas com apoio de IA. Quando essas tarefas envolvem um sistema existente que precisa continuar funcionando, Delphi Vivo complementa o percurso com modernização incremental e proteção de comportamentos. São leituras sobre engenharia, não manuais desta versão do RadIA.

Um chatbot pode impressionar em poucos minutos. Ele resume um texto, explica um procedimento, sugere uma mensagem e responde com fluência a perguntas formuladas de maneiras diferentes. Essa capacidade é útil, mas não resolve, por si só, o problema de colocar inteligência artificial em uma atividade real de uma organização.

Uma solução operável precisa lidar com questões que não aparecem necessariamente na tela de conversa: de onde vêm as informações, quais delas estão atualizadas, quem pode vê-las, quando o sistema pode executar uma ação, como registrar o que aconteceu, como verificar a qualidade das respostas e como manter custos e riscos sob controle. O modelo é uma parte relevante do sistema, mas não é o sistema inteiro.

A diferença importa porque decisões de arquitetura tomadas cedo podem ampliar a complexidade sem melhorar o resultado. Em outros casos, uma implementação simples demais cria respostas sem evidência, acesso inadequado a dados ou automações que ninguém consegue auditar. O objetivo não deve ser construir o sistema mais sofisticado. Deve ser escolher a menor arquitetura capaz de produzir valor verificável, com segurança, governança e observabilidade.

Conheça o livro e leia uma degustação: acesse a página oficial de IA Além da Conversa.

Em 17 de setembro de 2026 participei do episódio “Produtividade Pro: IA na Prática com Delphi, Lazarus e ACBr”, do Papo Pro ACBr. A conversa, com pouco mais de uma hora, passou por ferramentas, código legado, agentes, segurança e formação profissional, mas uma ideia conecta todos esses assuntos: inteligência artificial só produz ganho sustentável quando está inserida em um processo de engenharia que define o trabalho, limita o escopo e verifica o resultado.

Esse ponto merece atenção porque o debate sobre IA costuma começar pela ferramenta ou pelo chamado “prompt perfeito”. Para quem mantém um ERP em Delphi, desenvolve com Lazarus ou integra documentos fiscais por meio do ACBr, porém, o problema real raramente cabe em uma pergunta isolada. Há regras de negócio acumuladas durante anos, dependências visuais, bancos de dados, serviços externos e obrigações fiscais que não admitem uma resposta apenas plausível. Neste artigo, organizo os principais aprendizados do episódio e mostro como convertê-los em um fluxo de adoção prático, com critérios para especificação, validação, segurança e evolução da equipe.

Se sua dificuldade é transformar um pedido à IA em trabalho que possa ser conferido, SDD em Delphi aprofunda especificações, contratos e critérios de aceite ligados a código e testes. Consulte o sumário e a degustação gratuita na página do livro para avaliar essa base de engenharia. Ao longo deste artigo, outras leituras complementam os temas de manutenção e integração, conforme a necessidade.

A Embarcadero lançou em 17 de setembro de 2026 o RAD Studio 13.2 Florence, acompanhado do Delphi 13.2 e do C++Builder 13.2. A atualização chega seis meses depois da versão 13.1 e concentra esforços em compiladores, desempenho, Linux, Windows on Arm, produtividade dentro da IDE, interfaces modernas e integração com inteligência artificial. Há novidades visíveis, como controles VCL e o Navigator, mas as mudanças mais profundas estão na infraestrutura de compilação.

Para uma equipe que mantém aplicações reais, uma lista de recursos não responde à pergunta mais importante: vale atualizar agora? A resposta depende dos alvos usados, dos componentes de terceiros e da maturidade dos testes do projeto. Este artigo organiza as novidades por impacto, separa medições do fabricante de resultados que ainda precisam ser confirmados em cada base de código e propõe um roteiro de avaliação que não exige colocar a produção em risco.

A inteligência artificial está mudando a forma como interagimos com o software. Mas, quando esse software é um ERP, uma conversa não pode ser confundida com permissão para consultar, alterar ou confirmar qualquer coisa.

Foi dessa tensão entre inovação e responsabilidade que nasceu Delphi na Era dos Agentes: Construa servidores MCP e conecte sistemas e ERPs à Inteligência Artificial, meu novo livro, já disponível em edição impressa e no Kindle.

Quem trabalha com Delphi sabe que sistemas corporativos acumulam muito mais do que código. Eles concentram anos de regras de negócio, validações, decisões e conhecimento sobre a operação das empresas. A chegada dos agentes de IA cria uma oportunidade real de tornar essas capacidades acessíveis por interfaces mais naturais — sem precisar substituir aplicações maduras nem entregar o banco de dados diretamente a um modelo.

Desde o ultimo artigo, publicado na versao 2.3.0, o RadIA deixou de ser apenas uma plataforma com contexto compactado e avancou para uma experiencia agentiva mais completa dentro do Delphi. A sequencia 2.3.1 ate 2.6.2 trouxe rotas de execucao mais claras, ChatGPT Pro via Codex CLI, terminal de alta fidelidade, publicacao de skills para CLIs, criacao de projetos por prompt, validacao com build, debugger e DUnitX, alem de correcoes importantes de usabilidade e instalacao.

No artigo da versao 2.3.0, o foco principal foi o RTK interno do RadIA: uma camada para reduzir o volume de resultados enviados ao modelo sem perder a evidencia original. Aquela entrega tratava um problema essencial para agentes de IA: contexto nao e infinito, e um runtime serio precisa saber o que deve lembrar, o que pode resumir e o que precisa preservar integralmente.

De la para ca, o RadIA evoluiu em outra direcao igualmente importante: transformar essa base agentiva em uma experiencia mais pratica, mais visivel e mais proxima do trabalho diario no Delphi.

Entre as versoes 2.3.1 e 2.6.2, o projeto avancou em cinco frentes:

O resultado e um RadIA menos dependente de explicacao previa. O usuario pode conversar, pedir uma acao, criar um projeto, aprovar um plano, ver a IDE trabalhar, acompanhar build, testes e debugger, e conferir a versao instalada nas proprias janelas.

O RadIA 2.2.2 transforma comandos de automação em jornadas guiadas que preservam o contexto, adiciona geração de servidores DEXT minimalistas ou com controllers e deixa a configuração de modelos, CLI e MCP muito mais clara.

O RadIA é open source. Código-fonte, documentação, histórico e instruções de compilação estão no repositório oficial no GitHub.

Se você acompanha o desenvolvimento do RadIA, sabe que o nosso objetivo nunca foi criar apenas mais uma janela de chat dentro do Delphi. A proposta é usar inteligência artificial para executar fluxos reais de desenvolvimento: entender o projeto aberto, propor um plano, criar ou alterar arquivos, compilar, executar testes e apresentar evidências do resultado.

A versão 2.2.2 avança justamente nessa direção. Ela introduz jornadas conversacionais para criação de APIs DEXT, melhora a descoberta dos recursos do próprio plugin e resolve pontos importantes de previsibilidade na seleção de modelos, no limite de tokens e na configuração de CLI e MCP.

Em outras palavras: o RadIA ficou mais fácil de descobrir, mais claro de configurar e mais seguro de usar em tarefas longas.

O projeto mcp-brasil (desenvolvido por jxnxts) é um servidor que implementa o Model Context Protocol (MCP), permitindo que IAs como o Claude Desktop consumam dados de 27 APIs públicas brasileiras.

Diferente de uma integração comum de CEP ou CNPJ, este projeto abre as portas para que assistentes inteligentes "entendam" o cenário político, econômico e jurídico do país em tempo real, servindo como uma ferramenta poderosa para sistemas de auditoria e gestão.