Anthropic doa o MCP e lança a Agentic AI Foundation

Introdução

A Agentic AI Foundation, criada em 9 de dezembro de 2025 sob a Linux Foundation, nasce com a doação do Model Context Protocol, o MCP, pela Anthropic, e com contribuições de OpenAI e Block, além do apoio de Google, Microsoft, AWS, Cloudflare e Bloomberg. A palavra-chave aqui é Agentic AI Foundation, um consórcio voltado a padrões abertos para agentes de IA e interoperabilidade entre ferramentas, sem dependência de um único fornecedor.

O movimento tem dois efeitos imediatos. Primeiro, amplia a governança neutra de um protocolo já adotado de forma ampla por produtos como ChatGPT, Cursor, Gemini, Microsoft Copilot e Visual Studio Code. Segundo, agrega projetos ancorados em casos reais, como o AGENTS.md da OpenAI e o goose da Block, oferecendo um caminho claro para que agentes de IA operem com previsibilidade, segurança e portabilidade.

O artigo aprofunda o que é o MCP, por que a Agentic AI Foundation importa, quais são as implicações técnicas para times de produto e engenharia, e como esses padrões podem destravar pilotos de agentes em produção.

O que muda com a doação do MCP

O MCP foi introduzido para padronizar a conexão entre modelos, agentes e sistemas externos, como bancos de dados, ferramentas internas e APIs. Com a doação, o projeto passa a ter guarda sob a Linux Foundation por meio da Agentic AI Foundation, com governança comunitária e neutralidade de fornecedor. A Anthropic destaca que o modelo de governança do MCP permanece inalterado e que o objetivo é manter o projeto aberto, neutro e orientado pela comunidade.

Em termos de adoção, os números publicados pela Anthropic são expressivos. O ecossistema contabiliza mais de 10 mil servidores MCP públicos ativos, cobrindo desde ferramentas de desenvolvedor até implantações em empresas Fortune 500. O protocolo já é suportado por provedores de nuvem como AWS, Google Cloud, Microsoft Azure e pela Cloudflare, o que reduz atritos operacionais na implantação. Além disso, há SDKs oficiais em Python e TypeScript, com mais de 97 milhões de downloads mensais.

Outro ponto prático é a integração com a plataforma Claude, incluindo diretório com mais de 75 conectores e novas capacidades como Tool Search e Programmatic Tool Calling, recursos projetados para reduzir latência e orquestrar milhares de ferramentas em fluxos complexos no ambiente de produção. Para equipes que lutam com gargalos de performance, esse tipo de otimização tem impacto direto na experiência do usuário e no custo por tarefa.

A própria Linux Foundation traz histórico robusto ao abrigar projetos críticos como Linux Kernel, Kubernetes, Node.js e PyTorch, argumento central para dar longevidade e neutralidade ao MCP. Para quem precisa de garantias de governança, isso é tão relevante quanto os ganhos técnicos.

![Logo Anthropic, doadora do MCP]

A criação da Agentic AI Foundation, quem está por trás e por quê

A Agentic AI Foundation foi cofundada por Anthropic, Block e OpenAI, com apoio público de Google, Microsoft, AWS, Cloudflare e Bloomberg. O objetivo declarado é promover padrões abertos, interoperabilidade e segurança em agentes de IA, oferecendo uma casa neutra para projetos que já nasceram com uso difundido. Essa coalizão amplia o pluralismo técnico e reduz o risco de fragmentação de ecossistemas em soluções fechadas.

A OpenAI, por exemplo, anunciou a cofundação da AAIF no mesmo 9 de dezembro de 2025 e doou o AGENTS.md, um formato simples em Markdown para fornecer instruções e contexto específicos do projeto aos agentes. Segundo a empresa, o AGENTS.md já foi adotado por mais de 60 mil projetos open source e frameworks de agentes, o que reforça um movimento de padronização de práticas de engenharia assistida por IA.

A Block contribuiu com o goose, um agente open source e extensível, capaz de instalar dependências, executar, editar e testar com qualquer LLM, além de integrar-se ao MCP. A presença de um agente prático e local, com CLI e app, oferece um exemplo real de como padrões e ferramentas podem se combinar para acelerar entregas de engenharia com governança e rastreabilidade.

No entorno, a Linux Foundation também havia anunciado em junho de 2025 o Agent2Agent, protocolo aberto criado pelo Google para comunicação segura entre agentes. O A2A complementa a visão de interoperabilidade, ao focar na troca de mensagens entre agentes e na colaboração confiável em ambientes corporativos. Embora o A2A não seja parte do anúncio da AAIF, o contexto mostra uma fundação alinhada a padrões que evitam dependência de stacks proprietários.

![Logo da Linux Foundation, casa neutra da AAIF]

Como o MCP facilita integrações em escala

Na prática, o MCP define contratos claros para que um agente de IA descubra, invoque e gerencie ferramentas de forma consistente, independentemente da linguagem ou do provedor de nuvem. Em ambientes corporativos, onde coexistem APIs legadas, filas de eventos, data warehouses e sistemas de autorização, um protocolo neutro reduz o acoplamento e a necessidade de adaptações ad hoc. O resultado costuma ser menos retrabalho e uma trilha de auditoria mais clara.

A adoção cruzada por plataformas como ChatGPT, Gemini e Microsoft Copilot funciona como prova social técnica. Quando múltiplos fornecedores implementam o mesmo padrão, surgem bibliotecas, SDKs, conectores e boas práticas convergentes, o que encurta o caminho entre o protótipo e a operação em produção. É por isso que a combinação entre MCP e a governança da AAIF importa para líderes técnicos e de negócio.

Recursos recentes do ecossistema reforçam essa direção. A versão de especificação de 25 de novembro trouxe operações assíncronas, statelessness, identidade de servidor e extensões oficiais, elementos chave para resiliência e segurança em pipelines de agentes. Quando somados a diretórios de conectores e a capacidades de descoberta e orquestração de ferramentas, esses avanços diminuem a fricção para quem precisa escalar casos de uso que envolvem muitas integrações.

Padrões complementares, do AGENTS.md ao goose

O AGENTS.md resolve um problema simples, porém frequente, que é orientar agentes de coding sobre como contribuir em um repositório específico. Em vez de confiar em inferências frágeis, o arquivo define, em linguagem humana e padronizada, instruções de build, testes, estilo de código e requisitos de segurança. O ganho é previsibilidade, algo que reduz incidentes e acelera code reviews. A OpenAI reporta que desde agosto de 2025 o formato foi adotado por mais de 60 mil projetos e frameworks de agentes, incluindo ferramentas populares como Cursor e VS Code.

O goose, por sua vez, posiciona-se como um agente local e extensível que automatiza tarefas de engenharia de ponta a ponta. A integração nativa com MCP sugere um caminho prático para times adotarem o protocolo junto de um agente que já sabe instalar dependências, executar testes e orquestrar fluxos. Para quem busca pilotos de valor rápido em modernização de aplicações, refatoração guiada por testes ou manutenção de pipelines de dados, essa combinação é um ponto de partida sólido.

A leitura de imprensa especializada reforça o recado estratégico. Em dezembro de 2025, publicações como TechCrunch e WIRED cobriram a formação da AAIF como um marco para evitar a fragmentação em produtos incompatíveis e consolidar o básico do encanamento da era dos agentes, algo essencial para o salto de experimentos para produção.

Benefícios práticos para times de produto, engenharia e segurança

• Interoperabilidade real. Ao adotar o MCP, times podem conectar agentes a ferramentas internas e externas sem ficar presos a SDKs proprietários. Isso encurta o ciclo de integração e diminui o custo de troca de fornecedor.
• Governança e auditabilidade. Padrões abertos facilitam rastrear quem chamou qual ferramenta, com quais parâmetros, e por quê. Para times de GRC e Auditoria, essa visibilidade apoia requisitos de conformidade.
• Ecossistema que já existe. Adoção por ChatGPT, Gemini, Copilot e VS Code, suporte de AWS, Google Cloud, Azure e Cloudflare, e dezenas de conectores prontos encurtam o caminho para pilotos em produção.
• Velocidade com controle. Capacidades como Tool Search e Programmatic Tool Calling ajudam a reduzir latência em fluxos com muitas ferramentas, mantendo controle sobre quem pode fazer o quê.
• Portabilidade de instruções. O AGENTS.md torna previsível o comportamento de agentes de coding em repositórios diversos, reduzindo surpresas em builds e testes.

Roteiro de adoção, do piloto à produção

Começar pequeno, com um caso de uso bem delimitado, é uma escolha pragmática. Um piloto típico pode envolver um agente responsável por automatizar tarefas de manutenção em um serviço interno, por exemplo, atualização de dependências, execução de testes, abertura de PRs com relatórios e integração com um sistema de tickets. Nesse cenário, o MCP serve para publicar ferramentas, e o AGENTS.md para orientar o agente sobre padrões de contribuição e segurança do repositório.

Etapas sugeridas para 30 a 60 dias de prova de valor:

1. Mapear integrações. Liste as ferramentas internas e externas que o agente precisará acionar, como repositório Git, CI, scanner de vulnerabilidades e sistema de mudanças.
2. Publicar servidores MCP. Exponha essas ferramentas via servidores MCP com autenticação e escopo mínimos necessários.
3. Instrumentar logs e métricas. Acompanhe taxa de sucesso por ferramenta, latência e eventos de fallback, criando SLOs desde o piloto.
4. Definir políticas de autorização. Aplique controles de acesso por ação, registro e horário, com aprovação humana quando necessário.
5. Documentar repositórios com AGENTS.md. Especifique comandos, padrões de commit, cobertura de testes e diretrizes de segurança.
6. Ensaiar incidentes. Simule falhas de ferramenta e indisponibilidade de integrações para validar resiliência e processos de rollback.

A partir de resultados positivos, o passo seguinte é escalar o número de servidores MCP e consolidar um catálogo interno de ferramentas, preferencialmente usando o registro comunitário do projeto. A presença de SDKs maduros e o suporte multinuvem ajudam a evitar bloqueios de arquitetura e a preparar o terreno para auditorias formais.

Riscos, limitações e como mitigá-los

Padrões não eliminam riscos, apenas os tornam mais gerenciáveis. Adoção ampla traz ganhos de interoperabilidade, porém também cria dependência de boas práticas da comunidade. Mitigações claras incluem testar upgrades de especificação em ambientes espelho, versionar contratos de ferramenta e manter controles de rate limiting, quotas e limites de escopo por credencial.

Outra limitação comum é a heterogeneidade das ferramentas legado. Em repositórios grandes, o AGENTS.md precisa ser mantido com disciplina para refletir a realidade do build, dos testes e das políticas de segurança. Times maduros tratam esse arquivo como parte do Definition of Done, com validações automatizadas no CI.

O que observar nos próximos meses

• Evolução do registro comunitário de servidores MCP e a entrada de novos conectores corporativos. A velocidade com que provedores e ISVs publicam integrações será um bom termômetro da saúde do ecossistema.
• Casos de uso em larga escala com goose e outros agentes compatíveis, principalmente em fluxos de desenvolvimento e operações. A maturidade de integrações com MCP deve acelerar automações de ponta a ponta.
• Participação de novas empresas na AAIF. Anúncios de membros de lançamento, como o da Shinkai, sugerem que o pool de contribuintes deve crescer, o que tende a fortalecer a governança e a diversidade de casos.
• Convergência com outros esforços de padronização, como o Agent2Agent da Linux Foundation, voltado a comunicação entre agentes. Projetos que se complementam podem reduzir atrito entre times e plataformas.

Conclusão

A doação do MCP e a criação da Agentic AI Foundation representam um passo consistente rumo a um ecossistema de agentes de IA aberto, interoperável e seguro. A governança neutra da Linux Foundation, somada à adoção comprovada por grandes plataformas e nuvens, oferece o tipo de previsibilidade que gestores de produto e líderes de engenharia precisam para levar agentes do laboratório à produção com confiança.

O recado que fica é pragmático. Em vez de escolher entre velocidade e controle, padrões como o MCP, aliados a formatos simples como o AGENTS.md e a agentes operacionais como o goose, criam uma base comum para inovar sem fechar portas. O equilíbrio entre abertura e responsabilidade tende a se traduzir em menos atrito na integração, mais portabilidade e ROI mais rápido nos projetos de agentes, desde que a disciplina de engenharia acompanhe o entusiasmo pelo novo.