# Use uma ferramenta de MCP Server para conectar agentes a sistemas externos Ferramentas permitem que os agentes interajam com repositórios e fontes de dados, expandindo suas capacidades além do conhecimento genérico. Ao final deste guia rápido, você terá um agente de IA capaz de recuperar dados externos por meio da ferramenta [MCP Server do Deepwiki](https://docs.devin.ai/work-with-devin/deepwiki-mcp) e retornar respostas em um formato de saída estruturado.
## **O que é uma ferramenta de MCP Server?** Uma **ferramenta MCP (Model Context Protocol)** permite que um agente se conecte a sistemas e fontes de dados externos. Em vez de depender apenas do seu contexto pré-treinado, o agente pode recuperar informações selecionadas e usá-las para gerar resultados precisos e atualizados. ## **Pré-requisitos** Antes de começar, certifique-se de ter o seguinte: * Uma API key de um provedor de LLM (por exemplo, OpenAI, Anthropic ou Google). * A API key registrada na Digibee como uma conta do tipo **Secret Key**. Para mais detalhes, veja [como criar uma conta Secret Key](https://app.gitbook.com/s/cO0A6g1dOsu8BiHYqO67/platform-administration/settings/accounts#secret-key). Em seguida, adicione o [**Agent Component**](https://app.gitbook.com/s/SKBJ6ZiEWBU93x170HH4/connectors/ai-tools/llm) ao pipeline logo após o trigger e configure-o da seguinte forma: * **Modelo:** Selecione o modelo de sua preferência (por exemplo, **OpenAI – GPT-4o Mini**). * **Conta:** Clique no ícone de engrenagem ao lado do parâmetro **Model**, vá até **Conta** e selecione a conta **Secret Key** que você criou na Digibee. Agora que a configuração básica está concluída, você pode configurar sua ferramenta MCP e os prompts. ## **Configurando uma ferramenta de MCP Server** ### **Caso de uso** Neste exemplo, o agente se conecta ao [**MCP Server do DeepWiki**](https://docs.devin.ai/work-with-devin/deepwiki-mcp), um serviço remoto e gratuito que fornece acesso a repositórios públicos. O objetivo é recuperar conhecimento técnico sobre Event-Driven Architecture e transformá-lo em documentação estruturada. O agente utilizará uma ferramenta de MCP Server combinada com **Mensagem do Sistema**, **Mensagem do Usuário** e um **JSON Schema**. {% stepper %} {% step %} ### **Configurar o MCP Server** 1. Abra seu pipeline e selecione o **Agent Component**. 2. Na configuração do agente, clique no botão **+** em **Tools** e selecione **Servidor MCP**. 3. Configure o MCP Server com os seguintes valores: * **Nome:** `DeepWiki` * **URL do Servidor:** `https://mcp.deepwiki.com/mcp` {% hint style="info" %} Alguns MCP Servers exigem autenticação para recuperar dados. Nesses casos, configure os parâmetros abaixo: * **Account** * **Custom Account** * **Headers** * **Query Parameters** {% endhint %} 4. Clique em **Confirmar**. Após a configuração, o agente poderá recuperar dados externos do MCP Server da DeepWiki e utilizá-los como contexto. {% endstep %} {% step %} ### **Definir os prompts** **Mensagem do Sistema:** Estabelece o papel do Agent e os padrões de escrita. {% code overflow="wrap" %} ```ada Você é um gerador de documentação técnica. Escreva sempre em inglês claro e conciso, usando um tom profissional, porém simples. Sua tarefa é transformar informações brutas obtidas de ferramentas externas em documentação bem estruturada. Assegure-se de que seu trabalho seja consistente, preciso e esteja alinhado com o formato solicitado. ``` {% endcode %} **Mensagem do Usuário:** Descreve a tarefa específica que o Agent deve executar utilizando a ferramenta MCP. {% code overflow="wrap" %} ``` Utilize as informações obtidas sobre o tópico "Arquitetura Orientada a Eventos" para criar uma seção de documentação. A documentação deve incluir: - Um título claro. - Uma descrição concisa (2 a 3 frases). - Pelo menos três casos de uso práticos. - Pelo menos três boas práticas. Formate a resposta seguindo rigorosamente o JSON Schema fornecido. ``` {% endcode %} {% endstep %} {% step %} ### **Definir o JSON Schema** Após o agente estar corretamente configurado, abra a configuração do **Modelo** e habilite a opção **Usar Esquema JSON**. O JSON Schema garante que a saída seja estruturada, validada e pronta para consumo por etapas posteriores. {% hint style="info" %} Caso não esteja familiarizado com essa configuração, consulte o guia de início rápido [Transforme respostas de IA em uma saída JSON estruturada](https://docs.digibee.com/documentation/resources/pt-br/quickstarts/turn-ai-into-structured-output). {% endhint %} {% code overflow="wrap" expandable="true" %} ```json { "$schema": "http://json-schema.org/draft-07/schema#", "title": "DocumentationSection", "type": "object", "required": ["title", "description", "use_cases", "best_practices"], "properties": { "title": { "type": "string", "description": "O título da seção de documentação" }, "description": { "type": "string", "description": "Uma descrição concisa do tópico (2-3 frases)" }, "use_cases": { "type": "array", "description": "Casos de uso práticos para o tópico", "items": { "type": "string" }, "minItems": 3 }, "best_practices": { "type": "array", "description": "Boas práticas recomendadas para o tópico", "items": { "type": "string" }, "minItems": 3 } }, "additionalProperties": false } ``` {% endcode %} {% endstep %} {% step %} ### **Executar o agente e analisar a saída** No **Painel de Teste**, clique em **Executar**. Após a execução, o agente retorna um objeto JSON validado que segue o schema definido. **Exemplo de saída:** {% code overflow="wrap" expandable="true" %} ```json { "body": { "title": "Event-Driven Architecture", "description": "Arquitetura Orientada a Eventos (Event-Driven Architecture - EDA) é um padrão de design de software em que os componentes do sistema se comunicam produzindo e consumindo eventos. Essa abordagem possibilita sistemas fracamente acoplados que podem reagir a mudanças em tempo real, aumentando a escalabilidade e a flexibilidade. A EDA é comumente usada em sistemas distribuídos e aplicações que exigem processamento assíncrono.", "use_cases": [ "Construção de microsserviços que precisam se comunicar de forma assíncrona.", "Implementação de plataformas de análise em tempo real que processam dados em fluxo.", "Automatização de fluxos de trabalho em resposta a eventos de negócios, como processamento de pedidos ou ações de usuários." ], "best_practices": [ "Projetar eventos autônomos e descritivos para garantir comunicação clara entre os componentes.", "Usar sistemas de mensageria confiáveis para garantir a entrega de eventos e evitar perda de dados.", "Monitorar e registrar o fluxo de eventos para detectar e resolver rapidamente problemas no sistema." ] }, "tokenUsage": { "inputTokenCount": 396, "outputTokenCount": 162, "totalTokenCount": 558 } } ``` {% endcode %} {% hint style="warning" %} O `body` da requisição faz parte da resposta de execução da Digibee Integration Platform. {% endhint %} {% endstep %} {% endstepper %} ## **Resultado** Agora você tem um agente funcional que se conecta a um servidor MCP, recupera dados externos e os transforma em documentação consistente e legível por sistemas. Parabéns! Você pode estender esse agente alterando o MCP Server, os prompts ou o JSON Schema para dar suporte a novos casos de uso. ## **Tópicos relacionados** * [**Sistema de validação de relatórios de despesas com IA**](https://docs.digibee.com/documentation/resources/pt-br/ai-practical-examples/expense-report-validation-with-ai)**:** Explore uma implementação prática neste guia passo a passo. * [**Análise de sinistros de seguros com IA**](https://docs.digibee.com/documentation/resources/pt-br/ai-practical-examples/insurance-claim-analysis-with-ai)**:** Crie um sistema multiagente para auxiliar na análise de sinistros de seguros. * [**Agent Component — Guia de configuração completo**](https://app.gitbook.com/s/SKBJ6ZiEWBU93x170HH4/connectors/ai-tools/llm)**:** Explore todas as opções de configuração para este componente.