RAG e MCP: como dar acesso a documentos a um agente de inteligência artificial

Publicado em 2026-11-16 por ArduBot

Como combinar um servidor MCP com uma API RAG para consultar documentação com permissões, citações e ferramentas diferenciadas.

Tem um agente que pode executar ferramentas, mas quando perguntam sobre uma política ou um manual ele responde de memória. O protocolo MCP conecta aplicações de IA com capacidades externas; RAG serve para recuperar informações relevantes dos seus documentos. Juntos podem formar uma camada de conhecimento, desde que separemos leitura, autorização e ações.

O que cada componente resolve

Model Context Protocol (MCP) padroniza a comunicação entre uma aplicação de IA e servidores que oferecem ferramentas e outros recursos. RAG é uma arquitetura para recuperar fragmentos relevantes e usá-los como contexto de uma resposta. Não são concorrentes nem equivalentes. Um servidor MCP pode expor uma ferramenta que consulta uma API RAG; alternativamente, um cliente pode chamar a API diretamente sem MCP.

Exemplo: um assistente de operações recebe “qual procedimento seguimos antes de reiniciar o serviço?”. Não precisa de permissões de reinício para responder: primeiro consulta a documentação. Se alguém solicitar o reinício depois, isso corresponde a outra ferramenta com autorização independente.

Design recomendado

Cliente de IA
  -> servidor MCP: buscar_documentacion
  -> servicio RAG: aplicar permisos y recuperar fragmentos
  -> respuesta con fuentes
  -> LLM: redactar, citar o abstenerse
O servidor MCP descreve a ferramenta e seu esquema de entrada. O backend recupera o contexto após verificar a identidade do solicitante. A documentação retornada é dado não confiável, não uma instrução que possa anular as regras do agente.

Uma ferramenta ilustrativa poderia se chamar buscar_documentacion e aceitar pergunta, colecao e limite. Evite permitir que o modelo passe identificadores arbitrários de empresas: a identidade e os escopos autorizados são calculados no servidor.

Ferramentas, recursos e prompts: escolher sem exagerar

Uma ferramenta de busca permite consultas dinâmicas. Um recurso pode expor informações identificáveis e selecionáveis; seu suporte depende do cliente. Um prompt é um modelo de interação, não um controle de acesso. Se você precisar de busca com filtros, usar uma ferramenta explícita geralmente simplifica a observabilidade.

Não conecte o mesmo usuário MCP a todas as bases documentais do negócio apenas porque o assistente seja “interno”. Projete permissões por empresa, projeto e tipo de documento.

Erros que o agente deve lidar

Um resultado semanticamente semelhante pode pertencer a uma versão antiga. Uma fonte pode incluir texto malicioso como “ignore as instruções anteriores”. Uma pergunta pode ter zero evidências. Nos três casos, o agente deve saber se abster ou exibir avisos, e a autorização deve continuar sendo responsabilidade do serviço.

Para auditoria, registre identificador da solicitação, identidade, base consultada, fonte recuperada e resultado. Evite salvar conteúdo confidencial completo nos logs.

Teste com um caso empresarial

Prepare três coleções: documentação pública, manuais privados da equipe A e documentação da equipe B. Pergunte com um agente autorizado para A, depois tente obter uma frase exclusiva de B. O resultado correto é que B nunca chegue ao modelo. Depois verifique que uma consulta autorizada retorne a página correta e que um documento retirado não apareça mais.

Onde o ArduMaker pode se encaixar: sua infraestrutura e ferramentas MCP podem fazer parte desta arquitetura. Estamos avaliando um futuro serviço RAG consultável por API; não devemos confundir com uma função já disponível. Se precisar conectar suas fontes a agentes, descreva o cenário em ArduMaker.

Referências: Especificação do MCP · RAG na Microsoft · MCP no ArduMaker.

  • RAG
  • MCP
  • agentes IA
  • Model Context Protocol
  • documentación

Continuar lendo

Todos os artigos · Planos VPS