Claude Parafraseava um Documento Após Ler Apenas o Início: Truncamento Oculto do Servidor MCP

Um desenvolvedor descobriu que Claude resumiu com confiança um documento grande, embora na verdade tenha lido apenas o início — a causa resultou ser um truncamento imperceptível da resposta do servidor MCP.

O que o desenvolvedor descobriu

O autor conectou a ferramenta mcp-server-fetch ao Claude e pediu ao agente para extrair vários fragmentos específicos de um documento. O modelo respondeu com fluência e confiança, não dando nenhuma pista de um problema: o texto parecia como se o agente tivesse trabalhado com todo o documento. Apenas analisando o tráfego JSON-RPC entre cliente e servidor — ou seja, observando a troca de mensagens bruta entre Claude e a ferramenta conectada — o desenvolvedor viu que o conteúdo do documento foi truncado na marca de 6000 caracteres.

Além disso, o servidor marcou a resposta truncada como bem-sucedida, sem uma única indicação de erro ou truncamento. Formalmente, do ponto de vista do protocolo, a solicitação foi concluída normalmente: o código de resposta não sinalizou um tempo limite, limite excedido, ou qualquer outro falha. O modelo recebeu dados parciais e os processou como completos.

• A ferramenta — mcp-server-fetch, usada para buscar conteúdo da web e passá-lo ao modelo
• A resposta foi truncada na marca de 6000 caracteres
• O servidor marcou a resposta truncada como bem-sucedida, sem sinalizador de erro
• No final do texto truncado, o servidor adicionou uma instrução oculta para o modelo
• O problema foi descoberto apenas através de análise manual do tráfego JSON-RPC entre cliente e servidor

Por que isso é perigoso para agentes

MCP (Model Context Protocol) — um protocolo aberto através do qual modelos de IA como Claude se conectam a ferramentas externas: sistemas de arquivos, bancos de dados, solicitações web. Quando tal ferramenta retorna dados cortados sem um sinal de erro explícito, o modelo não tem forma de distinguir uma resposta completa de uma parcial — simplesmente funciona com o que recebeu e retorna resultados com a mesma confiança como se tivesse lido o documento inteiro. Para o usuário, não há diferença visível: a resposta é igualmente coerente, igualmente lógica e igualmente convincente.

Ainda mais preocupante é a segunda descoberta do autor: no final do texto truncado, o servidor adicionou uma instrução de texto endereçada ao modelo. Formalmente isso é parte do conteúdo que o agente interpreta como dados do documento, mas na realidade — uma mensagem de controle inserida pela própria ferramenta depois que o conteúdo real terminou. Para um usuário que não olha sob o capô da troca JSON-RPC e vê apenas a resposta final do modelo, tal substituição permanece completamente invisível: texto coerente, tom confiante, nenhum sinal visível de falha ou falta de confiabilidade.

Isso ilustra um problema mais amplo na cadeia "modelo-ferramenta": a confiança no resultado de uma ferramenta raramente é verificada na prática, porque a mera presença de uma resposta é percebida como confirmação de sua completude. Até que o protocolo exija sinalizar explicitamente o truncamento, a responsabilidade efetivamente recai sobre o desenvolvedor, que deve registrar e verificar separadamente o tráfego bruto, em vez de confiar no texto final do modelo.

O que isso significa

Com agentes baseados em Claude e outros modelos usando cada vez mais servidores MCP para acessar dados externos, truncamentos silenciosos e instruções ocultas dentro de respostas de ferramentas tornam-se um risco prático para a qualidade e confiabilidade dos sistemas de agentes. Desenvolvedores que constroem pipelines em MCP devem estabelecer verificações de indicadores de truncamento nas próprias ferramentas e não confiar cegamente em ferramentas — mesmo se a resposta final do modelo parecer absolutamente convincente.