2GIS lança servidor MCP com 6 ferramentas para consultas geográficas de agentes de IA
A 2GIS lançou um servidor MCP que conecta agentes de IA aos serviços geográficos da plataforma de APIs da empresa. Por enquanto, ele tem 6 ferramentas: busca de locais e organizações, geocodificação direta e reversa, criação de rotas, isócronas e mapas estáticos. A equipe publicou no Habr uma análise de engenharia sobre como o servidor foi construído e o que quebrava na junção entre LLMs e dados geográficos antes de ele chegar à produção. A conexão está descrita na documentação oficial. • 6 ferramentas sobre a API da 2GIS • O agente pega os endereços de uma fonte de dados, e não da memória do modelo • A análise de engenharia é útil para quem desenvolve servidores MCP e function calling
Processado por IA de Habr AI; editado por Hamidun News
A 2GIS lançou um servidor MCP que dá aos agentes de IA acesso direto aos serviços geográficos da plataforma de APIs da empresa. Ele reúne seis ferramentas: busca de locais e organizações, geocodificação direta e reversa, criação de rotas, isócronas e mapas estáticos. Junto com o lançamento, a equipe publicou no Habr uma análise de engenharia intitulada «como ensinamos a LLM a não inventar endereços». O texto conta como o servidor funciona por dentro e quais problemas precisaram ser resolvidos antes de ele ir para produção.
Na parte aberta da publicação, os detalhes de implementação ainda são poucos: a parte técnica principal fica escondida sob o corte ("под катом"). Por isso, a seguir estão apenas as informações do anúncio e o contexto sobre para que servem servidores como esse.
O que o agente recebe
O MCP (Model Context Protocol) é um protocolo aberto para conectar ferramentas e dados externos a modelos de linguagem. Foi apresentado pela Anthropic no final de 2024 e se tornou uma das formas padrão de dar a um agente acesso a serviços sem precisar escrever uma camada de integração própria para cada cliente. A 2GIS escolheu esse caminho para suas APIs geográficas.
Principais parâmetros do lançamento:
- Ferramentas: 6, cada uma construída sobre a respectiva API da plataforma 2GIS.
- Busca: locais e organizações.
- Geocodificação: direta (endereço para coordenadas) e reversa (coordenadas para endereço).
- Rotas: criação de rotas entre pontos.
- Isócronas: áreas alcançáveis em um tempo determinado.
- Visualização: mapas estáticos.
- Conexão: descrita na documentação em docs.2gis.com.
O conjunto mostra um cenário típico. O agente encontra uma organização, obtém suas coordenadas, traça uma rota, avalia a área de acessibilidade e entrega ao usuário uma imagem.
Por que a geografia quebra as LLMs
Sem ferramentas, o modelo responde a uma pergunta como «onde fica a farmácia mais próxima em tal rua» com base na estatística dos textos, e não em dados. Endereços, horários de funcionamento e nomes de organizações ficam desatualizados rapidamente. Topônimos idênticos aparecem em cidades diferentes. Coordenadas são números, e um erro na quinta casa decimal já significa outro quintal. Tudo isso provoca respostas confiantes, mas inventadas.
Conectar o modelo a um serviço geográfico ao vivo transfere a fonte da verdade dos pesos do modelo para a API. Mas os problemas não desaparecem, apenas mudam de lugar. O agente precisa entender qual das seis ferramentas chamar. Ele deve passar os parâmetros no formato correto e não perder o resultado entre as etapas. A dificuldade está nos contratos das ferramentas: nomes, descrições, esquemas de argumentos e formato de resposta influenciam diretamente se o modelo vai chamá-las corretamente. Os autores afirmam que o artigo trata justamente disso: dos erros na junção entre LLM e dados geográficos e do que precisou ser corrigido antes da entrada em produção.
Para quem isso é útil na prática
Desenvolvedores que criam agentes com lógica geográfica (serviços de entrega, varejo, mercado imobiliário, turismo, assistentes internos) agora não precisam escrever wrappers para APIs de mapas. Basta conectar o servidor MCP pronto a um cliente compatível e verificar como o modelo lida com os cenários.
Para quem desenvolve o próprio servidor MCP ou ferramentas para function calling, o maior valor está no próprio artigo. O que vale verificar desde já:
- Como o modelo escolhe a ferramenta quando a consulta pode ser resolvida de duas formas, por exemplo, por busca e por geocodificação.
- O que acontece diante de um endereço ambíguo ou de um resultado vazio: o agente informa isso com honestidade ou inventa uma resposta plausível.
- Quão conveniente é o formato de resposta da ferramenta para o modelo, e não só para o ser humano.
O simples fato de um grande player de cartografia ter lançado um servidor desse tipo mostra para onde o mercado caminha. Os dados da empresa passam a ficar disponíveis para agentes não pela interface web, mas por um protocolo padronizado. Para os serviços geográficos, é mais um canal de distribuição de API.
- 25 de out. de 2026Devin passa a aceitar login com ChatGPT: Fusion com Astra custa 39% menos
- 25 de out. de 2026Claude Haiku 5.5 chega ao Devin: 58,4% no FrontierCode com custo oito vezes menor que o do Sonnet 5
- 25 de out. de 2026Gemini 4 Argon chega ao Devin: 60,5% no FrontierCode com 75% de desconto
- 25 de out. de 2026Meta lança seu primeiro modelo de fronteira: Muse Wonder e Muse Wonder Full
Perguntas frequentes sobre a notícia
O que o agente recebe?
O MCP (Model Context Protocol) é um protocolo aberto para conectar ferramentas e dados externos a modelos de linguagem. Foi apresentado pela Anthropic no final de 2024 e se tornou uma das formas padrão de dar a um agente acesso a serviços sem precisar escrever uma camada de integração própria para cada cliente. A 2GIS escolheu esse caminho para suas APIs geográficas. Principais parâmetros do lançamento: Ferramentas: 6, cada uma construída sobre a respectiva API da plataforma 2GIS. Busca: locais e organizações. Geocodificação: direta (endereço para coordenadas) e reversa (co
Por que a geografia quebra as LLMs?
Sem ferramentas, o modelo responde a uma pergunta como «onde fica a farmácia mais próxima em tal rua» com base na estatística dos textos, e não em dados. Endereços, horários de funcionamento e nomes de organizações ficam desatualizados rapidamente. Topônimos idênticos aparecem em cidades diferentes. Coordenadas são números, e um erro na quinta casa decimal já significa outro quintal. Tudo isso provoca respostas confiantes, mas inventadas. Conectar o modelo a um serviço geográfico ao vivo transfere a fonte da verdade dos pesos do modelo para a API. Mas os problemas não desap
O que se sabe sobre Para quem isso é útil na prática?
Desenvolvedores que criam agentes com lógica geográfica (serviços de entrega, varejo, mercado imobiliário, turismo, assistentes internos) agora não precisam escrever wrappers para APIs de mapas. Basta conectar o servidor MCP pronto a um cliente compatível e verificar como o modelo lida com os cenários. Para quem desenvolve o próprio servidor MCP ou ferramentas para function calling, o maior valor está no próprio artigo. O que vale verificar desde já: Como o modelo escolhe a ferramenta quando a consulta pode ser resolvida de duas formas, por exemplo, por busca e por geocodif
Delegate Deep Research, Coding & Workflows to an AI Agent
Deploy autonomous multi-step execution with NomadNet Agent (agent.nomadnet.ai) — automated web research, data synthesis, code generation, and complex task orchestration.
O essencial da IA — uma vez por semana
Sete histórias que realmente importaram, escolhidas a dedo. Sem ruído nem releases.
Pronto! Verifique seu e-mail para a confirmação.