Intensivo Grátis 21–22/11Intensivo gratuito de 2 dias em Vibecoding (21–22/11 às 16:00 MSK) · Turma 3 começa 23/11Inscrever-se grátis →Turma 3 (23/11)
LançamentoCódigo / SDK · Pronto p/ usoTG: @llm_under_hood (LLM под капотом)→ original

Como conectar qualquer agente de IA à sua memória com um único MCP de duas ferramentas

Memória e skills dentro do ChatGPT ou do Claude são práticas, mas prendem você a um único serviço. O autor do canal "LLM por baixo do capô" aluga apenas o "núcleo" do agente, guarda o contexto consigo e o entrega por um único MCP (conector padrão entre IA e ferramentas) com duas ferramentas. Esse MCP funciona como um loader: o Claude no celular ou o Codex no notebook carregam o ambiente conforme a necessidade. O núcleo pode ser trocado; o contexto continua sendo seu.

Processado por IA de TG: @llm_under_hood (LLM под капотом); editado por Hamidun News
Como conectar qualquer agente de IA à sua memória com um único MCP de duas ferramentas
Fonte: TG: @llm_under_hood (LLM под капотом). Colagem: Hamidun News.
Ouvir artigo
Ficha técnica e números-chave
ParâmetroDados
Fonte originalTG: @llm_under_hood (LLM под капотом) ↗
Editor-chefe
Núcleoo Agents SDK da OpenAI, base do ChatGPT e do Codex
Dado-chave #2O loader concede permissões e ferramentas diferentes conforme quem o executa e de onde
Dado-chave #3Vários núcleos sobre um contexto comum formam um enxame; com processos descritos, um Company Brain

Imagine que você passou seis meses configurando memória, skills e serviços conectados no ChatGPT, e então outro modelo se torna o melhor do mercado. A migração vira um projeto, porque tudo o que você acumulou vive dentro de um produto específico. O autor do canal de Telegram "LLM por baixo do capô" esbarrou nisso ao montar um modo de trabalho confortável com agentes, primeiro para si e depois para equipes.

A solução dele cabe em uma frase: o núcleo do agente a gente aluga dos melhores do mercado, mas o contexto, a memória e as ferramentas são nossos. Para isso, ele injeta em todos os clientes um único servidor MCP (MCP é o protocolo padrão pelo qual aplicativos de IA se conectam a ferramentas e dados externos) com duas ferramentas.

Como funciona o esquema convencional

No cenário padrão, o agente fica no centro. Na maioria das vezes, é o ChatGPT ou o Claude, com memória compartilhada e ferramentas sempre à mão: é assim que a maioria das pessoas trabalha. Mais raro é ter um harness de agente próprio (a camada de software em volta do modelo) rodando em um servidor: Codex, Claude Code, Hermes e similares. Acessa-se por terminal, chat ou interface web. Há ainda agentes em nuvem como o Dot, algo entre as duas primeiras opções, e soluções caseiras bem raras.

A principal comodidade desses sistemas centrados no agente é que integrações e ferramentas funcionam de fábrica, e pouca gente pensa em como tudo é montado. Mas, olhando de perto, todos esses produtos compartilham o mesmo núcleo. Segundo o autor, ChatGPT, Codex e outros rodam sobre a mesma base: o Agents SDK da OpenAI. Memória e skills são conectadas ao núcleo por fora. Os próprios funcionários da OpenAI, conforme o post, dizem que os modelos melhoram tão rápido que SDKs e harnesses complexos podem em breve deixar de ser tão necessários. Se for assim, o valor se desloca da camada de apoio para aquilo que você carrega nela, ou seja, o seu contexto.

Um MCP em vez de memória embutida

O autor aluga o núcleo por assinatura (Claude e ChatGPT), mas não usa a memória, as skills e as ferramentas embutidas nesses serviços. Para ele, o importante é poder conectar qualquer núcleo e acessar o próprio contexto seja pelo Claude no celular, pelo Dot ou pelo Codex no notebook.

Para isso, cada cliente recebe um único servidor MCP com apenas duas ferramentas. É uma espécie de "loader", levemente otimizado para o núcleo do agente. Por meio dele, e do princípio de progressive disclosure (revelação progressiva), o núcleo carrega todo o ambiente de trabalho e começa a operar com ele. Uma analogia do dia a dia: ninguém entrega ao novo funcionário todo o arquivo da empresa no primeiro dia. Dão a ele um crachá e mostram onde fica cada coisa, e o resto ele descobre conforme precisar.

Há também um bônus para equipes. Como a entrada passa por um ponto único, o loader pode definir acessos e ferramentas diferentes dependendo de quem o executa e de onde. O mesmo contexto fica disponível no cliente móvel e no notebook, mas as capacidades em cada caso podem ser diferentes.

Do enxame ao Company Brain

Se você rodar vários núcleos diferentes sobre um contexto comum, obtém um enxame de agentes: o autor já apresentou experimentos assim em seu canal. E se descrever em detalhe os processos de trabalho e as regras de passagem de tarefas entre pessoas e agentes, chega ao que a Y Combinator chama de Company Brain, o "cérebro da empresa".

O que tirar disso

Para desenvolvedores e product managers, a conclusão é prática. Antes de embutir nos processos a memória e as skills de um provedor específico, pergunte-se se você conseguiria levá-las embora. Se o contexto fica na sua infraestrutura e é acessível por um protocolo padrão como o MCP, trocar de modelo vira apenas trocar de assinatura.

Há também limitações a registrar. Trata-se da descrição de uma prática pessoal do autor, não de um benchmark: o post não traz números de economia de tokens, velocidade ou custo. O loader próprio, as permissões de acesso e o armazenamento do contexto precisam ser construídos e mantidos por conta própria, enquanto as funções embutidas do ChatGPT e do Claude vêm de graça e prontas. O esquema é pensado para quem está disposto a ter a própria camada de memória e responder pela qualidade dela. Ainda assim, para equipes que não querem depender de um único fornecedor, a ideia de "alugamos o núcleo, somos donos do contexto" parece um ponto de partida razoável.

História

Perguntas frequentes sobre a notícia

Como funciona o esquema convencional?

No cenário padrão, o agente fica no centro. Na maioria das vezes, é o ChatGPT ou o Claude, com memória compartilhada e ferramentas sempre à mão: é assim que a maioria das pessoas trabalha. Mais raro é ter um harness de agente próprio (a camada de software em volta do modelo) rodando em um servidor: Codex, Claude Code, Hermes e similares. Acessa-se por terminal, chat ou interface web. Há ainda agentes em nuvem como o Dot, algo entre as duas primeiras opções, e soluções caseiras bem raras.

O que se sabe sobre Um MCP em vez de memória embutida?

O autor aluga o núcleo por assinatura (Claude e ChatGPT), mas não usa a memória, as skills e as ferramentas embutidas nesses serviços. Para ele, o importante é poder conectar qualquer núcleo e acessar o próprio contexto seja pelo Claude no celular, pelo Dot ou pelo Codex no notebook. Para isso, cada cliente recebe um único servidor MCP com apenas duas ferramentas. É uma espécie de "loader", levemente otimizado para o núcleo do agente.

O que se sabe sobre Do enxame ao Company Brain?

Se você rodar vários núcleos diferentes sobre um contexto comum, obtém um enxame de agentes: o autor já apresentou experimentos assim em seu canal. E se descrever em detalhe os processos de trabalho e as regras de passagem de tarefas entre pessoas e agentes, chega ao que a Y Combinator chama de Company Brain, o "cérebro da empresa".

ZK
Zhemal Khamidun — CPO da Alpina Digital, gerente de produto do AlpinaGPT. Cria produtos de IA desde 2019. O Hamidun News é um projeto pessoal que virou um agregador em produção com mais de 6.000 leitores.
✦ Hands-On AI Engineering · Hamidun Academy

Build & Ship Production AI Agents Without Boilerplate Code

Start your free 72-hour trial at Hamidun Academy (academy.hamidun.com) — interactive lessons on Claude Code & Cursor, live Tech Radar, and production agent templates.

Start 72h Free Trial →Vibe-Coding Intensive
O que você acha?
Carregando comentários…