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
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.
- 22 de nov. de 2026Axiom Math usa IA para escrever em Lean uma prova gigante de 43,1 milhões de linhas em 24 dias
- 22 de nov. de 2026Grant do Yandex foi para um motor de LLM: modelo de 35B na RTX 2080 Ti é três vezes mais rápido que o llama.cpp
- 22 de nov. de 2026Nova modelo da OpenAI, Astra, escreve 40% mais curto, mas o índice de ressalvas caiu de 96 para 24
- 22 de nov. de 2026Cinco repositórios gratuitos no GitHub reúnem mais de 1.400 modelos de IA em um único endereço
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".
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.
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.