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)
LançamentoAPI / Produto · Pronto p/ usoHabr AI→ original

YuMoney lança servidor MCP para pagamentos e explica como escrever APIs para redes neurais

A YuMoney lançou um servidor MCP: pelo protocolo MCP, a rede neural chama sozinha as funções do serviço de pagamentos. Descobriu-se que, sem a linha "não invente o valor, pergunte ao usuário", o modelo criava de vez em quando um pagamento com valor inventado. Por isso, as descrições dos parâmetros e os textos de erro são escritos lá como instruções para o modelo. A conclusão: no MCP, o campo description funciona como parte do prompt e decide se a integração vai funcionar.

Processado por IA de Habr AI; editado por Hamidun News
YuMoney lança servidor MCP para pagamentos e explica como escrever APIs para redes neurais
Fonte: Habr AI. Colagem: Hamidun News.
Ouvir artigo
Ficha técnica e números-chave
ParâmetroDados
Fonte originalHabr AI ↗
Editor-chefe
Dado-chave #1Operações financeiras via MCP sem participação humana continuam proibidas
Dado-chave #2Todos os métodos precisam suportar repetições: modelos fracos refazem requisições
Dado-chave #3Recomenda-se separar a autorização do MCP da autorização da API comum

A YuMoney lançou um servidor MCP para pagamentos e cobranças. MCP (Model Context Protocol) é um protocolo pelo qual um modelo de linguagem (LLM, ou seja, uma rede neural do tipo ChatGPT) chama sozinho as funções de um serviço externo: criar um pagamento, enviar um recibo, consultar um status. Antes, essas funções eram expostas por uma API REST comum, um conjunto de requisições chamadas por código escrito por uma pessoa.

Roma, desenvolvedor backend da YuMoney, trabalha há quase dez anos na API pública de pagamentos da empresa e contou que a interface para uma rede neural precisa ser projetada de outra forma. O principal exemplo: sem uma única linha na descrição de um parâmetro, o modelo criava de vez em quando um pagamento com valor inventado.

A descrição do parâmetro é um prompt

Numa API clássica, a documentação é escrita para pessoas. Se um campo está mal descrito, o desenvolvedor lê um fórum ou escreve para o suporte. No MCP, a descrição da ferramenta passa a ser, na prática, parte do prompt de sistema, ou seja, uma instrução que o modelo executa ao pé da letra. Por isso, a nomenclatura e a clareza do description determinam se a integração vai funcionar.

Na documentação comum da YuMoney, o valor do pagamento é descrito com várias nuances: comissões dos parceiros da YuKassa, código da moeda, correspondência com a moeda da subconta ou da loja. Para o MCP, a descrição foi encurtada e ganhou uma instrução direta: é proibido inventar o valor, e, se ele não for informado, é preciso perguntá-lo ao usuário. Para uma pessoa, é óbvio que quem diz o valor é o cliente; para o modelo, não é. Sem essa linha, ele criava um pagamento com um valor inventado.

A mesma lógica vale para os erros. Uma resposta como insufficient_funds é conveniente para o código, mas para o modelo é um beco sem saída. Na resposta do MCP, acrescenta-se um texto: "Saldo insuficiente para concluir a operação. Informe o usuário. Não tente refazer o pagamento". Um erro claro permite que o modelo corrija a requisição e a envie de novo, ou pare e explique a situação com honestidade.

Outra armadilha são os esquemas sobrecarregados. Se a requisição tem campos parecidos, como billing_address, shipping_address e user_address, uma pessoa se entende e confere antes de executar, mas o modelo pode colocar os dados no lugar errado. O autor recomenda evitar campos de significado próximo, manter no servidor apenas os cenários mais necessários ou detalhar em que caso cada campo deve ser preenchido.

Segurança e chamadas repetidas

O servidor MCP não sabe quem o está chamando: um modelo poderoso na nuvem ou um modelo local pequeno, de 7 bilhões de parâmetros (7B). Modelos fracos confundem a ordem das chamadas e repetem requisições diante da menor dúvida. Daí a regra: todos os métodos devem ser idempotentes, ou seja, uma chamada repetida não pode debitar o dinheiro uma segunda vez. A YuMoney, por enquanto, vai além e simplesmente não permite, via MCP, operações financeiramente relevantes sem participação humana.

O autor recomenda separar a autorização do MCP da autorização da API comum. Caso contrário, o modelo, ao tentar cumprir a tarefa, pode recorrer à API clássica com a própria chave. Além disso, os dados de entrada precisam ser validados com mais rigor que o habitual: o modelo pode gerar uma requisição inválida ou até maliciosa.

De quebra, cai por terra o mito da "liberdade de versões". No MCP, a lista de ferramentas é atualizada em tempo real via tools/list, e o modelo relê o esquema a cada vez. Mesmo assim, não é possível remover uma função em uso: os processos de negócio dos clientes quebrariam, mesmo que o cliente seja uma rede neural.

Tokens, integração e latência

Numa API comum, o tamanho do esquema JSON importa, no máximo, para o tráfego. No MCP, cada descrição de função e cada campo entram na janela de contexto do modelo, ou seja, consomem tokens e o dinheiro do usuário. Esquemas e respostas enxutos reduzem o custo diretamente.

A integração também muda. No REST, você entrega métodos atômicos e o cliente escreve o código: criar o pagamento, enviar o recibo, confirmar a operação. No MCP não há sequência rígida: o modelo escolhe a ordem das chamadas conforme a solicitação e o contexto da conversa. Cenários típicos podem ser fixados pelo usuário com regras (Rules) e conjuntos de instruções (Skills) no seu agente de IA, sem escrever uma linha de código. Na opinião do autor, o custo de integração via LLM tende a zero.

Com a latência, a situação é mais complicada. O tempo percebido pelo usuário soma o "raciocínio" do modelo, os atrasos de rede e o processamento da requisição pelo servidor, e o ciclo pode se repetir em caso de esclarecimentos e erros. O desenvolvedor do servidor influencia principalmente a última parte e, indiretamente, o número de iterações: quanto mais claras as descrições, menos tentativas desnecessárias.

O que isso significa

O texto é o ponto de vista de um profissional da área, não uma pesquisa: não traz métricas mensuráveis, e a afirmação de que "o custo de integração tende a zero" continua sendo uma projeção do autor. Em compensação, o conjunto de regras funciona para qualquer equipe que esteja preparando um servidor MCP. Escreva o description como instrução, torne os erros conversacionais, enxugue os esquemas, faça os métodos idempotentes, separe a autorização e mantenha uma pessoa na cadeia das operações financeiras. O autor espera que grandes empresas usem o MCP cada vez mais em B2C, sobretudo onde um erro do modelo não leve a uma catástrofe. A YuMoney pretende ampliar a funcionalidade e planeja um hackathon online público.

História

Perguntas frequentes sobre a notícia

O que se sabe sobre A descrição do parâmetro é um prompt?

Numa API clássica, a documentação é escrita para pessoas. Se um campo está mal descrito, o desenvolvedor lê um fórum ou escreve para o suporte. No MCP, a descrição da ferramenta passa a ser, na prática, parte do prompt de sistema, ou seja, uma instrução que o modelo executa ao pé da letra. Por isso, a nomenclatura e a clareza do description determinam se a integração vai funcionar.

O que se sabe sobre Segurança e chamadas repetidas?

O servidor MCP não sabe quem o está chamando: um modelo poderoso na nuvem ou um modelo local pequeno, de 7 bilhões de parâmetros (7B). Modelos fracos confundem a ordem das chamadas e repetem requisições diante da menor dúvida. Daí a regra: todos os métodos devem ser idempotentes, ou seja, uma chamada repetida não pode debitar o dinheiro uma segunda vez. A YuMoney, por enquanto, vai além e simplesmente não permite, via MCP, operações financeiramente relevantes sem participação humana.

O que se sabe sobre Tokens, integração e latência?

Numa API comum, o tamanho do esquema JSON importa, no máximo, para o tráfego. No MCP, cada descrição de função e cada campo entram na janela de contexto do modelo, ou seja, consomem tokens e o dinheiro do usuário. Esquemas e respostas enxutos reduzem o custo diretamente. A integração também muda. No REST, você entrega métodos atômicos e o cliente escreve o código: criar o pagamento, enviar o recibo, confirmar a operação.

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…