Todo mundo está falando sobre MCP: Lições de desenvolvedores da Miro, Atlassian e além

Abaixo está uma transcrição editada da conversa. As citações foram levemente condensadas para maior clareza. 

As APIs existem há muito tempo. O que o MCP realmente desbloqueia que as APIs não conseguiam?

Gunjan: No passado, você precisava entender a API de cada ferramenta, gastar seus já escassos recursos de desenvolvimento para construir essas diferentes integrações e, se um requisito mudasse — digamos, em vez de apenas ler algo você precisasse escrever algo — você voltava e fazia a alteração e esperava seis semanas. Esse era o ciclo: era lento e caro.

Com o MCP, há servidores fornecidos pelos próprios provedores, e você apenas expressa sua intenção. Sua velocidade de desenvolvimento é acelerada de forma muito, muito rápida. Você deixa de definir chamadas específicas para uma ação e passa a descrever o que deseja. É aí que a orquestração de agentes, de fato atribuindo trabalho aos agentes, se torna possível. Sem isso, era simplesmente impossível.

Kosta: As APIs conectam ferramentas, mas alguém ainda precisa clicar nas coisas e dar sentido a tudo. O MCP permite que agentes leiam o contexto entre ferramentas e ajam dentro delas, em uma escala que nenhum indivíduo conseguiria alcançar.

O que você realmente construiu com o MCP e o que ele faz?

Michelle: Eu criei uma triagem que conecta o Pendo MCP com o restante dos dados da organização para a minha empresa. É o meu ritual matinal de todos os dias. O que preciso saber antes de falar com alguém? Antes de assistir às gravações de sessão, quais são as mais importantes? O que aconteceu ontem?

Ele me diz o que certas pessoas fizeram, com base em um grupo que configurei em torno dos nossos gerentes de sucesso do cliente. Ele sinaliza atividades padrão, possíveis problemas a observar, picos de dados, diferentes volumes para analisar, conquistas para celebrar. Também posso perguntar quais sessões devo assistir antes de entrar em contato com algum CSM. Ele destaca coisas como: revisão intensa de conteúdo sessões, muitos rage clicks e dead clicks, eventos de frustração significativos, usuários avançados em um fluxo de criação rápida. Esse é o resumo matinal de um diretor de produto, criado em um agente, executado em uma programação diária.

Kosta: Alimentamos uma transcrição de uma chamada de descoberta de cliente no Claude e geramos um PRD diretamente no quadro do Miro. A partir daí, mapeamos um fluxo de usuário, adicionamos capturas de tela de referência e registramos anotações, tudo em um espaço compartilhado. Assim que a equipe alinhou, coloquei a URL do quadro no Claude Code. O MCP entendeu o contexto e gerou um protótipo funcional que refletia o que havíamos alinhado. Mostramos aos stakeholders e validamos com o cliente no mesmo dia. Um ano atrás, esse tipo de velocidade não era possível. Agora, qualquer pessoa pode ir de um problema do cliente a uma solução alinhada em questão de horas.

Gunjan: Como PMs, estamos equilibrando muitas coisas, e uma das tarefas mais importantes é saber o que os clientes estão pedindo: o que eles gostam, o que não gostam, como estão usando o produto e o que está acontecendo nas conversas de vendas recentes. Essa pesquisa costumava levar horas. Criei um agente no Rovo. Dei a ele acesso à minha ferramenta de vendas, Google Docs, Calendar, GitHub, tickets do Jira, páginas do Confluence, notas de reunião, leads do Hotspot. Quando peço para me ajudar a me preparar para uma reunião futura, ele usa todas essas ferramentas e produz um relatório abrangente em minutos. Coisas que costumavam me tomar horas agora levam minutos, e entro na sala significativamente mais confiante.

O que você errou ao construir seu primeiro servidor MCP?

Francois: Cometemos um grande erro: expusemos as ferramentas como primitivas de muito baixo nível. O que dissemos foi: se você tiver uma pergunta, chame este endpoint e passe sua pergunta. Se quiser reformular sua pergunta, use este endpoint para reformular. O problema é que estávamos dando poder demais ao LLM. Então o modelo estava decidindo quando usar qual ferramenta e, na verdade, eles tendem a não usar uma ferramenta. Se as coisas forem inteligentes, elas dirão: "Sabe o quê, eu consigo resolver isso sozinho."

Por exemplo, se você perguntar "mostre-me meus 10 principais clientes", isso é muito ambíguo. O LLM simplesmente encontraria sua própria definição e chamaria o Spotter para obter a resposta. E se você fizesse a mesma pergunta duas vezes, poderia obter uma resposta diferente. Havia alucinação no sentido de que ele definiria "principal" com base no que achasse mais relevante para um conjunto de dados bancários: às vezes conta poupança, às vezes conta de crédito. 

Agora fornecemos ferramentas que trazem toda a inteligência consigo. Não deixamos o Claude trazer sua própria inteligência, porque conhecemos nossos dados e temos mais contexto do que o modelo. Controlamos isso por meio de nossa camada semântica, para que toda vez que você fizer uma pergunta obtenha a mesma resposta, fundamentada em todo o contexto que temos.

Michelle: É exatamente por isso que usei todas as consultas SQL na minha camada de instrução. Essas são as definições. É isso que significa ser "top" nos nossos dados. As pessoas que fazem as consultas nem sempre sabem qual palavra exata usar ou qual é o nome do campo, então esse nível de explicação foi necessário para os nossos dados internos.

Como você decidiu o que expor primeiro — e como decide o que não expor?

Kosta: Não existe uma solução única para todos. Na Miro, começamos com casos de uso validados e restringimos estrategicamente o que queríamos focar. Quando construímos o servidor MCP, os engenheiros foram os que mais o adotaram. Então desenvolvemos em torno dos fluxos de trabalho de engenharia, especificamente o problema de agentes escrevendo milhares de linhas de código e como é muito difícil visualizar o que eles estão fazendo para orientá-los. Focamos nisso e em como você pega a intenção da equipe e a passa para a geração de código. Isso nos impediu de ir longe demais cedo demais, o que teria confundido tanto os agentes quanto nossa narrativa de go-to-market.

Michelle: Começamos com um único agente e fomos avançando a partir daí. Também começamos pelo que era mais fácil e mais confiável. Queríamos garantir que os usuários confiassem na ferramenta antes de dizermos "vamos cuidar disso de ponta a ponta para você." Queremos que o usuário ainda esteja no controle, com proteções em vigor, antes de dizer que podemos lidar com todas essas tarefas automaticamente. Esse tem sido o processo de crescimento lento.

Francois: Você realmente precisa pensar em onde deseja aproveitar a inteligência. Você quer delegar ao LLM? Em alguns casos, isso é perfeito. Mas no nosso caso, como os dados são tão sensíveis, tivemos que projetar de forma diferente. É muito mais do que MCP em si. É realmente sobre incorporar o lado agêntico disso.

Quanto ao que não expor, tudo volta à sua camada semântica. É lá que você especifica quais tabelas deseja expor, quem tem o direito de fazer o quê. No mundo antigo, o dashboard era o limite. Um analista controlava quais visualizações iam para o dashboard. Agora que os dashboards estão desaparecendo e as pessoas querem falar diretamente com o dados, a camada semântica se torna o novo ponto de controle.

Como você faz sua equipe realmente mudar a forma como trabalha?

Kosta: Tudo se resume a duas coisas. A primeira é o mandato: não depende só de mim. A liderança da empresa precisa decidir que isso é importante. Na Miro, é amplamente compreendido que queremos acelerar a adoção, especialmente com a velocidade com que o mercado está se movendo. Mas o mandato por si só não é suficiente. Por isso, também estamos investindo muito em capacitação. Nós ter AI Product Guilds, canais no Slack onde as pessoas podem aprender umas com as outras, sessões ao vivo. Como líderes, também precisamos modelar o comportamento. Vou criar um protótipo no estilo vibe code e discuti-lo com meus subordinados diretos. Eles se inspiram — e muitas vezes são eles que me inspiram. Eles estão próximos do metal. Estão construindo coisas realmente incríveis.

Gunjan: Precisamos genuinamente dar uma chance a essas ferramentas. Explicar o que queremos que elas façam e acreditar que elas vão chegar lá. Os modelos de hoje podem não chegar totalmente lá, mas os modelos de amanhã definitivamente chegarão. Então, um salto de fé, tentar sem buscar a perfeição, era o objetivo. E você precisa continuar voltando e tentando. Hoje o Claude Code é realmente bom. Amanhã, outra coisa pode ser melhor. A cada seis meses, volte e experimente essas ferramentas, porque elas podem ter desbloqueado algo que não conseguiam fazer antes.

Como é o sucesso para suas ferramentas MCP? Qual é a métrica norte-estrela?

Gunjan: Muito em breve, acho que vamos parar de distinguir entre um usuário humano e um usuário de IA. É principalmente sobre fluxos de trabalho. Quantos você está impulsionando e como eles estão acelerando. Uma equipe que resolve 100 tickets e realiza cinco scrums por mês, com agentes escrevendo 100 PRs por dia, provavelmente vai querer um scrum diário para gerenciar e controlar o que está acontecendo. Seu KPI se torna: número de fluxos de trabalho orquestrados em seus sistemas, independentemente de onde está o front end dessa experiência.

Kosta: Estamos analisando isso como qualquer outro produto. Estamos vendo um crescimento não linear na adoção do MCP, tanto em termos de pessoas que o utilizam quanto na frequência de uso. Mas estamos realmente tentando entender os fluxos de trabalho. Para que as pessoas estão usando? Elas estão tendo sucesso? Elas estão voltando para usá-lo novamente nesses fluxos de trabalho? Estamos vendo uma adesão real agora, especialmente com coisas como visualização de código. Ainda estamos analisando como as pessoas usam o Miro de forma geral, não apenas o MCP. É os dois.

Se os usuários estão obtendo valor do seu produto sem nunca abrir sua interface, o que isso significa para o seu negócio?

Kosta: Eu inverteria isso. Se os agentes estão fazendo o trabalho, para onde as equipes vão para entendê-los e direcioná-los? A maioria das ferramentas de IA é uma caixa-preta. Pensamos muito sobre onde você vai para alinhar esses agentes, como garantir que eles estejam fazendo a coisa certa. Para nós, isso é uma oportunidade, não uma ameaça. O Miro foi criado para a colaboração em equipe. Isso não muda. A equipe ficou maior.

Gunjan: Seu fosso é o que você constrói. Se outra pessoa consegue reconstruir seu produto mais rápido do que você consegue defendê-lo, então sim, reconsidere. Mas se você pode redobrar a aposta no seu fosso e dizer "é por isso que as pessoas usam nosso produto e este é o melhor resultado para elas", você pode realmente se concentrar. Ser obcecado pelo cliente lhe dá o direito de perguntar seus clientes a permanecerem com você. Se estiverem satisfeitos com o que você oferece, eles ficarão.

Francois: Para nós, como uma ferramenta de análise, a experiência do usuário é extremamente importante. Você precisa conseguir detalhar, visualizar e alterar coisas. O que há de bom nos aplicativos MCP é que você não precisa mais escolher. Usuários avançados ainda podem se aprofundar no produto. Usuários de negócios podem fazer uma pergunta e obter um gráfico diretamente dentro do seu agente. É coexistência, não competição.

Como a função de gestão de produto está realmente evoluindo?

Michelle: Eu adoraria parar de escrever histórias no Jira — e, na verdade, a IA já está escrevendo muitas delas para mim. Mas você ainda precisa do raciocínio humano. O que melhora: menos retrabalho, menos bugs, porque o contexto é mantido e o que você perdeu da última vez não vai perder na próxima. Não estamos gastando tanto tempo em spikes. Quanto tempo gastamos lendo a documentação da API para descobrir se algo era sequer possível? Em cinco minutos você consegue essa resposta. Talvez sem mais spikes.

Kosta: Os agentes estão assumindo mais a execução e o trabalho minucioso. Mas o verdadeiro ofício de PM (a definição do problema, o alinhamento, a comunicação) é mais importante do que nunca. Você não quer que os agentes ajam por conta própria e decidam o que construir. Ninguém quer esse mundo. Então as pessoas de produto precisam se posicionar mais, pensar mais sobre a craft: enquadramento de problemas, curadoria de contexto. O papel está se afastando da execução e se voltando para atividades de maior alavancagem.

Gunjan: As barreiras que impediam as pessoas antes: "Não sei escrever código", "Não entendo a sintaxe", essas desapareceram. Então, a identificação de problemas é algo muito importante na nova era. Conectar os pontos também é fundamental. A IA não vai conectar os pontos por você. Você precisa enxergar qual problema resolver, qual problema existe. E o discernimento é ummuito difícil de desenvolver, e isso não mudou. Não importa qual tecnologia vem e vai. Dedicar tempo para entender o que é bom, em uma experiência ou em um produto, ainda importa muito.

Pronto para começar com o Pendo MCP? Confira nossa biblioteca de prompts, e configure gratuitamente.