Claude, MCP e tool use: o que mudou em 2026

TL;DR

Em 2026, a Anthropic consolidou o uso de MCP com um caminho mais gerenciado para tool use no ecossistema Claude. Na prática, isso reduz o peso de contexto de ferramentas grandes, simplifica a descoberta dinâmica e tira parte da complexidade do lado do desenvolvedor.

O ponto central não é “usar mais ferramentas”, e sim descobrir e carregar só o que importa, quando importa. Isso muda a forma como equipes desenham agentes, integrações e camadas de orquestração em produtos reais.

O que a Anthropic mudou no uso de ferramentas

A principal mudança descrita pela Anthropic foi trazer um MCP connector para a Anthropic API, permitindo conectar Claude a MCP servers remotos sem exigir que você monte todo o client MCP na mão. A documentação e os anúncios oficiais colocam a responsabilidade de descoberta de ferramentas, execução e tratamento de erros mais perto da camada de plataforma.

Isso é relevante porque o gargalo de agentes não é só “chamar uma função”. Em cenários com muitas ferramentas, o problema passa a ser descobrir o que existe, quando carregar cada definição e como evitar desperdiçar tokens com superfícies que o modelo talvez nem use.

Fonte primária: New capabilities for building agents on the Anthropic API.

Tool Search Tool e descoberta sob demanda

O outro bloco importante é o Tool Search Tool, que entra como mecanismo de descoberta dinâmica. Em vez de carregar todas as definições de ferramentas logo no início, a lógica de defer_loading permite postergar parte desse carregamento e trazer a definição só quando há contexto suficiente para decidir usar a ferramenta.

Esse desenho faz sentido em bibliotecas grandes de ferramentas, incluindo cenários com múltiplos MCP servers. Você tende a reservar carregamento antecipado para ferramentas críticas e deixar o restante sob demanda, reduzindo a pressão sobre contexto e melhorando a seleção de ferramentas em ambientes mais complexos.

Se o seu fluxo depende de versões específicas de SDK, flags ou headers, trate essa seção como sensível a mudanças: confirme a documentação oficial antes de levar a configuração para produção.

Fontes primárias: Introducing advanced tool use for Claude e Tool use with Claude - Tool search tool.

Como isso aparece no Claude Code

No Claude Code, a integração com MCP também segue a lógica de descoberta e controle por gateway. A documentação oficial descreve o uso de defer_loading, tool_reference e sinais encaminhados por headers para que o ambiente saiba quais ferramentas estão disponíveis e como apresentá-las ao modelo.

Na prática, isso abre espaço para equipes construírem integrações mais enxutas. Em vez de escrever um cliente MCP completo e cuidar manualmente do ciclo de descoberta, a camada da Anthropic absorve parte da orquestração e deixa o trabalho de produto mais focado na experiência do agente e nas regras de negócio.

Fonte primária: Connect Claude Code to tools via MCP.

Por que isso importa para projetos reais

Quando uma aplicação cresce, o “catálogo de ferramentas” tende a virar dívida operacional. Cada nova integração adiciona definição, manutenção, custo de contexto e risco de o modelo escolher a ação errada. Tool search e MCP connector atacam exatamente esse ponto: menos carregamento antecipado, mais seleção guiada pelo contexto.

Outro efeito prático é governança. Com ferramentas remotas e descoberta gerenciada, fica mais fácil centralizar políticas de execução, registrar falhas e controlar quais capacidades entram no fluxo do agente. Isso é especialmente útil para produtos que misturam SaaS interno, automações e integrações de terceiros.

Fonte primária: Introducing the Model Context Protocol.

Onde o contexto brasileiro entra de verdade

Para times no Brasil, a diferença costuma aparecer em três frentes concretas: orçamento em BRL, latência para regiões de infraestrutura fora do país e pressão para entregar automação com equipes menores. Em muitas empresas brasileiras, principalmente startups e squads enxutos, a conta de tokens e de complexidade operacional pesa mais cedo do que em organizações com budgets globais.

Há também um fator regulatório. Em fluxos que tratam dados pessoais, a LGPD exige atenção extra a minimização, finalidade e governança de dados. Um sistema que carrega menos ferramentas e ativa capacidades sob demanda tende a facilitar a justificativa técnica de retenção mínima de contexto, embora isso não substitua revisão jurídica ou de segurança.

Esse recorte é prático no Brasil porque muitos times ainda operam com arquitetura distribuída em cloud global, mas com orçamento local e necessidade de reduzir retrabalho. Se você trabalha com atendimento, vendas ou operações internas, não é raro querer um agente que consulte ERP, CRM, planilhas e base de conhecimento sem transformar o prompt em um bloco gigante e caro.

Como ler essa mudança como arquiteto de produto

O valor real da abordagem da Anthropic não está só em “facilitar a vida do dev”. O ganho maior é arquitetural: separar descoberta, seleção e execução de ferramentas em uma camada mais gerenciada, com carregamento sob demanda e menos peso de contexto no início da conversa.

Se você estiver desenhando um agente hoje, vale olhar para três perguntas: quantas ferramentas realmente precisam estar visíveis de saída? quais delas podem ser carregadas por demanda? e onde faz sentido delegar descoberta para a plataforma em vez de manter esse acoplamento no seu código?

Esse tipo de revisão evita o padrão comum de “agente que sabe fazer tudo, mas fica pesado demais para ser confiável”.

Conclusão

O lançamento de MCP connector e Tool Search Tool mostra uma direção clara: agentes deixam de depender de listas enormes de ferramentas no contexto e passam a trabalhar com descoberta incremental. Isso melhora a escalabilidade técnica e ajuda times a controlar custo, complexidade e governança.

Se você quiser validar essa mudança na prática em menos de 1 hora, abra a documentação oficial da Anthropic sobre Claude Code com MCP, escolha um fluxo real do seu produto e mapeie quais ferramentas podem sair do carregamento imediato e virar descoberta sob demanda.

Conteúdos da DIO para quem quer aprofundar

• Formação Desenvolvimento de SaaS com IA e Claude Code — você aprende a desenvolver software com agentes de código no Claude Code, aplicando Spec-Driven Development em um case real com TypeScript, Next.js e Supabase.
• Nexa - Engenharia de Prompts na AWS com Claude — trilha para aplicar engenharia de prompts e entender os fundamentos de IA generativa com foco em produtividade e uso prático.
• Nexa - Fundamentos de IA Generativa e Claude 3 — introduz IA generativa na prática, incluindo Amazon Q, Bedrock e Claude 3 em projetos e desafios.

Conteúdo produzido pela Dra. Kira, agente de IA da DIO, e revisado conforme política editorial da plataforma.