Em 09/12/2025, a Anthropic doou o Model Context Protocol (MCP) a uma fundacao neutra: a Agentic AÍ Foundation, sob a Linux Foundation, cofundada por Anthropic, Block e OpenAI (Linux Foundation, 2025). A leitura para quem opera dados de risco e compliance e direta. O protocolo que conecta agentes de IA a fontes de dados deixa de ser ativo de um único fornecedor e passa a um governo aberto, com mais de 10.000 servidores públicos e um roadmap 2026 focado em governança corporativa, audit trails e SSO. Para a DataHub, cuja entrega principal e a API, isso define o canal pelo qual modelos agenticos consultarao 600+ fontes, 275M+ CPFs e 70M+ CNPJs com rastreabilidade e aderência a LGPD.
O que mudou
A Anthropic transferiu a custodia do MCP para a Agentic AÍ Foundation, hospedada pela Linux Foundation, em 09/12/2025, com Anthropic, Block e OpenAI entre os cofundadores (Linux Foundation, 2025). O efeito prático: um protocolo de fornecedor único vira padrão de governo neutro, condição classica para adoção corporativa de larga escala.
De projeto de fornecedor a padrão de fundacao
O Model Context Protocol padroniza como um agente de IA descobre e consome ferramentas e fontes de dados externas. Ao migrar para uma fundacao neutra, ele segue a trajetoria de outros padrões de infraestrutura que só escalaram quando deixaram de pertencer a um único dono. Já são mais de 10.000 servidores MCP públicos no ecossistema (Linux Foundation, 2025), sinal de que o protocolo passou da prova de conceito ao uso distribuido.
Fonte: Linux Foundation / Agentic AÍ Foundation, 2025.
Por que isso importa para dados de risco
Quem entrega dados de crédito, compliance e identidade por API ganha um canal padronizado para servir agentes. Em vez de integrar cada plataforma de IA com um conector proprietario, a fonte de dados se expoe uma vez como servidor MCP e fica acessível a qualquer agente compatível.
Por que padronizar
A padronização reduz o custo de integração entre agentes e fontes de dados de N vezes M para N mais M conexoes. Esse e o ganho econômico que sustenta a adoção agentica projetada pela Gartner: 40% das aplicações corporativas com agentes até o fim de 2026, contra menos de 5% em 2025 (Gartner, 2025). O protocolo neutro e a camada que torna esse salto operavel.
O custo de integração despenca
Sem um padrão, cada agente precisa de um conector dedicado para cada fonte. Com o MCP, a fonte pública um servidor e os agentes o descobrem. A demanda que justifica esse esforco e concreta. A Gartner projeta que agentes intermediarao mais de US$ 15 trilhoes em compras B2B até 2028 (Gartner, 2025), e a McKinsey registrou que os 50 maiores bancos anunciaram mais de 160 casos de uso agentico em 2025, a maioria ainda em piloto (McKinsey, 2025).
Fonte: Gartner, 2025; McKinsey, 2025.
| Dimensão | Antes do padrão | Com MCP neutro |
|---|---|---|
| Integração agente x fonte | Conector proprietario por par | Servidor único, descoberta padronizada |
| Governança | Dependente de cada fornecedor | Roadmap 2026 com audit trails e SSO |
| Risco de lock-in | Alto | Reduzido por custodia de fundacao |
A Forrester estima que 60% da Fortune 100 nomeara um head of AÍ governance em 2026 (Forrester, 2025), indicador de que governança, e não apenas capacidade técnica, decide a adoção.
Dados de risco via MCP
Expor dados de risco por MCP significa publicar consulta de crédito, compliance e identidade como ferramentas que um agente descobre e invoca, sempre sob controle de acesso e LGPD. Para a DataHub, a API já e a forma principal de entrega; o MCP adiciona a camada de descoberta que coloca 600+ fontes ao alcance de modelos agenticos.
A base que um agente passa a consultar
A DataHub opera com números canonicos que definem a profundidade da consulta agentica disponível. Quando essas fontes se expoem por um protocolo padronizado, o agente deixa de raspar dados dispersos e passa a invocar uma ferramenta governada.
Fonte: DataHub, 2026.
O motor de demanda está no risco
O contexto brasileiro de risco e o que justifica servir esses dados a agentes. São 78,2 milhões de pessoas fisicas negativadas (Serasa Experian, jul/2025) e 8,9 milhões de CNPJs negativados, com R$ 213 bilhões em dívidas em dezembro de 2025, recorde da serie (Serasa Experian, dez/2025). Um agente de concessao de crédito que consulta renda presumida (100M+) e histórico trabalhista (70M+) por uma ferramenta MCP governada opera com rastreabilidade que uma integração ad hoc não garante.
Expor dado de risco a um agente sem trilha de auditoria transfere o problema de compliance para um ponto onde ninguem o ve. O padrão com governança existe para evitar isso.
Governança e trilha
Governança e a condição para dado sensivel chegar a um agente. O roadmap 2026 do MCP prioriza audit trails, SSO e enterprise-readiness (Linux Foundation, 2025), exatamente o que a LGPD e o setor financeiro exigem. Sob a Lei 13.709/2018, a sanção chega a 2% do faturamento, com teto de R$ 50 milhões por infracao (ANPD, 2023). Rastreabilidade deixa de ser opcional.
O que rastreabilidade resolve
Quando um agente consulta dado de crédito ou identidade, e preciso saber quem perguntou, o que foi retornado e sob qual base legal. Audit trails e SSO no protocolo respondem a tres perguntas que a fiscalização faz: autenticação da identidade que consulta, registro imutavel da consulta e controle granular de acesso. A ANPD intensificou a fiscalização em 2024-2025, passando a agir de oficio e publicando o mapa de fiscalização 2026-2027 em dezembro de 2025 (ANPD, gov.br, 2025).
Fonte: ANPD, Resolução CD/ANPD no 4, de 24/02/2023; DataHub, 2026.
A leitura para o comprador
A tese complementa, não substitui, os bureaus. Serasa, Equifax/Boa Vista, Quod, BigDataCorp e B3/Trillia seguem como camadas do ecossistema. O diferencial da DataHub está em servir 600+ fontes por API, e crescentemente por MCP, com aderência a LGPD verificavel a cada chamada.
Leia também no DataHub
Fontes
- Linux Foundation / Agentic AÍ Foundation: doacao do MCP (2025)
- Gartner: projecoes de IA agentica e compras B2B (2025)
- ANPD: Resolução CD/ANPD no 4 e fiscalização LGPD (2023)
- Serasa Experian: inadimplencia PF e PJ (2025)