O MCP torna-se a “infraestrutura” da IA em AdTech para ligar modelos a ferramentas e dados

Na AdTech não faltam acrónimos nem demonstrações de IA, mas o MCP (Model Context Protocol) começa a destacar-se por um motivo diferente: não é uma feature dentro de uma plataforma, mas sim uma peça de infraestrutura. A ideia é simultaneamente simples e ambiciosa: padronizar a forma como um modelo de linguagem se liga a software e a fontes de dados para executar ações de forma previsível, controlada e governável, sem necessidade de criar conectores específicos para cada caso.

A Anthropic apresentou o MCP como um padrão aberto para criar ligações seguras “bidirecionais” entre ferramentas de IA e os sistemas onde vivem os dados: CRMs, repositórios, plataformas internas ou fornecedores externos. O MCP organiza-se numa arquitetura cliente-servidor: os programadores expõem capacidades através de “MCP servers” e as aplicações ou agentes funcionam como “MCP clients” que consomem essas capacidades.

O ponto central não é apenas ligar sistemas, mas definir o contrato de utilização: que ferramentas o modelo pode usar, como as pode invocar e com que limites. Com esse contrato, um agente pode encadear passos dentro de um fluxo real — por exemplo, extrair um relatório, construir uma audiência, enviar uma instrução e ativar uma campanha — mantendo o contexto entre ações, em vez de tratar cada prompt como se começasse do zero.

AdCP, WebCP e UCP: protocolos “de indústria” construídos sobre o MCP

A partir dessa camada base, já começam a surgir protocolos especializados. Na publicidade, um dos mais visíveis é o AdCP (Ad Context Protocol), descrito como um padrão aberto para automatizar fluxos publicitários com linguagem natural (“Natural language in. Campaigns out.”), que utiliza o MCP como camada de transporte.

Em paralelo, um artigo da AdExchanger identifica WebCP (focado em ações e navegação na web) e UCP (centrado em casos de uso de commerce, desde descoberta até checkout) como exemplos de como diferentes “idiomas” podem partilhar o mesmo “cabeamento” MCP para operar num ecossistema de agentes sem ter de reinventar integrações a cada nova aplicação.

Porque o setor AdTech precisa disto agora: orquestração, memória e workflows reais

O interesse do MCP na publicidade está ligado a um problema muito concreto: o trabalho real raramente acontece dentro de uma única ferramenta. Planeamento, ativação, otimização, medição e reporting atravessam DSPs, SSPs, walled gardens, clean rooms, fornecedores de medição, redes de retail media e ferramentas internas. Nesse contexto, o MCP surge como uma forma de permitir que a IA aja através de todo o stack, e não apenas “dentro” de um dashboard.

O mesmo artigo da AdExchanger cita um dado que ilustra essa complexidade: segundo Bob Walczak, da MadConnect, um profissional de marketing típico opera com entre 80 e 120 plataformas no seu stack de MarTech e AdTech. O MCP não elimina essa complexidade por si só, mas pode funcionar como uma camada de ligação que automatiza tarefas repetitivas entre sistemas, desde que exista implementação e governação dos dois lados.

Primeiras implementações em Criteo, Similarweb, Adverity e MadConnect

O artigo destaca vários exemplos iniciais. A Criteo utiliza o MCP “por baixo” da sua interface para permitir que os marketers consultem campanhas e catálogos em linguagem natural, desde recomendações de produtos até criação de audiências e configuração de campanhas.

A Similarweb aplica-o sobretudo na fase de planeamento, ligando agentes a dados de tráfego web e de apps, palavras-chave e categorias para responder a perguntas sobre concorrência e tendências sem necessidade de alternar entre múltiplas ferramentas.

A Adverity concentra-se num ponto crítico: garantir que a IA mantém estado e contexto entre perguntas (filtros, marcas, períodos), evitando que uma análise com vários passos “recomece” a meio do processo.

Já a MadConnect — anteriormente conhecida como MadTech — posiciona-se como uma camada de conectividade que unifica APIs de AdTech e MarTech e as expõe através do MCP para que agentes possam operar workflows cross-platform (mover audiências, sincronizar conversões, extrair relatórios) sem integrações novas para cada caso.

Incentivos, governação e qualidade dos dados

O potencial do MCP também traz fricção política. Se os agentes conseguirem uma visão coerente e comparável da performance, isso beneficia os compradores… mas pode entrar em conflito com modelos de negócio baseados em fragmentação e opacidade. Essa tensão — mais do que a tecnologia em si — é uma das barreiras para que o MCP passe de promessa a padrão operacional na compra de media.

A isso soma-se a questão da governação: ligar fontes de dados não basta se não forem controlados permissões, definições e consistência. O MCP pode ajudar a manter contexto e executar ações de forma ordenada, mas se os inputs estiverem errados ou incompletos, o risco é acelerar decisões erradas com uma confiança injustificada.

Em síntese, o MCP está a tornar-se uma peça central no discurso da IA agentic na publicidade porque ataca o verdadeiro estrangulamento do setor: integração e orquestração. Se o ecossistema o adotar em larga escala — e se os incentivos de mercado o permitirem — poderá transformar a IA de um simples widget dentro de uma plataforma numa camada transversal capaz de operar fluxos completos de campanha.