Seu Servidor MCP Devora a Janela de Contexto: Uma Abordagem Mais Simples

O 'context bloat' não é um bug, é uma consequência direta de como agentes baseados em MCP tentam resolver o problema de descoberta de ferramentas: empurrando toda a documentação estruturada para dentro da janela de contexto do LLM. Isso força o modelo a carregar, reprocessar e reavaliar centenas ou milhares de tokens a cada chamada, mesmo quando só precisa de uma única função. A CLI entra como um mecanismo de descoberta *on-demand*: ao invés de descrever todas as ferramentas de uma vez, o agente executa tool-cli --help, recebe um resumo conciso (10, 32× menos tokens), escolhe um subcomando e só então carrega os detalhes específicos, se necessário. Essa abordagem alinha-se com boas práticas de DX: reduz ruído cognitivo no prompt, elimina redundâncias de esquema e transfere parte do raciocínio para o ambiente executável, onde ele é mais previsível e auditável.

A economia de tokens aqui não é marginal: segundo dados do Stanford Digital Economy Lab (maio/2026), agentes consomem até 1.000× mais tokens que tarefas equivalentes de chat ou código puro, e grande parte desse excesso vem justamente da repetição de metadados de ferramentas. Uma CLI bem projetada transforma esse custo fixo (carregar tudo) em custo variável (carregar só o que serve), o que impacta diretamente performance, latência e contas de API. Mas atenção: essa eficiência depende de CLIs com saídas estáveis, parseáveis e sem efeitos colaterais, caso contrário, o ganho em tokens vira dívida técnica em manutenção e confiabilidade.

Em 2026, o custo de tokens deixou de ser um detalhe operacional e virou um fator crítico de arquitetura. Com o maior cliente da OpenAI consumindo 100 bilhões de tokens/mês, um aumento de 1.000.000× em 6,5 anos, otimizações que reduzem consumo em ordens de grandeza deixaram de ser niciches e passaram a definir viabilidade econômica de sistemas de agentes. A troca entre MCP e CLI não é só técnica: é uma decisão sobre onde colocar a lógica de descoberta (no prompt ou no binário), onde ocorre a validação (no LLM ou no sistema operacional) e quem assume o risco de falha (o modelo ou o processo local). Para times de engenharia de software, isso significa menos tempo depurando prompts confusos e mais tempo construindo interfaces de linha de comando robustas, uma habilidade antiga, mas repaginada como peça-chave da stack de IA produtiva.