MCP vira protocolo stateless: o que muda para quem usa LangChain

MCP em alta (e em reescrita)

Os SDKs oficiais de Tier 1 do MCP já somam cerca de meio bilhão de downloads por mês, e o crescimento acelera: as chamadas de ferramentas MCP feitas por usuários do ChatGPT subiram 98 vezes ao longo de 2026, mais que dobrando apenas em agosto. O Model Context Protocol (MCP) se consolidou como a forma mais popular de conectar agentes a ferramentas.

Em julho, o protocolo passou por sua maior reescrita desde o lançamento — e o LangChain acompanhou, reformulando o suporte ao MCP para a nova especificação.

Três mudanças principais

• Suporte no pacote principal: o MCP agora vive em langchain.mcp, não mais em um pacote separado (o antigo langchain-mcp-adapters).
• Baseado em FastMCP: transportes, autenticação, gerenciamento de conexão e negociação de protocolo vêm do cliente, então servidores na especificação antiga e na nova funcionam juntos.
• Elicitação e caching: interrupções e caching no lado do cliente agora são suportados.

O que muda com o protocolo stateless

Historicamente, toda chamada MCP rodava sobre sessões: era preciso abrir uma sessão, receber um ID e carregá-lo em cada requisição — o que prendia o cliente à instância de servidor que o emitiu. Escalar um servidor remoto significava roteamento fixo e um armazenamento de sessões compartilhado.

A nova especificação muda isso com um núcleo stateless, um dos recursos mais pedidos pelos desenvolvedores. Sem nada para “prender”, um redeploy não derruba mais sessões ativas — porque elas não existem. Isso destravou duas coisas que agora estão no langchain.mcp:

• Caching: o servidor informa por quanto tempo a lista de ferramentas permanece válida, e o cliente para de refetá-la a cada execução.
• Elicitação: uma ferramenta pode pausar para perguntar algo ao chamador — como confirmar uma exclusão ou pedir um parâmetro que o modelo omitiu — sem manter uma conexão aberta enquanto espera.

Como usar

Para instalar, basta pip install "langchain[mcp]". O antigo MultiServerMCPClient colapsa em uma única classe MCPAdapter. Um exemplo mínimo de uso:

from langchain.mcp import MCPAdapter

async with MCPAdapter("https://example.com/mcp") as adapter:
    agent = create_deep_agent(
        model="google_genai:gemini-3.8-flash",
        tools=await adapter.list_tools()
    )
    result = await agent.ainvoke({"messages": [{"role": "user", "content": "..."}]})

Para quem já mantém agentes com MCP, a migração é guiada por um guia oficial do LangChain — e o ganho imediato é menos fricção de infraestrutura e um ciclo de ferramentas mais leve a cada execução.