Desenvolvedores perdem o foco 1.200 vezes ao dia — veja como o protocolo MCP pode ajudar

Desenvolvedores de software passam boa parte do tempo em tarefas que não envolvem escrever código. Pesquisas recentes da indústria apontam que a programação em si ocupa apenas 16% da jornada de trabalho. O restante é consumido por atividades operacionais e de suporte.

Com a pressão crescente sobre as equipes de engenharia para produzir mais com menos, e líderes de empresas falando sobre a parcela de código gerada por Inteligência Artificial, surge uma questão importante: como otimizar os 84% de tarefas não relacionadas à codificação?

Mantenha Desenvolvedores Focados na Produtividade

Um dos grandes obstáculos para a produtividade dos desenvolvedores é o Context switching de desenvolvedores. Essa prática envolve a troca constante entre diversas ferramentas e plataformas necessárias para construir e entregar software. Um estudo da Harvard Business Review revelou que um trabalhador digital comum alterna entre aplicativos e sites cerca de 1.200 vezes por dia.

Cada interrupção tem seu peso. A Universidade da Califórnia constatou que leva aproximadamente 23 minutos para recuperar totalmente o foco após uma única interrupção. Em alguns casos, a situação é pior, já que quase 30% das tarefas interrompidas nunca são retomadas. O context switching é um ponto central no DORA, uma estrutura de desenvolvimento de software amplamente utilizada para medir desempenho.

Em um cenário onde empresas orientadas por Inteligência Artificial buscam capacitar seus funcionários para fazer mais com menos, indo além de apenas fornecer acesso a grandes modelos de linguagem (LLMs), novas tendências começam a aparecer. Jarrod Ruhland, engenheiro principal na Brex, por exemplo, sugere que desenvolvedores entregam seu maior valor quando estão concentrados dentro de seu ambiente de desenvolvimento integrado (IDE).

Com essa ideia em mente, ele procurou novas maneiras de tornar isso realidade. O novo protocolo da Anthropic pode ser uma peça chave para alcançar esse objetivo, buscando otimizar as atividades que tomam tempo e tiram o foco dos profissionais, ajudando-os a manter a concentração no ambiente de codificação.

Protocolo MCP: Mais Contexto para IDEs

Assistentes de codificação, como IDEs alimentadas por LLMs como Cursor, Copilot e Windsurf, estão no centro de um “renascimento” para desenvolvedores. A velocidade de adoção dessas ferramentas é notável. O Cursor, por exemplo, se tornou o SaaS de crescimento mais rápido da história, atingindo 100 milhões de dólares em receita anual recorrente (ARR) em apenas 12 meses após seu lançamento.

Além disso, cerca de 70% das empresas da Fortune 500 já utilizam o Microsoft Copilot, o que demonstra a amplitude da integração dessas tecnologias no ambiente corporativo. Esses assistentes de codificação, contudo, eram limitados ao contexto do código, ajudando desenvolvedores a escreverem mais rápido, mas não a resolver o problema de mudança de contexto.

Um novo protocolo aborda essa questão: o Model Context Protocol (MCP). Lançado em novembro de 2024 pela Anthropic, este é um padrão aberto que visa facilitar a integração entre sistemas de agentes de IA, especialmente ferramentas baseadas em LLMs, e fontes de dados e ferramentas externas. O protocolo está ganhando popularidade rapidamente.

Nos últimos seis meses, houve um aumento de 500% no número de novos servidores MCP, com uma estimativa de 7 milhões de downloads apenas em junho. Uma das aplicações mais significativas do MCP é sua capacidade de conectar assistentes de codificação de IA diretamente às ferramentas que os desenvolvedores usam diariamente. Isso visa simplificar fluxos de trabalho e reduzir a troca de contexto.

Pense no desenvolvimento de um recurso, por exemplo. Tradicionalmente, o processo exige alternar entre vários sistemas: ler o chamado em um sistema de rastreamento de projetos, verificar uma conversa com um colega para esclarecimentos, pesquisar a documentação para detalhes da API e, finalmente, abrir o IDE para começar a codificar. Cada etapa ocorre em uma aba diferente, exigindo mudanças mentais que atrasam o desenvolvedor.

Com o MCP e assistentes de IA modernos, como o Claude da Anthropic, todo esse processo pode acontecer dentro do editor. Por exemplo, implementar um recurso completamente dentro de um assistente de codificação pode incluir:

• Puxar os detalhes do chamado usando o servidor Linear MCP;
• Exibir conversas relevantes usando o servidor Slack MCP;
• Trazer a documentação correta usando o servidor Glean MCP;
• Escrever o recurso pedindo ao Cursor para criar um esqueleto de código.

O mesmo princípio pode ser aplicado a muitos outros fluxos de trabalho de engenheiros. Para engenheiros de confiabilidade de site (SREs), uma resposta a incidentes poderia incluir:

• Puxar um incidente através do servidor Rootly MCP;
• Recuperar dados de rastreamento através do servidor Sentry MCP;
• Importar métricas de observabilidade via servidor Chronosphere MCP;
• Resolver o bug que causou o incidente, utilizando o Claude Desktop.

Precedentes de Otimização de Fluxos

Esse padrão de centralização não é uma novidade. Na última década, o Slack transformou a produtividade no local de trabalho ao se tornar um centro para centenas de aplicativos. Ele permitiu que os funcionários gerenciassem uma ampla gama de tarefas sem precisar sair da janela de bate-papo, diminuindo consideravelmente o context switching em fluxos de trabalho diários.

A Riot Games, por exemplo, conectou cerca de 1.000 aplicativos ao Slack. Como resultado, os engenheiros perceberam uma redução de 27% no tempo necessário para testar e iterar código. Houve também uma identificação de novos bugs 22% mais rápida e um aumento de 24% na taxa de lançamento de novos recursos. Todos esses resultados foram atribuídos à simplificação dos fluxos de trabalho e à diminuição do atrito causado pela troca de ferramentas, mostrando como a otimização pode impactar positivamente as operações.

Agora, uma mudança similar está ocorrendo no desenvolvimento de software, com assistentes de IA e suas integrações MCP atuando como ponte para todas essas ferramentas externas. O IDE, na prática, poderia se tornar o novo centro de comando completo para engenheiros, assim como o Slack tem sido para os trabalhadores que lidam com conhecimento geral.

Desafios do MCP para Grandes Empresas

O MCP é um padrão relativamente recente e ainda apresenta aspectos a serem aprimorados, especialmente no que tange à segurança. O protocolo, por exemplo, não possui um modelo de autenticação ou permissão integrado, dependendo de implementações externas que ainda estão em desenvolvimento. Isso levanta dúvidas sobre como as organizações podem garantir a proteção de seus dados.

Há também ambiguidade em relação à identidade e auditoria. O protocolo não distingue claramente se uma ação foi iniciada por um usuário ou pela própria IA. Isso dificulta a responsabilização e o controle de acesso sem a necessidade de soluções personalizadas adicionais. Lori MacVittie, engenheira e chefe evangelista no Escritório do CTO da F5 Networks, aponta que o MCP está “quebrando suposições básicas de segurança que mantemos há muito tempo”, o que é um ponto crítico para empresas que dependem de software de cibersegurança robusto.

Outra limitação prática surge quando muitos servidores ou ferramentas MCP são usados ao mesmo tempo, por exemplo, dentro de um assistente de codificação. Cada servidor MCP divulga uma lista de ferramentas, com descrições e parâmetros, que o modelo de IA precisa considerar. Inundar o modelo com dezenas de ferramentas disponíveis pode sobrecarregar sua janela de contexto.

O desempenho diminui de forma perceptível à medida que o número de ferramentas aumenta, e algumas integrações de IDE estabeleceram limites rígidos (cerca de 40 ferramentas no Cursor IDE, ou aproximadamente 20 ferramentas para o agente da OpenAI) para evitar que o prompt ultrapasse a capacidade do modelo. Isso demonstra um desafio técnico importante na escalabilidade do uso do protocolo em ambientes complexos.

Por fim, não existe um método sofisticado para que as ferramentas sejam automaticamente descobertas ou sugeridas contextualmente, além de simplesmente listá-las todas. Com isso, os desenvolvedores geralmente precisam ativá-las manualmente ou gerenciar quais ferramentas estão ativas para manter o fluxo de trabalho. No exemplo da Riot Games, que instalou 1.000 aplicativos Slack, percebe-se como essa abordagem poderia não ser adequada para uso corporativo, exigindo um modelo inovador de IA para gerenciamento de ferramentas.

Menos Interrupções, Mais Desenvolvimento

A última década nos ensinou o valor de levar o trabalho ao trabalhador, desde canais do Slack que entregam atualizações até metodologias de e-mail “inbox zero” e painéis de engenharia de plataforma unificados. Agora, com a Anthropic e a IA em nosso conjunto de ferramentas, temos uma oportunidade de capacitar os desenvolvedores para serem mais produtivos.

Se o Slack se tornou o centro da comunicação empresarial, os assistentes de codificação estão bem posicionados para se tornarem o centro da criação de software, não apenas onde o código é escrito, mas onde todo o contexto e os colaboradores se unem. Ao manter os desenvolvedores em seu fluxo, eliminamos a constante mudança de marcha mental que tem prejudicado a produtividade da engenharia.

Para qualquer organização que dependa da entrega de software, é importante analisar como seus desenvolvedores gastam o dia. Você pode se surpreender com o que encontrar e com o impacto que a otimização de fluxos pode ter na eficiência geral.

Este conteúdo foi auxiliado por Inteligência Artificial, mas escrito e revisado por um humano.