145 Ferramentas, 17 Skills, 3 Sistemas, Uma Sessão: Por Dentro do Ecossistema MCP que Alimenta o R2-CX

O Que É o Ecossistema MCP?

O Model Context Protocol (MCP) é a camada de interface entre o motor de raciocínio de IA do R2-CX e os sistemas empresariais que ele opera. Cada servidor MCP expõe um conjunto de ferramentas que a IA pode chamar com parâmetros estruturados e receber respostas estruturadas. Pense nisso como uma API tipada projetada especificamente para agentes de IA: cada ferramenta tem um schema, cada parâmetro tem validação e cada resposta segue um formato previsível.

A plataforma JedIN executa 14 servidores MCP cobrindo SAP, Microsoft, Salesforce e sistemas proprietários. Três desses servidores são validados em produção com 145 ferramentas e 17 skills que foram testados contra sistemas ao vivo com dados reais. Este post documenta os resultados completos de validação de uma campanha de testes que executou 35 cenários de teste com taxa de aprovação de 100%.

Os Três Servidores MCP de Produção

MCP C4C (Porta 3333) -- 19 Ferramentas

O servidor MCP do SAP Cloud for Customer é único no ecossistema porque usa automação de navegador Playwright (v1.59.1) ao invés de chamadas de API. O SAP C4C não expõe suas capacidades de configuração e fine-tuning através de APIs externas, então o R2-CX controla um navegador Chromium headless para interagir com a UI do C4C exatamente como um consultor humano faria.

Inventário Completo de Ferramentas:

Ferramenta	Categoria	Descrição
c4c_login	Autenticação	Login completo no navegador com entrada de credenciais e estabelecimento de sessão
c4c_navigate	Navegação	Navegar para qualquer work center ou visão do C4C por nome ou caminho
c4c_click	Interação	Clicar em qualquer elemento de UI por seletor, texto ou label de acessibilidade
c4c_type	Interação	Digitar texto em campos de entrada com foco automático
c4c_screenshot	Evidência	Capturar screenshots de página completa ou de elementos específicos
c4c_evaluate	Avançado	Executar JavaScript no contexto do navegador (OData de mesma origem via fetch)
c4c_adaptation_mode	Configuração	Alternar modo de adaptação/personalização do C4C
c4c_create_field	Configuração	Criar campos de extensão personalizados em objetos de negócios
c4c_fine_tuning	Configuração	Navegar e modificar seções de configuração de fine-tuning
c4c_open_config_section	Configuração	Abrir seção específica de fine-tuning por caminho
c4c_read_table	Dados	Extrair dados tabulares da UI atualmente visível
c4c_fill_form	Interação	Preencher múltiplos campos de formulário em uma única operação
c4c_select_option	Interação	Selecionar valores de dropdown, radio buttons, checkboxes
c4c_wait	Controle	Aguardar condições específicas de UI (elemento visível, texto presente)
c4c_scroll	Navegação	Rolar dentro de containers para carregar conteúdo renderizado sob demanda
c4c_get_page_info	Inspeção	Extrair título da página atual, URL e resumo de elementos visíveis
c4c_close_dialog	Interação	Fechar diálogos modais e popups
c4c_generate_absl	Geração de Código	Gerar código ABSL a partir de 6 templates (validation, calculation, visibility, approval, deduplication, territory)
c4c_analyze	Análise	Executar engines de análise: data_quality, config_completeness, full_audit, report

A ferramenta c4c_analyze executa quatro tipos distintos de análise:

• data_quality: Pontua a qualidade dos dados em objetos de negócios (score: 0-100, resultado de benchmark: 95/100 em testes)
• config_completeness: Avalia quão completamente o C4C foi configurado (resultado de benchmark: 88/100)
• full_audit: Auditoria abrangente do sistema cobrindo segurança, configuração e dados (resultado de benchmark: 70/100)
• report: Gera um relatório executivo em markdown de 4.000+ caracteres com scores, descobertas e recomendações

Benchmarks de Desempenho (C4C) -- Medidos a partir de sessões de teste:

Ferramenta	Tempo Médio de Resposta	Notas
c4c_login	~9.600ms	Fluxo completo de autenticação no navegador
c4c_navigate	1-515ms	Varia pela complexidade da página
c4c_evaluate	4ms	Execução de JavaScript no contexto do navegador
c4c_generate_absl	2ms	Geração de código baseada em templates
c4c_screenshot	~180ms	Captura e codificação PNG
c4c_open_config_section	109ms-4.900ms	Varia pela profundidade da seção
c4c_analyze	1.200-3.800ms	Depende do tipo de análise

MCP CPI (Porta 3335) -- 47 Ferramentas

O servidor MCP do SAP Cloud Platform Integration comunica via APIs OData, fornecendo acesso completo ao plano de gerenciamento do CPI. Este servidor cobre gerenciamento de pacotes, CRUD de artefatos, operações de credenciais, monitoramento e implantação.

Categorias de Ferramentas:

Categoria	Quantidade	Ferramentas Principais
Autenticação	1	cpi_login
Gerenciamento de Pacotes	6	cpi_list_packages, cpi_get_package, cpi_create_package, cpi_update_package, cpi_delete_package, cpi_export_package
Gerenciamento de Artefatos	8	cpi_list_artifacts, cpi_get_artifact, cpi_create_artifact, cpi_update_artifact, cpi_delete_artifact, cpi_download_artifact, cpi_upload_artifact, cpi_copy_artifact
Implantação	4	cpi_deploy_artifact, cpi_undeploy_artifact, cpi_get_deploy_status, cpi_list_deployed
Monitoramento	7	cpi_get_message_logs, cpi_get_message_details, cpi_get_error_info, cpi_get_runtime_status, cpi_get_performance_metrics, cpi_get_trace, cpi_set_trace_level
Credenciais	5	cpi_list_credentials, cpi_get_credential, cpi_create_credential, cpi_update_credential, cpi_delete_credential
Certificados	4	cpi_list_certificates, cpi_get_certificate, cpi_upload_certificate, cpi_delete_certificate
Recursos	4	cpi_list_resources, cpi_get_resource, cpi_upload_resource, cpi_delete_resource
Configuração	3	cpi_get_config, cpi_update_config, cpi_list_adapters
Utilitários	5	cpi_search, cpi_get_system_info, cpi_list_event_types, cpi_get_properties, cpi_validate_artifact

O servidor MCP CPI alcança paridade próxima de 100% com as capacidades do SAP CPI Web IDE. Cada operação que um consultor realizaria através do tooling baseado em navegador do CPI pode ser executada programaticamente através dessas 47 ferramentas.

MCP JedIN (Porta 3334) -- 79 Ferramentas + 11 Skills

O servidor MCP JedIN é o maior do ecossistema, fornecendo gerenciamento completo da plataforma através de chamadas REST API. Ele cobre tudo, desde design de fluxos até implantação, monitoramento e administração de tenant.

Categorias de Ferramentas:

Categoria	Quantidade	Ferramentas Principais
Autenticação	2	jedin_login, jedin_refresh_token
Gerenciamento de Fluxos	12	jedin_list_flows, jedin_get_flow, jedin_create_flow, jedin_update_flow, jedin_delete_flow, jedin_publish_flow, jedin_deploy_flow, jedin_undeploy_flow, jedin_execute_flow, jedin_get_flow_status, jedin_export_flow, jedin_import_flow
Gerenciamento de Pacotes	6	jedin_list_packages, jedin_get_package, jedin_create_package, jedin_update_package, jedin_delete_package, jedin_export_package
Gerenciamento de Conexões	6	jedin_list_connections, jedin_get_connection, jedin_create_connection, jedin_update_connection, jedin_delete_connection, jedin_test_connection
Gerenciamento de Credenciais	5	jedin_list_credentials, jedin_get_credential, jedin_create_credential, jedin_update_credential, jedin_delete_credential
Monitoramento	8	jedin_get_execution_metrics, jedin_list_executions, jedin_get_execution, jedin_get_execution_logs, jedin_get_system_health, jedin_get_performance, jedin_list_alerts, jedin_acknowledge_alert
Tenant e Usuários	6	jedin_get_tenant_info, jedin_update_tenant, jedin_list_users, jedin_get_user, jedin_create_user, jedin_update_user
Marketplace	5	jedin_list_marketplace, jedin_get_marketplace_item, jedin_install_marketplace, jedin_rate_marketplace, jedin_search_marketplace
Artefatos	8	jedin_list_artifacts, jedin_get_artifact, jedin_create_artifact, jedin_update_artifact, jedin_delete_artifact, jedin_get_artifact_content, jedin_update_artifact_content, jedin_list_artifact_versions
Assistência de Código	10	Templates, tipos de nós, padrões de conectores, validação de código, geração de código
Schema	4	jedin_parse_schema, jedin_list_schemas, jedin_validate_schema, jedin_transform_schema
Utilitários	7	jedin_search, jedin_get_changelog, jedin_get_audit_log, jedin_get_feature_flags, jedin_get_system_info, jedin_get_documentation, jedin_get_connector_info

11 Skills (Operações de Nível Superior):

Skills combinam múltiplas chamadas de ferramentas em workflows guiados:

Skill	Ferramentas Usadas	Descrição
create-rest-integration	4-6 ferramentas	Criar um fluxo completo de integração REST-to-REST
create-file-integration	4-6 ferramentas	Criar integração baseada em arquivos (SFTP, S3)
create-event-integration	3-5 ferramentas	Criar integração orientada a eventos com webhooks
create-sap-integration	5-8 ferramentas	Criar integração específica SAP (RFC, IDoc, OData)
get-connector-info	1-2 ferramentas	Recuperar documentação detalhada de conectores
diagnose-flow	3-5 ferramentas	Diagnosticar um fluxo em falha com análise de logs
optimize-flow	2-4 ferramentas	Sugerir otimizações de desempenho para um fluxo
migrate-cpi-flow	4-8 ferramentas	Migrar um iFlow do CPI para formato JedIN
setup-monitoring	2-3 ferramentas	Configurar alertas e dashboards para um fluxo
bulk-deploy	3-6 ferramentas	Implantar múltiplos fluxos com ordenação de dependências
security-audit	4-6 ferramentas	Auditar credenciais, conexões e padrões de acesso

Benchmarks de Desempenho (JedIN) -- Medidos a partir de sessões de teste:

Ferramenta	Tempos de Resposta Medidos	Notas
jedin_list_flows	22ms, 24ms, 35ms	Inventário completo de fluxos
jedin_create_flow	69ms	Criação de fluxo com validação
jedin_list_credentials	14ms, 20ms, 28ms	Consulta ao credential store
jedin_get_tenant_info	114ms, 137ms, 256ms	Configuração completa do tenant
jedin_list_users	10ms	Listagem de contas de usuários
jedin_get_execution_metrics	43ms, 53ms	Estatísticas agregadas de runtime
jedin_list_node_types	2ms	Categorias de tipos de nós
jedin_get_health	4ms	Verificação de saúde do sistema
jedin_deploy_flow	~120s (polling)	Inclui build + implantação Camel K

Auto-Login e Recuperação de Sessão

Uma das funcionalidades mais críticas do ecossistema MCP é a recuperação automática de sessão. Sistemas empresariais têm timeouts de sessão, expiração de tokens e interrupções ocasionais de conectividade. Se a sessão do consultor de IA morre no meio de uma operação, ela precisa se recuperar sem intervenção humana.

Como o Auto-Login Funciona

Cada servidor MCP implementa um gerenciador de ciclo de vida de tokens:

1. Autenticação inicial: A IA chama a ferramenta de login (ex.: jedin_login). O servidor armazena o access token, refresh token e timestamp de expiração.
2. Refresh de token: Antes de cada chamada de ferramenta, o servidor verifica se o access token expira dentro dos próximos 60 segundos. Se sim, ele automaticamente faz refresh usando o refresh token armazenado.
3. Re-autenticação completa: Se o refresh token em si expirou (ex.: após um longo período ocioso), o servidor realiza um login completo usando credenciais armazenadas e retenta a chamada original.
4. Retry transparente: A IA recebe a resposta da ferramenta como se nada tivesse acontecido. A re-autenticação é invisível para a camada de raciocínio.

Recuperação de Sessão no Mundo Real (Confirmada em Testes)

Durante o teste de benchmark de 61 cenários, o R2-CX encontrou expiração de sessão duas vezes:

• Cenário 43: A sessão do SAP C4C morreu após 45 minutos de operação contínua. O servidor MCP detectou que o cookie de sessão era inválido ("Token expirado"), realizou c4c_login (~9,6s) e retentou a chamada falhada. Tempo total de recuperação: aproximadamente 10 segundos. Zero intervenção manual.
• Cenário 55: O JWT do JedIN expirou durante uma longa fase de análise. O servidor MCP fez refresh do token em milissegundos e retentou. A IA nem percebeu a interrupção.

Esta capacidade de auto-recuperação é essencial para as sessões de consultor de múltiplas horas que o R2-CX suporta. Uma sessão que requer intervenção humana para re-autenticar é uma sessão que não pode rodar autonomamente.

Resultados de Validação: 35/35 Testes Aprovados

O ecossistema MCP foi validado através de uma campanha de testes estruturada cobrindo todos os três servidores de produção:

Distribuição de Testes

Servidor	Testes	Chamadas de Ferramentas	Taxa de Aprovação
MCP C4C	12	45+	12/12 (100%)
MCP CPI	10	30+	10/10 (100%)
MCP JedIN	13	42+	13/13 (100%)
Total	35	117+	35/35 (100%)

Teste de Sessão Cross-System

O cenário de teste mais exigente envolveu todos os três sistemas em uma única sessão:

1. Login no SAP C4C (navegador), JedIN (REST) e SAP CPI (OData) -- 3 logins paralelos
2. Extrair dados de configuração do C4C usando automação de navegador
3. Consultar JedIN para fluxos de integração existentes que conectam ao C4C
4. Consultar CPI para artefatos que interagem com o mesmo tenant C4C
5. Cruzar referências das descobertas e gerar uma avaliação unificada

Este cenário executou 60+ chamadas de ferramentas em 3 servidores MCP em uma única sessão de arquiteto. Todas as chamadas foram bem-sucedidas. Duração total da sessão: menos de 5 minutos para análise completa cross-system.

O Ecossistema Completo: 14 Servidores, 307 Ferramentas

Além dos 3 servidores de produção, o ecossistema MCP do JedIN inclui 11 servidores adicionais em vários estágios de prontidão:

Prontos para API (Aguardando Tenant Azure AD)

Servidor	Porta	Ferramentas	Sistema Alvo
MCP Power BI	3336	26	Microsoft Power BI
MCP Power Apps	3337	18	Microsoft Power Apps / Dynamics 365

Esses servidores estão com código completo e testados contra endpoints mock. Aguardam credenciais Azure AD de produção para validação ao vivo.

Beta (Funcional, Pendente Teste de Produção)

Servidor	Porta	Ferramentas	Sistema Alvo
MCP Salesforce	3338	18	Salesforce CRM
MCP HubSpot	3339	15	HubSpot CRM
MCP VTEX	3340	14	VTEX Commerce
MCP TOTVS	3341	12	TOTVS Protheus
MCP S/4HANA	3342	16	SAP S/4HANA
MCP ABAP	3343	12	SAP ABAP Systems
MCP SAC	3344	11	SAP Analytics Cloud
MCP Emarsys	3345	11	SAP Emarsys
MCP C4C v2	3346	11	SAP C4C (baseado em API, próxima geração)

Esses servidores beta foram desenvolvidos e testados com dados mock ou sandbox. Não estão ainda validados contra sistemas de produção e não estão incluídos na contagem de "145 ferramentas" de produção.

Externos (MCPs Oficiais de Provedores)

Para AWS, Azure e Dynamics 365, o JedIN integra com servidores MCP oficiais fornecidos pelos provedores de plataforma (AWS Labs MCP, Azure MCP) ao invés de construir implementações personalizadas.

Números Totais do Ecossistema

Categoria	Servidores	Ferramentas	Skills
Produção (validado)	3	145	17
Pronto para API	2	44	0
Beta	9	118	0
Total	14	307	17

Nota: Os 6 skills adicionais (além dos 11 skills do JedIN) vêm dos servidores MCP C4C e MCP CPI, totalizando 17 skills nos 3 servidores de produção.

Arquitetura: Como os Servidores MCP se Conectam

Cada servidor MCP segue um padrão de arquitetura compartilhado da biblioteca packages/mcp-shared:

R2-CX AI Engine
    |
    | (MCP Protocol - JSON-RPC over stdio/HTTP)
    |
    +-- MCP Server Base (mcp-shared)
         |
         +-- Tool Registry (schema validation, parameter types)
         +-- Auth Manager (token lifecycle, auto-refresh, re-login)
         +-- Response Formatter (structured output for AI consumption)
         +-- Error Handler (retry logic, graceful degradation)
         |
         +-- Transport Layer
              |
              +-- Playwright (C4C: browser automation)
              +-- HTTP/REST (JedIN: REST API)
              +-- OData (CPI: SAP OData services)
              +-- OAuth2 (Power BI, Power Apps: Azure AD)

A biblioteca base compartilhada lida com autenticação, lógica de retry e formatação de resposta. Servidores MCP individuais só precisam implementar a camada de transporte e lógica específica de ferramentas. Esta arquitetura compartilhada é por que o ecossistema escala para 14 servidores sem esforço de engenharia proporcional.

O Que 145 Ferramentas Validadas Significam para IA Empresarial

O número em si é menos importante do que o que ele representa: cobertura operacional completa em três sistemas empresariais. O R2-CX não gera conselhos genéricos baseados em documentação. Ele lê configurações reais, consulta APIs reais, navega UIs reais e produz descobertas baseadas no estado real do sistema.

Cada chamada de ferramenta documentada neste post retornou dados reais de sistemas de produção e sandbox ao vivo. Cada tempo de resposta é um valor medido, não uma estimativa. Cada descoberta foi derivada de inspeção real do sistema, não de templates ou suposições.

Isso é o que separa uma plataforma de consultor de IA de um chatbot com conhecimento enterprise: a capacidade de agir, não apenas aconselhar.