Pular para o conteúdo
RAG × MCP

RAG e MCPpor dentro

Material interativo que mostra o que acontece dentro de um pipeline de RAG e em que o MCP difere de uma API REST.

Começar pelo RAGIr para o MCP
Os 24 chunks do corpus no espaço vetorial. Arraste para girar; passe o ponteiro numa esfera para ler o trecho.

Do texto ao trecho recuperado

O módulo de RAG segue o pipeline na ordem em que ele roda: fatiar os documentos, transformar cada pedaço em vetor, indexar com metadados, manter o índice atualizado e consultar por similaridade.

  1. ChunkingSliders de tamanho e sobreposição cortam um texto de exemplo em chunks.
  2. EmbeddingsSimilaridade cosseno, produto escalar e norma L2, e o espaço vetorial em 3D.
  3. IndexaçãoOs 24 chunks com filtro por categoria e ordenação por data ou tokens.
  4. Dados dinâmicosInserções, atualizações e remoções no índice, com botão de pausa.
  5. PlaygroundOito perguntas prontas e os três chunks mais próximos de cada uma.
Playground de consulta: a pergunta sobre fotossíntese, os três chunks mais próximos destacados no espaço 3D e a similaridade cosseno de cada um.
Playground: a pergunta vira vetor e os três chunks mais próximos acendem no espaço.
Simulador de chunking: seis barras coloridas e escalonadas marcam onde cada chunk começa e termina no texto, com a sobreposição entre vizinhos.
Chunking: com 140 caracteres por chunk e 30 de sobreposição, o texto de exemplo vira seis chunks.

API REST ou MCP

O módulo de MCP mostra como um modelo de linguagem descobre e chama ferramentas em tempo de execução, e compara o protocolo com uma API REST em oito pontos.

Diferenças entre API REST e MCP
Descoberta de capacidadesAPI REST: Em build time, via SDKMCP: Em runtime, via tools/list
ContratoAPI REST: Schema fixo, versionado (OpenAPI)MCP: JSON Schema por tool + descrição em linguagem natural
TransporteAPI REST: HTTP ou gRPCMCP: stdio, Streamable HTTP ou SSE
ClienteAPI REST: Escrito à mão por integraçãoMCP: Cliente universal (LLM, IDE, agente)
EstadoAPI REST: Sem estado por requisiçãoMCP: Sessão persistente por conexão
AutenticaçãoAPI REST: Headers, tokens, OAuthMCP: Delegada ao transporte e a capabilities
EvoluçãoAPI REST: Versionamento, breaking changesMCP: Adição de tool é compatível
Público-alvoAPI REST: Desenvolvedores humanosMCP: Modelos de linguagem
Fluxo de tool calling: a lista de passos entre usuário, cliente e servidor MCP, com o payload JSON-RPC do passo aberto.
Fluxo de tool calling: cada passo abre o JSON-RPC trocado.
  1. Anatomia de uma APIFluxo de requisição e contrato fixo em build time.
  2. Anatomia do MCPCliente, servidor e transporte; tools, resources e prompts.
  3. ComparaçãoOito dimensões em que REST e MCP divergem.
  4. Tool callingNove passos com o payload JSON-RPC 2.0 de cada um.
  5. Quando usarÁrvore de decisão: MCP, API REST ou os dois.

Vetores que dá para ler

Cada chunk foi descrito à mão em oito dimensões com nome: temporal, geográfico, científico, cultural, tecnológico, histórico, numérico e afetivo. Num sistema real, um embedding tem 768 a 3072 dimensões opacas. Aqui dá para olhar o vetor de uma consulta e dizer por que cada chunk foi recuperado.

Corpus
24 chunks em 6 categorias
Vetores
8 dimensões com nome
Consultas
8 perguntas prontas
Servidor
nenhum: tudo roda no navegador
Ler o método e os limites do modelo simulado
Painel de dimensões da pergunta sobre a chegada dos portugueses ao Brasil: histórico 0,95, temporal 0,85 e geográfico 0,70 acendem; as outras ficam perto de zero.
O vetor da pergunta “Quando os portugueses chegaram ao Brasil?”, dimensão por dimensão.