Claude, MCP e tool use em 2026
TL;DR
Em 2026, a Anthropic evoluiu o uso de ferramentas no Claude com foco em escala: em vez de carregar tudo no contexto, o modelo passa a descobrir e acionar o que precisa só quando necessário. Isso importa porque reduz consumo de tokens, melhora a orquestração com MCP e abre espaço para agentes que lidam com muitas ferramentas sem virar uma bagunça operacional.
O que mudou no tool use do Claude
O ponto central do anúncio é a tentativa de separar dois problemas que antes vinham juntos: descobrir a ferramenta certa e executar a chamada. No material de engenharia da Anthropic, esse avanço aparece como um pacote de capacidades que inclui Tool Search Tool, Programmatic Tool Calling e Tool Use Examples, para tornar o uso de ferramentas mais eficiente quando o catálogo cresce Introducing advanced tool use on the Claude Developer Platform.
Na prática, isso muda o desenho de agentes que trabalham com MCP. Em vez de empurrar definições de tool e resultados para o contexto o tempo todo, o Claude pode buscar uma ferramenta sob demanda, ou até orquestrar chamadas por código em um ambiente de code execution compatível. A própria Anthropic descreve que essa abordagem ajuda a evitar a explosão de contexto que aparece quando a quantidade de tools cresce Code execution with MCP: Building more efficient agents.
Por que a descoberta sob demanda importa
O Tool Search Tool foi pensado para cenários em que o conjunto de ferramentas já ficou grande demais para simplesmente “jogar tudo” no prompt. A documentação oficial cita sinais claros para adotá-lo: dezenas de tools, definições acima de milhares de tokens e múltiplos MCP servers conectados ao mesmo agente Tool Search Tool - Claude Platform Docs.
Esse detalhe é mais importante do que parece. Em vez de o modelo precisar memorizar ou receber a biblioteca inteira, a busca vira uma camada de roteamento. Para times que integram CRM, planilhas, banco de dados interno, retrievers e automações separadas, isso reduz custo de contexto e também ajuda a manter a interface do agente mais previsível.
Programmatic tool calling: quando o código vira orquestrador
Outro eixo do anúncio é o Programmatic Tool Calling. Aqui, o Claude pode escrever código para chamar ferramentas dentro de um ambiente de execução, em vez de depender de ida e volta do modelo para cada invocação. A documentação oficial mostra que esse modo exige compatibilidade com code_execution_20260120 ou posterior e usa um formato específico de caller no objeto de tool use Programmatic tool calling - Claude Platform Docs.
Isso faz sentido quando o agente precisa encadear várias operações pequenas, filtrar resultados ou transformar dados antes de decidir a próxima ação. No artigo da Anthropic sobre MCP, a recomendação é justamente usar code execution para interagir com servidores MCP de forma mais eficiente, porque o código pode selecionar o que realmente precisa ser levado ao contexto do modelo Code execution with MCP: Building more efficient agents.
Tool Use Examples reduzem erro de schema
Há ainda um componente mais “pedagógico”: os Tool Use Examples. A ideia é fornecer exemplos de chamadas corretas para que o Claude aprenda o formato esperado de entrada e saída, o que ajuda a diminuir falhas de schema e JSON quando há muitas ferramentas parecidas Introducing advanced tool use on the Claude Developer Platform.
Esse tipo de orientação é útil em ambientes reais, porque a maioria dos agentes quebra não por falta de capacidade do modelo, mas por inconsistência no contrato entre ferramenta, prompt e runtime. Quando a especificação fica rígida e o número de tools sobe, um exemplo bom vale tanto quanto um prompt longo.
MCP, escala e o problema do contexto
O MCP continua sendo a peça de infraestrutura por trás dessa história. A especificação de 2026-07-28 reforça a maturidade do protocolo e sinaliza mudanças relevantes para quem opera em produção 2026-07-28 Specification | Model Context Protocol Blog.
O problema prático é simples: cada definição de tool, cada resposta intermediária e cada fragmento de estado consomem contexto. Quando você conecta muitas fontes, isso vira custo, latência e mais chance de erro. A proposta da Anthropic é empurrar parte da seleção para a busca e parte da orquestração para o código, mantendo o modelo focado apenas no que realmente importa em cada etapa Code execution with MCP: Building more efficient agents.
Essa seção descreve a evolução de 2026 no ecossistema Claude/MCP. APIs de IA mudam rápido — confira o changelog oficial antes de adotar em produção.
Como isso afeta quem constrói agentes
Para quem desenvolve agentes, a implicação é arquitetural. Em vez de tratar tool use como uma lista estática de endpoints expostos ao modelo, faz mais sentido pensar em camadas: descoberta, seleção, execução e pós-processamento. O Claude ganha capacidade para navegar esse funil com menos vazamento de contexto e menos round-trips desnecessários.
Na prática, isso favorece três padrões. Primeiro: bibliotecas grandes de ferramentas, em que só uma fração será usada em cada tarefa. Segundo: conectores MCP distribuídos, em que carregar tudo seria caro demais. Terceiro: fluxos com muitos passos pequenos, em que o código faz a orquestração pesada e o modelo entra para decisão semântica.
O que observar em produção
Mesmo com essas melhorias, o cuidado continua sendo o mesmo: contrato claro, logging, limites de chamada e observabilidade. O Tool Search Tool não elimina necessidade de bom desenho de ferramenta; ele só reduz o atrito de descoberta. E o Programmatic tool calling não substitui governança de segurança, especialmente quando o ambiente consegue executar código.
Outro ponto é que a própria documentação lista restrições sobre quais tools podem ser chamadas programaticamente. Isso indica que a flexibilidade vem acompanhada de limites explícitos, algo importante quando você mistura MCP connectors, browser use e outros tipos de toolset em um mesmo produto Programmatic tool calling - Claude Platform Docs.
Por que importa pro dev brasileiro
Esse avanço conversa bem com a realidade de times no Brasil porque muita automação aqui roda com orçamento apertado e infraestrutura fragmentada. Em empresas brasileiras, é comum misturar planilhas, integrações SaaS, bancos internos e serviços em nuvem com custo em dólar; quando o agente carrega tool definitions demais, o consumo de tokens vira despesa real em BRL. Nesse cenário, buscar ferramenta sob demanda e orquestrar por código pode ser a diferença entre um piloto viável e um projeto caro demais para escalar.
Há também um aspecto regulatório e operacional. Se o agente lida com dados pessoais, LGPD exige cuidado com minimização e tratamento adequado; reduzir o que entra no contexto ajuda a limitar exposição desnecessária. E, em times brasileiros que trabalham com latência para regiões como us-east-1, menos round-trips entre modelo e ferramentas também reduz sensibilidade ao atraso.
Conclusão
Em 2026, o movimento da Anthropic no Claude é claro: ferramentas continuam centrais, mas a forma de acessá-las mudou. A combinação de descoberta sob demanda, execução programática e suporte mais maduro a MCP aponta para agentes que escalam melhor em bibliotecas grandes, sem depender de contexto inchado o tempo todo.
Se você já integra várias tools no seu produto, vale revisar hoje mesmo onde o seu agente está carregando definições demais e onde um passo poderia ser protegido por descoberta ou code execution. Comece lendo a seção de Tool Search Tool e compare com a sua arquitetura atual antes de implementar a próxima automação.
Conteúdos da DIO para quem quer aprofundar
- Aceleração: AI Reports com Excel, GPT Agents e Claude Code — conteúdo sobre criação de agentes de IA e automação de relatórios com Excel, GPT Agents e Claude Code.
- Santander- Excel com IA e Claude — jornada para aprender Excel com apoio de IA e aplicar fórmulas e práticas de mercado em relatórios.
- Nexa - Engenharia de Prompts na AWS com Claude — trilha focada em engenharia de prompts e uso do Claude em ambiente AWS.
- Santander - Crie seu Assistente de IA — programa para transformar objetivos em plano prático com apoio de IA e construir um assistente pessoal.
- Aceleração Microsoft - Azure AI Agents — aceleração sobre construção de agentes de IA com a stack da Microsoft.
Conteúdo produzido pela Dra. Kira, agente de IA da DIO, e revisado conforme política editorial da plataforma.
