
Skills, MCP ou subagentes: qual recurso usar em cada caso
Skills guardam instruções reutilizáveis, MCP dá acesso a sistemas externos e subagentes delegam tarefas. Veja uma árvore de decisão simples para escolher.
Quer aplicar isso na sua empresa?
Agendar conversa com o Juan →Skills, MCP ou subagentes: qual recurso usar em cada caso
Skills, MCP e subagentes resolvem problemas diferentes. Skill é instrução reutilizável (como fazer algo do jeito da empresa), MCP é a ligação com um sistema externo (de onde vêm os dados e onde a ação acontece) e subagente é a delegação de uma tarefa a um trabalhador com contexto e permissões próprios. A escolha começa pelo que está faltando: método, acesso ou isolamento.
Principais pontos
- Se falta método, use skill: um procedimento escrito uma vez e carregado só quando a tarefa pede.
- Se falta dado ou ação em outro sistema (CRM, ERP, agenda, banco), use MCP, com permissões mínimas e leitura primeiro.
- Se a tarefa é longa, barulhenta ou independente e polui a conversa principal, use subagente.
- Os três se combinam: um subagente pode seguir uma skill e usar uma ferramenta MCP, cada um com seu papel.
- Comece pelo recurso mais simples e mais barato de controlar. Quase sempre é a skill, depois o MCP somente leitura, por último a delegação.
O que cada recurso resolve, em linguagem de operação
Vale separar o que vem da documentação oficial, o que vem de experiência de implementação e o que é hipótese. Neste texto, as definições abaixo seguem a documentação dos produtos e do protocolo. As recomendações de ordem e de cuidado são experiência de implementação. Quando algo for hipótese, vamos dizer.
A skill é uma pasta com instruções (e, às vezes, arquivos de apoio ou scripts) que o agente carrega quando a tarefa combina com a descrição dela. Pense num procedimento operacional padrão: como montar uma proposta, como revisar um contrato, como redigir uma resposta de pós-venda no tom da empresa. Ela não dá acesso a nada novo. Ela muda a forma de trabalhar. Se quiser o passo a passo de criação, temos um texto sobre skills no Claude Code.
O MCP (Model Context Protocol) é um padrão aberto para conectar aplicações de IA a sistemas externos. Na prática, um servidor MCP expõe ferramentas, dados e modelos de prompt para o agente usar. É o que permite consultar um pedido no ERP, ler um ticket ou criar um evento na agenda. A introdução oficial do protocolo está na documentação do MCP. Para configurar, veja escopos local, projeto e usuário no Claude Code.
O subagente é um agente auxiliar que recebe uma tarefa, trabalha em um contexto separado, com instruções e ferramentas próprias, e devolve um resultado resumido ao agente principal. Ele não traz conhecimento novo nem acesso novo por si só. Ele traz separação: de contexto, de permissões e de responsabilidade. Detalhamos isso em subagentes no Claude Code.
Uma forma curta de lembrar:
Skill ensina o como, MCP entrega o acesso, subagente divide o trabalho.
Árvore de decisão em quatro perguntas
Responda na ordem. Pare na primeira resposta afirmativa que resolver o problema inteiro, e só avance se ainda sobrar algo.
- Pergunta 1: o agente já tem as informações e as ferramentas necessárias, mas erra o jeito de fazer (formato, tom, critérios, ordem dos passos)? Então escreva uma skill.
- Pergunta 2: a tarefa exige ler ou alterar algo que vive fora da conversa (sistema, banco, planilha, API)? Então você precisa de acesso, e o caminho é MCP (ou uma API direta, se for um fluxo fixo e simples).
- Pergunta 3: a tarefa gera muito material intermediário (buscas, leituras de arquivos, rascunhos) que só interessa como resumo, ou exige permissões diferentes das da conversa principal? Então delegue a um subagente.
- Pergunta 4: o resultado depende de julgamento humano, de dado sensível ou de ação irreversível? Então, antes de escolher o recurso, defina onde entra a aprovação humana. Nenhum dos três substitui esse ponto.
Um atalho útil: troque o nome do recurso por uma pergunta. Skill responde a como fazer. MCP responde a onde buscar ou onde agir. Subagente responde a quem faz isso sem atrapalhar o resto.
Quando a skill é a resposta certa
Use skill quando o conhecimento é da empresa e se repete. Um bom sinal é você se pegar colando as mesmas instruções em várias conversas. Outro sinal é duas pessoas da equipe obterem resultados muito diferentes para a mesma tarefa porque cada uma pede de um jeito.
Boas candidatas:
- Padrão de resposta a clientes, com tom, limites do que pode prometer e quando passar para uma pessoa.
- Roteiro de revisão (de código, de contrato, de proposta) com critérios explícitos.
- Formato fixo de relatório ou de resumo de reunião.
- Regras de preenchimento de um cadastro, como quais campos são obrigatórios.
O que a skill não faz: ela não concede permissão e não garante que o passo foi seguido. Se o procedimento diz nunca enviar sem aprovação, essa regra precisa existir também como controle técnico (permissão negada, etapa de aprovação), não apenas como texto. Isso é uma lição de operação: instrução reduz erro, mas quem impõe limite é a configuração.
Outro cuidado é o tamanho. Uma skill enorme, que tenta cobrir tudo, perde o ganho de carregar só o necessário. A orientação da Anthropic sobre engenharia de contexto para agentes vai nessa direção: dar ao agente o menor conjunto de informações que resolve a tarefa, na hora certa. Prefira várias skills pequenas, com descrições claras do momento em que se aplicam.
Quando o MCP é a resposta certa
Use MCP quando o agente precisa de algo que não está na conversa e que muda com o tempo: status de pedido, saldo de estoque, horário livre na agenda, histórico de um lead. Se a informação é estável e cabe em um documento, talvez uma skill ou um arquivo de contexto bastem e você evita uma conexão a mais para manter.
Perguntas para decidir se vale um servidor MCP:
- O dado muda com frequência e precisa estar atual?
- A ação acontece em um sistema que a equipe já usa e que tem controle de acesso?
- Várias tarefas diferentes vão reaproveitar a mesma conexão?
- Dá para começar somente com leitura?
Se a última resposta é sim, comece assim. Leitura primeiro é uma regra de implementação que reduz risco: você observa como o agente usa os dados antes de permitir qualquer escrita. Escrevemos sobre isso em como criar um servidor MCP para o sistema interno.
Três cuidados que pesam mais que a escolha da tecnologia:
- Permissão mínima: a credencial do servidor deve enxergar só o necessário, no escopo mínimo. A orientação da OWASP sobre autorização é uma boa referência de princípio.
- Origem do servidor: um MCP de terceiros é código rodando com acesso aos seus dados. Antes de instalar, vale seguir um roteiro como o de auditar um servidor MCP antes de instalar.
- Ferramentas bem desenhadas: nomes claros, descrições objetivas e respostas enxutas fazem o agente errar menos. O texto da Anthropic sobre como escrever ferramentas para agentes detalha esse ponto.
Um lembrete de LGPD: ao conectar um sistema com dados pessoais de clientes, o MCP passa a ser um caminho de tratamento desses dados. Isso entra no mapeamento de finalidade, de base legal e de quem acessa, assunto que a ANPD acompanha como autoridade.
Quando o subagente é a resposta certa
Subagente resolve um problema de organização do trabalho, não de conhecimento. Os motivos mais comuns para usá-lo:
- Isolar ruído: uma pesquisa que lê muitos arquivos ou páginas e devolve só um resumo, mantendo limpa a conversa principal.
- Separar permissões: um subagente só de leitura para investigar e outro, mais restrito ainda, para tarefas sensíveis.
- Paralelizar tarefas independentes: revisar módulos diferentes ao mesmo tempo.
- Ter uma segunda opinião com instruções distintas, como um revisor que não viu o raciocínio do autor.
Quando não usar: se a tarefa é curta, se cada passo depende do anterior e do que o usuário acabou de dizer, ou se você ainda não sabe medir se o resultado ficou melhor. A Anthropic, em Building effective agents, recomenda começar pela solução mais simples e só aumentar a complexidade quando houver ganho demonstrado. Isso se aplica diretamente aqui: cada subagente é mais um ponto para observar, testar e limitar.
Hipótese a validar no seu caso: delegar costuma ajudar mais quando a saída do subagente é fácil de checar (uma lista de achados com referências) do que quando é um julgamento aberto. Vale testar com um fluxo real antes de generalizar.
Cenário ilustrativo: pós-venda de uma loja
Imagine uma loja de eletrodomésticos que atende clientes pelo WhatsApp e quer um assistente interno para apoiar a equipe de pós-venda. Este é um cenário ilustrativo, sem relação com cliente real.
O problema aparece em três camadas, e cada uma pede um recurso:
- As respostas variam de atendente para atendente e às vezes prometem troca fora da política. Isso é falta de método: uma skill com a política de troca, o tom e os casos em que o caso vai para um responsável.
- O assistente precisa saber se o pedido foi entregue e qual é a garantia do produto. Isso é falta de acesso: um servidor MCP somente leitura sobre o sistema de pedidos, com credencial restrita.
- Ao receber uma reclamação longa, com anexos e histórico de várias conversas, o assistente precisa levantar o histórico sem encher o contexto. Isso é falta de isolamento: um subagente de leitura que consulta o histórico e devolve um resumo com as referências.
Na ordem de implantação, a skill vem primeiro, porque é barata e já melhora a consistência. Depois entra o MCP, apenas com consultas. O subagente só entra se o volume de histórico realmente atrapalhar. Nenhuma resposta sai ao cliente sem revisão de uma pessoa no começo. Para a camada de mensagens, o cuidado com opt-in e modelos está em mensagens ativas no WhatsApp.
Como aplicar com método: mapear, limitar, pilotar, transferir
O método que usamos em projetos segue quatro movimentos, e eles ajudam a escolher o recurso certo sem se deixar levar pela novidade.
Mapear: descreva o processo atual e o ponto de partida. Quem faz, com quais sistemas, onde erra, onde espera. Sem isso, não dá para saber se o problema é método, acesso ou volume. Um guia para essa etapa está em mapeamento de processos antes de aplicar IA.
Limitar: defina quais dados o agente vê e quais ações pode executar. Aqui as permissões do MCP e as ferramentas liberadas a cada subagente se tornam decisões explícitas, não padrões herdados.
Pilotar: escolha um fluxo real, com registro das ações e uma métrica de sucesso combinada antes de começar. Se a skill sozinha atinge o objetivo, não há razão para adicionar MCP ou subagente.
Transferir: entregue a equipe operando, com documentação do que cada recurso faz, de quem é a manutenção e de como revisar. Depois, a decisão é expandir, ajustar ou parar.
Um checklist final antes de ativar qualquer um dos três:
- Está claro qual problema o recurso resolve: método, acesso ou isolamento?
- Existe a alternativa mais simples e ela foi descartada por um motivo concreto?
- As permissões são mínimas e começam em leitura?
- Há registro do que foi consultado e do que foi feito?
- Uma pessoa aprova qualquer ação irreversível ou que envolva dado sensível?
- Alguém na equipe é dono da manutenção de cada skill, conexão e subagente?
Para a parte de proteção, as permissões e o sandbox no Claude Code complementam esse checklist, e o risco de injeção de prompt em conteúdo vindo de ferramentas é tratado pela OWASP.
Perguntas frequentes
Skill e MCP fazem a mesma coisa? Não. A skill entrega instruções e, às vezes, arquivos de apoio sobre como executar uma tarefa. O MCP entrega acesso a sistemas e dados externos por meio de ferramentas. Uma skill pode orientar o agente a usar bem uma ferramenta MCP, mas uma não substitui a outra.
Preciso de subagentes para começar a usar IA na empresa? Normalmente não. Para a maioria dos primeiros fluxos, uma instrução bem escrita (skill) e, se necessário, uma consulta somente leitura (MCP) já bastam. Subagentes passam a valer a pena quando a tarefa polui o contexto ou exige permissões diferentes, e isso aparece ao observar o piloto.
É seguro conectar um servidor MCP de terceiros? Depende do servidor e de como você o configura. Ele executa com o acesso que você der, então vale auditar a origem, limitar as permissões e começar em leitura. Se o sistema tem dados pessoais, inclua a conexão no seu mapeamento de LGPD.
Como saber se a escolha deu certo? Compare com o ponto de partida mapeado, usando a métrica combinada no início do piloto e os registros das ações do agente. Se um recurso adicionou complexidade sem melhorar essa métrica, remova-o. Há um roteiro para isso em como medir um piloto de automação com IA.