O que é MCP Server e Por que Ele Importa para o Design de Banco de Dados

Se você já usou assistentes de codificação com IA como Cursor ou Windsurf, sabe que eles são ótimos em gerar código. Mas até recentemente, eles estavam limitados a ler e escrever arquivos. O Model Context Protocol (MCP) muda isso — ele permite que ferramentas de IA interajam com serviços externos como bancos de dados, APIs e ferramentas de design.

O que é MCP?

O Model Context Protocol é um padrão aberto desenvolvido pela Anthropic que define como assistentes de IA se comunicam com ferramentas externas. Pense nele como um USB para IA — uma interface padrão que permite que qualquer ferramenta de IA se conecte a qualquer serviço externo.

Antes do MCP, cada ferramenta de IA tinha sua própria forma proprietária de se conectar a serviços externos (se é que conseguia). O MCP cria um padrão universal: a ferramenta de IA é o "cliente", e os serviços externos são "servidores". O cliente descobre quais ferramentas o servidor oferece e as usa conforme necessário.

Como o MCP Server do ER Flow Funciona

O ER Flow fornece um MCP Server em https://app.erflow.io/api/mcp/{uuid}. Quando você configura seu assistente de codificação com IA para usar este servidor, a IA ganha a capacidade de ler e modificar seu schema de banco de dados diretamente.

O servidor expõe mais de 25 ferramentas organizadas por tipo de entidade: tabelas, colunas, índices, chaves estrangeiras, views, triggers, procedures e chaves primárias. Cada ferramenta tem uma interface bem definida que a IA entende automaticamente.

A ferramenta mais importante é get-data-model-dbml, que retorna seu schema inteiro no formato DBML. A IA chama isso primeiro para entender sua estrutura atual antes de fazer qualquer mudança.

Autenticação

O {uuid} na URL serve como token de autenticação. Cada modelo de dados no ER Flow tem um UUID único, e o servidor o usa para identificar em qual schema operar. Sem necessidade de chaves de API ou fluxos OAuth — o UUID concede acesso completo de leitura/escrita a aquele modelo de dados específico.

Você pode encontrar seu UUID nas configurações do editor do ER Flow ou no modal de compartilhamento.

Configurando o MCP no Cursor

Para conectar o Cursor ao ER Flow, crie um arquivo .cursor/mcp.json na raiz do seu projeto:

{
  "mcpServers": {
    "erflow": {
      "url": "https://app.erflow.io/api/mcp/YOUR_UUID_HERE"
    }
  }

Uma vez configurado, o Cursor pode chamar as ferramentas do ER Flow quando você descreve mudanças de schema. Por exemplo, dizer ao Cursor "Adicione uma tabela de notificações vinculada a usuários e posts" fará com que a IA chame automaticamente as ferramentas create-table, create-column e create-foreign-key.

A Vantagem das Operações em Lote

Uma das ferramentas mais poderosas é batch-operations, que permite à IA executar múltiplas operações em uma única requisição. Em vez de fazer 20 chamadas de API separadas para criar uma tabela com 10 colunas, 3 índices e 2 chaves estrangeiras, a IA pode fazer tudo de uma vez.

Isso é especialmente valioso para a criação inicial do schema: "Crie um schema completo de e-commerce com usuários, produtos, categorias, pedidos e itens de pedido" gera um schema inteiro em uma única operação em lote.

Feedback Visual em Tempo Real

Toda mudança que a IA faz através do MCP Server aparece no canvas visual do ER Flow em tempo real. Se você tiver o ER Flow aberto em uma aba do navegador enquanto trabalha no Cursor, pode ver tabelas e relacionamentos aparecerem enquanto a IA constrói seu schema.

Esse ciclo de feedback visual é crítico — ele permite que você verifique se a IA está construindo o que você realmente precisa, e identifique problemas antes que se acumulem.

Por que o MCP Importa

O MCP ainda é um padrão novo, e o ER Flow é uma das primeiras ferramentas de design de banco de dados a adotá-lo completamente. À medida que mais ferramentas de IA adotam o MCP, a capacidade de interagir com seu schema de banco de dados por meio de linguagem natural se tornará uma parte padrão do fluxo de trabalho de desenvolvimento.

Para desenvolvedores, isso significa iteração mais rápida. Para não-desenvolvedores (vibe coders), isso significa que o design de banco de dados se torna acessível sem aprender SQL. E para times, significa que as mudanças de schema geradas por IA são visíveis e revisáveis em um canvas visual, não escondidas em arquivos de migration opacos.