Apresentando o servidor MCP do Query Agent
Autoria: Weaviate vector database · Assistir no YouTube
Vídeo de autoria do canal indicado, não da IANIA; todos os direitos pertencem ao criador. Transcrição, resumo e tradução gerados automaticamente; o conteúdo no idioma original é preservado na versão em idioma original.
Idioma original: inglês
Vídeo original: Introducing the Query Agent MCP Server · Canal: Weaviate vector database · 03:56 · Assistir no YouTube
Tópicos: Agentes de IA, Ferramentas de desenvolvimento com IA
A Weaviate apresenta o servidor MCP nativo do Query Agent e explica por que incorporá-lo ao serviço simplifica a conexão com agents. Em vez de criar, implantar, escalar e manter servidores de ferramentas por conta própria, os usuários podem conectar clientes MCP diretamente ao Query Agent. O vídeo cita integrações com Claude Code, Pydantic AI, LangChain e DSPy. Também aborda como o servidor descreve os modos ask e search, seus argumentos de entrada e o formato das respostas, observando que esses detalhes podem mudar com o tempo.
Pontos-chave
Seção intitulada “Pontos-chave”- O Query Agent agora oferece um servidor MCP nativo.
- O tool calling conecta um LLM a serviços externos para obter contexto e, em alguns casos, realizar gravações.
- Servidores de ferramentas mantidos pelo próprio usuário podem exigir criação, deploy, escalabilidade e manutenção.
- A Weaviate hospeda e atualiza o servidor MCP do Query Agent.
- O servidor pode ser conectado a clientes e frameworks de IA, incluindo Claude Code, Pydantic AI, LangChain e DSPy.
- O servidor descreve os modos ask e search, os argumentos de entrada e o formato das respostas.
- A Weaviate recomenda consultar a documentação para obter os detalhes mais atualizados.
Capítulos
Seção intitulada “Capítulos”| Início | Capítulo | Resumo |
|---|---|---|
| 00:08 | O tool calling e o papel do Query Agent | O vídeo apresenta o servidor MCP do Query Agent e explica como agents usam serviços externos para reunir contexto e realizar ações. |
| 00:38 | Vantagens do servidor MCP nativo | A Weaviate destaca que hospedar e atualizar o servidor reduz o trabalho de criar, implantar, escalar e manter servidores de ferramentas. |
| 01:10 | Conexão com ferramentas e frameworks de IA | O vídeo cita Claude Code, Pydantic AI, LangChain e DSPy como exemplos de integrações. |
| 01:42 | Modos, argumentos e documentação | A apresentação aborda como o servidor descreve os modos ask e search e recomenda consultar a documentação, pois esses detalhes podem ser atualizados. |
Citações
Seção intitulada “Citações”O Query Agent da Weaviate agora oferece um servidor MCP nativo. — 00:08
Nós o hospedamos, nós o atualizamos, e você não precisa se preocupar com essa sobrecarga. — 01:10
Se estiver assistindo a isso no futuro, consulte a documentação para obter detalhes mais precisos. — 02:14
Adoraríamos saber mais sobre seu caso de uso e ver como podemos trabalhar juntos. — 03:56
Conceitos e entidades
Seção intitulada “Conceitos e entidades”- Weaviate (empresa): Empresa que apresenta e mantém o servidor MCP nativo do Query Agent.
- Query Agent (ferramenta): Serviço da Weaviate que pode ser acessado por meio de seu servidor MCP.
- MCP server (ferramenta): Servidor nativo que conecta clientes MCP ao Query Agent e é hospedado e atualizado pela Weaviate.
- tool calling loop (conceito): Abstração em que um LLM envia solicitações a serviços externos para reunir contexto ou executar ações.
- Claude Code (ferramenta): Ferramenta de IA citada como exemplo de cliente que pode se conectar ao servidor MCP.
- Pydantic AI (ferramenta): Framework de agents citado como exemplo de integração com o Query Agent MCP.
- LangChain (ferramenta): Framework de agents citado como exemplo de integração com o Query Agent MCP.
- DSPy (ferramenta): Framework citado como exemplo de integração com o Query Agent MCP.
Tradução completa (pt-BR)
Seção intitulada “Tradução completa (pt-BR)”00:08 Oi, pessoal! Estou muito animado para contar que o Query Agent da Weaviate agora oferece suporte a um MCP server nativo. Este vídeo começa explicando por que o criamos e como usá-lo e, depois, entra nos detalhes. Muito obrigado por assistir. Espero mesmo que seja útil para vocês. O loop de tool calling se tornou uma das abstrações mais comuns para criar agentes de IA. É quando um modelo de linguagem de grande porte se conecta a um ou vários serviços externos, para os quais envia solicitações a fim de reunir contexto. Os sistemas mais recentes permitem até mesmo acesso de escrita. Assim, ele pode enviar solicitações de leitura para o GitHub, o Slack, o Query Agent e o Notion e
00:38 depois talvez enviar uma solicitação de escrita para o Slack. Vamos começar pelo valor de ter o MCP server integrado nativamente ao serviço. Em geral, a primeira geração de agentes com tool calling exigia que você criasse, implantasse, escalasse e, provavelmente o mais irritante, mantivesse os servidores das ferramentas por conta própria. Então, para conectar seu agent a serviços externos, você precisa decidir como descrever a ferramenta, como implantá-la e escalá-la e, depois, como atualizá-la com novas versões do software ao qual quer conectar seus agents
01:10 Em comparação, o MCP do Query Agent se conecta diretamente aos seus clientes MCP. Nós o hospedamos e atualizamos, e você não precisa se preocupar com essa sobrecarga para acessar o Weaviate Query Agent. Aqui estão alguns exemplos rápidos que mostram como é fácil conectar o MCP do Query Agent a ferramentas de IA comuns, como Claude Code, ou a frameworks de agents, como Pydantic AI, LangChain ou DSPy.
01:42 Claude Code, Pydantic AI, LangChain, DSPy. Agora, vamos nos aprofundar nos detalhes de como o servidor MCP do Query Agent descreve para seu agent as ferramentas de modo de pergunta e modo de busca, os argumentos de entrada e o formato da resposta.
02:14 Agora, antes de entrarmos nisso, este vídeo foi gravado por volta de outubro de 2026, e um dos principais benefícios de mantermos o servidor é que vamos atualizar essa descrição, as entradas e assim por diante. Então, se você estiver assistindo a este vídeo no futuro, consulte a documentação para obter informações mais precisas sobre os detalhes específicos de como estamos fazendo isso.
03:56 Muito obrigado por assistir a este vídeo sobre o servidor MCP do Query Agent. Espero mesmo que tenham achado interessante e consigam imaginar maneiras de ele ajudar no software que estão desenvolvendo. Se for o caso, escrevam para agentsteam@wevia.io. Adoraríamos saber mais sobre seu caso de uso, ver como podemos trabalhar juntos e como podemos ajudar. Mais uma vez, obrigado.
Transcrição original
[00:08] Hey everyone, I’m super excited to share that Weaviate’s Query Agent now supports a native MCP server. This video will start with why we built it and how to use it, and then dive into the details. Thank you so much for watching. I really hope you find this useful. The tool calling loop has become one of the most common abstractions for building AI agents. This is where a large language model is connected to one or multiple external services that it sends requests to to gather context. The latest systems even allow write access as well. So, it might send read requests to GitHub, Slack, the Query Agent, and Notion, and
[00:38] then maybe send a write request to Slack. Let’s start with the value of having the MCP server natively built into the service. The first generation of two building tool calling agents often required you to build, deploy, scale, and then probably most annoyingly maintain the tool servers yourself. So, again, to connect your agent to external services, you need to figure out how you want to describe the tool, how you’re going to deploy it, scale it, and then update it with new versions of the software you want to connect your agents
[01:10] to. Compared to this, the Query Agent MCP just directly connects to your MCP clients. We host it, we update it, and you don’t need to worry about this overhead with accessing the Weaviate Query Agent. Here are some quick examples showing how easy it is to connect the Query Agent MCP to common AI tools like Claude Code or agent frameworks like Pydantic AI, LangChain, or DSPy.
[01:42] Claude Code Pydantic AI LangChain India’s Pie Now, let’s dive further into the details of how the Query Agent MCP server will describe the ask mode and search mode tools, the input arguments, and response
[02:14] format to your agent. Now, before diving into this, this is recorded around October 2026, and one of the key values of us maintaining the server is that we’ll be updating this description and inputs and so on. So, for if you’re watching this in the future, please check out the docs for a more accurate for the particular details of how we’re doing this.
[03:56] >> Thank you so much for watching this video explaining the Query Agent MCP server. I really hope that you find this interesting and can imagine ways that this can help with the software that you’re building. If so, please email us at agentsteam@wevia.io. We’d love to learn more about your use case and see how we can work together and how we can help. Thanks again.