Se você já construiu um produto de IoT do zero, sabe que o trabalho raramente está no dispositivo. O dispositivo é a parte fácil. O difícil é tudo o que precisa existir ao redor dele: endpoints de ingestão, armazenamento de séries temporais que aguente um ano de uplinks a cada cinco segundos, parsers de payload para cada versão de firmware que você já lançou, dashboards que seus clientes realmente vão olhar, regras de alerta que acionam a pessoa certa, contas de usuário, acesso baseado em papéis, portais white-label, trilhas de auditoria, conformidade regional e os dez cron jobs que ninguém documentou.
Construir tudo isso sozinho é possível. Mantê-lo por cinco anos em cem tipos de dispositivos é outro esporte. É aqui que uma plataforma como a TagoIO mostra seu valor, e onde uma nova peça da stack muda a velocidade com que um único desenvolvedor consegue avançar: o servidor MCP da TagoIO, que deixa o Claude conversar diretamente com sua conta de IoT. Para um tour rápido do que isso habilita na prática, veja Construa soluções de IoT mais rápido com o Claude e o TagoIO MCP.
A cilada do “eu mesmo construo isso”
Todo líder de engenharia de IoT já teve essa conversa. O roadmap tem cinquenta SKUs conectados. Alguém desenha uma arquitetura: um cluster Kafka aqui, Postgres com TimescaleDB ali, Grafana para os dashboards, Keycloak para autenticação, um pequeno serviço Node para fazer o parse dos payloads, um microsserviço de alertas, uma interface de admin por cima, tudo colado com Terraform.
Seis meses depois, o time de dispositivos ainda está discutindo com o time de plataforma por que a ingestão perde 0,4% dos pacotes quando uma região faz failover. O serviço de dashboards está na terceira reescrita. Ninguém consegue responder “qual foi a umidade média no armazém na terça-feira passada, entre 14h e 16h?” sem escrever SQL. Os clientes pedem um aplicativo mobile com a marca deles. O time de conformidade quer evidências de ISO 27001. Dois engenheiros pedem demissão.
A plataforma deveria ser um meio para um fim. Virou o produto.
Uma plataforma de IoT feita sob medida tira esse trabalho do seu colo. Provisionamento de dispositivos, armazenamento mutável e imutável, parsers de payload, dashboards, ações, scripts de Analysis, portais white-label, multi-região, RBAC, logs de auditoria e os SDKs para conversar com tudo isso vêm como um único produto. Você para de manter infraestrutura e passa a entregar funcionalidades.
Essa é a parte da história que a maioria dos times de IoT já entende. A parte mais nova é o que acontece quando você coloca um assistente de IA por cima dessa plataforma.
O que o MCP realmente é
O Model Context Protocol (MCP) é um padrão aberto da Anthropic que permite a assistentes de IA como o Claude conversar com sistemas externos por meio de uma interface de ferramentas bem definida. Em vez de descrever sua conta de IoT em um prompt longo, o Claude chama ferramentas reais contra o sistema real: liste estes dispositivos, pegue estes dados, crie esta ação, escreva este script de Analysis.
O servidor MCP da TagoIO é um pequeno programa (ou endpoint hospedado) que expõe sua conta TagoIO ao Claude como um conjunto de ferramentas tipadas. O Claude lê o catálogo de ferramentas, escolhe a certa para o que você pediu, preenche os parâmetros e age. Você vê o resultado no chat, e a mudança aparece no seu console de admin da TagoIO.
O efeito prático: a maior parte do trabalho operacional que você fazia clicando pela interface de admin ou escrevendo scripts pontuais, agora você faz em português simples, direto da sua IDE.
Configuração em dois minutos
O servidor MCP da TagoIO tem duas versões. O servidor remoto em https://mcp.ai.tago.io não exige instalação. A opção local roda via npx se você quiser tê-la na sua máquina. As duas se autenticam com um Profile Token da sua conta TagoIO em admin.tago.io/profile.
Para o Claude Code, um comando:
claude mcp add-json @tago-io/mcp '{"type":"http","url":"https://mcp.ai.tago.io","headers":{"Authorization":"Bearer YOUR-TAGOIO-TOKEN"}}'Para o Claude Desktop, adicione isto ao claude_desktop_config.json:
{
"mcpServers": {
"@tago-io/mcp": {
"command": "npx",
"args": [
"-y",
"mcp-remote",
"https://mcp.ai.tago.io",
"--header",
"Authorization: Bearer YOUR-TAGOIO-TOKEN"
]
}
}
}Reinicie, e o Claude já consegue alcançar sua conta. Se você está na EU West ou em uma instância dedicada da TagoIO, adicione um header x-tagoio-region com eu-w1 ou a URL completa da sua API.
Uma observação sobre tokens: o Profile Token concede acesso total à conta e é a escolha certa enquanto você está explorando. Para produção, mude para um Analysis Token vinculado a um Analysis com escopo restrito. O mesmo servidor MCP, com um raio de impacto menor.
O que o servidor MCP realmente faz
O servidor atual (v3) agrupa as ferramentas em alguns serviços. A cobertura é ampla o bastante para que a maior parte do trabalho do dia a dia caiba nele.
Dispositivos. device-operations cuida de busca, criação, atualização, exclusão e configuração. Você pode pesquisar por nome (com correspondência por curinga embutida), por tag, por connector, por network, por estado ativo. device-data-operations executa consultas com agregações: avg, sum, min, max, count e condicional. O agrupamento por tempo vai de minuto a ano. device-delete-data remove dados de um dispositivo quando você precisa.
Ações. action-operations cobre o CRUD completo das Actions da TagoIO, as regras que disparam quando um dispositivo envia dados que batem com uma condição. Alertas por e-mail, webhooks, gatilhos de Analysis, tudo.
Analysis. analysis-operations lê, escreve e atualiza scripts de Analysis (o código Node.js que a TagoIO executa no servidor por você). Combinado com tagoio-code-search, o Claude consegue gerar código de Analysis com as chamadas certas do SDK da TagoIO, em vez de alucinar o formato da API. tagoio-documentation-search consulta a documentação da TagoIO sob demanda.
Entities. entity-operations e entity-data trabalham com as Entities da TagoIO, a camada relacional para dados que não são séries temporais: registros de clientes, hierarquias de ativos, tabelas de configuração.
Integração, profile, usuários do RUN. integration-lookup encontra connectors e networks. profile-lookup e profile-metrics dão o estado da conta e o uso. user-lookup atua sobre os usuários do TagoRUN para implantações white-label.
Isso é superfície suficiente para gerenciar uma frota, depurar um dispositivo, montar um alerta, escrever um script no servidor e checar a saúde da sua conta, tudo no mesmo chat.
Como isso fica na prática
Alguns exemplos do que um engenheiro de IoT agora consegue fazer sem sair da IDE.
Achar um dispositivo com comportamento estranho.
“Mostre todos os dispositivos no connector warehouse-east que não enviaram dados nas últimas 24 horas e ainda estão marcados como ativos.”
O Claude chama device-operations com operation: lookup, filtra por connector e então confere o last_input em cada um. Você recebe a lista de volta como uma tabela.
Puxar dados históricos sem escrever SQL.
“Qual foi a temperatura média e máxima do dispositivo Cold Storage 04 entre 1º e 15 de novembro, agrupada por dia?”
O Claude chama device-data-operations com o ID do dispositivo, a variável temperature, agregação avg e max, bucket de tempo day e o intervalo de datas. A resposta traz os números. Se você quiser um gráfico, é só pedir.
Provisionar um novo dispositivo com um parser.
“Crie um novo dispositivo mutável chamado Boiler Sensor 12, marque com as tags region:north e type:boiler, anexe o connector LoRaWAN que usamos para a linha de caldeiras e configure o parser de payload para decodificar os quatro primeiros bytes em base64 como temperatura em décimos de grau.”
O Claude resolve o connector via integration-lookup, chama device-operations com operation: create e escreve o parser ali mesmo.
Escrever um script de Analysis que normalmente levaria uma hora.
“Escreva um script de Analysis que rode a cada hora, observe todos os dispositivos com a tag type:boiler e, se a pressão média na última hora estiver acima de 4,5 bar, envie um e-mail para o time de operações e crie uma Action da TagoIO com o dispositivo sinalizado como at-risk.”
O Claude puxa o formato do SDK via tagoio-code-search, rascunha o script e o cria através de analysis-operations. Você revisa o código no chat e coloca para rodar.
Auditar antes de uma demo para um cliente.
“Liste todas as Actions da conta, agrupe por tipo de gatilho e me diga quais não dispararam nos últimos 30 dias.”
action-operations com lookup e depois profile-metrics para cruzar a atividade. Cinco segundos de trabalho que antes eram uma revisão manual de trinta minutos.
Nenhuma dessas é uma demonstração. São as mesmas operações que os times de IoT já fazem toda semana, comprimidas de cliques-e-abas para uma frase.
Por que a plataforma por baixo ainda importa
O servidor MCP impressiona, mas ele vem depois de um ponto mais importante: ele funciona porque a TagoIO já tem APIs tipadas para cada conceito que importa em IoT. Dispositivos, dados, ações, analyses, entities, usuários, connectors, networks. O servidor MCP é uma camada fina que expõe essas APIs a uma IA. Se você tivesse construído sua própria plataforma, agora também estaria construindo seu próprio servidor MCP em cima dos seus próprios serviços internos não documentados. Isso é mais um trimestre de trabalho antes de a IA te ajudar em qualquer coisa.
Essa é a parte que vale levar a sério ao planejar um produto de IoT. A decisão de plataforma define o teto de quão rápido todo o resto consegue se mexer, incluindo o ferramental de IA que vai ser padrão dentro de dois anos. Um banco de dados de nuvem genérico mais uma pilha de microsserviços não dá a um assistente de IA nenhum lugar limpo para se conectar. Uma plataforma de IoT feita sob medida dá.
Você não precisa de uma IA para justificar a TagoIO. A plataforma de IoT full-stack se sustenta sozinha: dashboards, RBAC, mobile, multi-região, o pacote completo, simples de começar e acessível em escala. Mas, quando você adiciona o Claude por cima via MCP, o trabalho diário de rodar uma frota deixa de parecer operação e passa a parecer conversa. Essa é a virada de verdade.
Experimente
Se você já tem uma conta TagoIO, gerar um token e conectar o Claude leva cerca de dois minutos. Se não tem, o plano gratuito é suficiente para ver o ciclo de ponta a ponta com alguns dispositivos de teste.
O servidor MCP da TagoIO é open source em github.com/tago-io/mcp-server. A documentação cobre todas as IDEs e ferramentas de IA que suportam MCP hoje: VS Code, Cursor, Windsurf, Claude Code, Claude Desktop, JetBrains, Gemini CLI, Amazon Q, OpenAI Agents, Warp, Kiro. Escolha uma, cole a configuração, aponte o Claude para a sua frota e peça algo que você normalmente faria na mão.
Construa o produto, não a plataforma.
