A Uber criou um gateway MCP para padronizar a forma como agentes de inteligência artificial descobrem e acionam serviços internos. A plataforma dá suporte a mais de 800 servidores MCP e 5.000 ferramentas, oferecendo uma camada comum para descoberta, tradução de protocolos, autorização e execução. A iniciativa responde à fragmentação das integrações, à duplicação de infraestrutura e à inconsistência das práticas de segurança à medida que o uso de agentes se amplia na empresa.
A arquitetura permite expor APIs existentes como ferramentas MCP sem alterar os serviços subjacentes. Ela divide o trabalho entre dois componentes: o MCP Registry, que funciona como plano de controle, e o Proxy Gateway, encarregado da execução em tempo de operação. O Registry mantém definições e esquemas das ferramentas, informações sobre as equipes responsáveis e configurações de habilitação. Já o Proxy converte solicitações MCP em chamadas HTTP, gRPC ou TChannel e transforma as respostas em resultados compatíveis com MCP.
/filters:no_upscale()/news/2026/11/uber-mcp-gateway-ai-agents/en/resources/1ubermcpgateway-1791756099777.jpeg)
Imagem: InfoQ. Gateway MCP da Uber, com APIs expostas como ferramentas.
A abordagem foi comparada a padrões já conhecidos de gateways de API. Ajay Sharma, engenheiro principal de software na Microsoft CoreAI, escreveu no LinkedIn que gateways de API já fazem esse tipo de trabalho e que a ideia ajuda a organizar o cenário trazido pelos modelos de linguagem. Kelly Goetsch, presidente da Pipe17, também observou na rede que o gateway da Uber se parece com soluções usadas ao longo de décadas para APIs e, posteriormente, para GraphQL. Tamir Dresher, por sua vez, ressaltou a importância contínua de temas de sistemas distribuídos, como segurança, descoberta, observabilidade e governança.
A descoberta de ferramentas é automatizada pelo AutoCrawler, que usa Cadence para examinar registros internos de definições de interfaces (IDL). O processo extrai definições de APIs de esquemas Protocol Buffers e Thrift, gera esquemas compatíveis com MCP e utiliza um modelo de linguagem para criar descrições das ferramentas.
/filters:no_upscale()/news/2026/11/uber-mcp-gateway-ai-agents/en/resources/1Screenshot%202026-10-11%20at%203.00.15%E2%80%AFPM-1791756099777.png)
Imagem: InfoQ. Fluxo do AutoCrawler.
A automação não habilita ferramentas por conta própria: as recém-descobertas permanecem desativadas até que as equipes responsáveis as revisem e autorizem explicitamente seu uso. Depois de aprovadas, mudanças de configuração chegam ao plano de dados sem exigir reinicializações ou novas implantações dos serviços.
O gateway aplica controles de autorização nos níveis do servidor e da ferramenta, por meio do sistema interno de controle de acesso da Uber. Também pode ocultar informações pessoalmente identificáveis e outros dados sensíveis nas respostas. Nas integrações com serviços de terceiros, entre eles Jira e Google, um componente separado troca tokens internos de usuário pelos tokens de autenticação correspondentes.
Para evitar que agentes precisem carregar definições de milhares de ferramentas em seu contexto, a Uber desenvolveu o Omni MCP, voltado à descoberta incremental. Com ele, os agentes podem pesquisar servidores, encontrar ferramentas pertinentes, consultar esquemas individualmente e acionar apenas as ferramentas escolhidas. O recurso Response Projection permite pedir campos específicos das respostas, em vez de receber o payload completo.
A interface de linha de comando aifx da Uber também permite que agentes de programação descubram e invoquem ferramentas. Os resultados são gravados em arquivos, possibilitando que sejam inspecionados seletivamente. Em conjunto, o registro centralizado, a aprovação explícita e os mecanismos de descoberta incremental estruturam o acesso ao catálogo de ferramentas sem exigir que os serviços existentes sejam modificados.
