MCP deixou de ser um acrónimo experimental. Claude, ChatGPT e Cursor podem ligar-se ao mesmo servidor e fazer-lhe perguntas concretas sobre os teus dados, em vez de andares a saltar entre separadores. A pergunta já não é «devo expor os meus dados através do MCP?», mas sim «qual dos três servidores encaixa de verdade?» — Enginy, Amplemarket e aquele em que trabalhamos, ClawStud MCP. Cada um serve um formato de trabalho diferente e cobre uma parte daquilo que os outros dois deixam por cobrir.
O que se espera de um servidor MCP para dados de vendas
No caso mais simples, entregas um token ao Claude, indicas-lhe um endpoint e, a partir daí, «qual foi o tráfego da semana passada?» passa a ter uma resposta concreta, com números da tua loja, em vez de um palpite bem-educado. Para isto funcionar, três coisas têm de se verificar: o servidor tem de guardar os teus dados reais atrás de uma camada de autenticação, tem de expor esses dados como ferramentas concretas que um LLM possa invocar, e as ferramentas têm de descrever o que devolvem com clareza suficiente para o modelo escolher a certa. A maior parte do texto de marketing ignora o segundo e o terceiro pontos, e é por isso que muitas das ligações a MCP parecem ecrãs de demonstração e não trabalho efetivo.
A comparação honesta
«Honesta» é a palavra-chave. Cada um dos três foi construído à volta de um produto diferente. A Enginy é uma plataforma de prospeção comercial com geração automática da própria OpenAPI. A Amplemarket é uma plataforma de prospeção comercial orientada para a angariação de leads em escala. A ClawStud é um dashboard partilhado para agências, assente em GA4, Search Console e Stripe. As diferenças que interessam ao LLM não são estéticas — decidem que perguntas é que o modelo pode, de facto, responder.
| Capacidade | ClawStud MCP | Enginy MCP | Amplemarket MCP |
|---|---|---|---|
| Autenticação | Bearer token (csk_…) com scopes por ferramenta, ou OAuth 2.0 + PKCE para o ChatGPT e os conectores do Claude | OAuth 2.0 + PKCE | OAuth (segundo a documentação); o endpoint de documentação também está acessível sem token |
| Origem da definição das ferramentas | Selecionadas à mão, uma ferramenta por pergunta comercial comum | Geradas automaticamente a partir da especificação OpenAPI | Geradas automaticamente a partir da API Amplemarket |
| Ferramentas expostas | 28: 27 só de leitura e uma que só guarda rascunhos de posts para redes (GA4, Search Console, Stripe, Resend, PostHog, Vercel / Netlify, Supabase, mais P&L por espaço de trabalho). As ferramentas cobrem diferenças entre dois períodos (compare_periods), o estado das conexões (list_integrations), um watchdog de alertas (list_alerts + get_alert), o resultado do espaço de trabalho após comissões Stripe e despesas operacionais (get_workspace_pnl), e um dicionário de métricas (explain_metric) para que a LLM não invente definições. | Reflete a superfície OpenAPI da Enginy | 3 ferramentas contra a base de documentação pública (search_amplemarket_api, query_docs_filesystem_amplemarket_api, submit_feedback); a API de produto está protegida por OAuth e não faz parte do endpoint público |
| Ações de escrita permitidas | Uma: create_social_draft guarda um rascunho; só uma pessoa o pode aprovar e nada é publicado sozinho | Ambas, consoante a ferramenta | Ambas, consoante a ferramenta |
| Multi-cliente / multi-workspace | Nativo. Um token, vários workspaces, scopes por ferramenta | Uma empresa por mapeamento OpenAPI | Orientado para representantes de vendas / sequências |
| Nível de preço em que se enquadra | Disponível em todos os planos, incluindo o Free | Exige um lugar pago da Enginy (plano Smart: ~799 €/mês, preço de tabela no Capterra) | Exige um lugar pago da Amplemarket |
| Onboarding incluído | Sem sessões dedicadas; «liga num só comando» | 5 sessões de onboarding por plano | Varia; tipicamente conduzido pela equipa comercial |
| Risco de o LLM executar ações por engano | Baixo: o modelo só pode juntar um rascunho a uma fila de revisão; aprová-lo exige uma pessoa com sessão iniciada | Médio: é possível chegar às ferramentas de escrita | Médio: é possível chegar às ferramentas de escrita |
Onde encaixa a ClawStud
Tens uma agência com vários clientes de lojas online. Cada um já tem GA4, Search Console, Stripe e uma conta Resend. Queres que a equipa possa fazer perguntas ao Claude ou ao ChatGPT sobre qualquer cliente, sem partilhar passwords mestras e sem que o modelo execute ações por engano. O ClawStud MCP foi pensado para isso. O token nunca dá acesso de escrita; os scopes por ferramenta decidem o que um LLM vê; «lista os meus clientes» ou «descreve este workspace» permitem que a mesma ligação abranja várias lojas. Também serve para um fundador sozinho com uma loja, porque todos os planos o incluem.
Onde encaixa a Enginy
Diriges uma equipa comercial de cinco a dez SDRs focada em outbound. Queres que o modelo pesquise um contacto, verifique se a resposta mostrava interesse ou transforme uma sequência num rascunho. A Enginy foi construída para isso e o MCP deles corre sobre a mesma OpenAPI que a aplicação web utiliza, o que é a escolha acertada para um produto com centenas de endpoints. A essa escala de operação comercial, o lugar mensal de 1.500–3.000 € (Smart / Business) é o custo normal de operar e não um problema de margem.
Onde encaixa a Amplemarket
Fazes prospeção em volume e queres que o LLM enriqueça listas, pontue respostas, redija mensagens de outreach e encaminhe leads quentes para uma pessoa. A Amplemarket tem o formato certo para isso. O endpoint MCP que qualquer pessoa consegue invocar hoje, contudo, expõe a base de conhecimento da documentação da API da Amplemarket, e não o produto em si: três ferramentas só de leitura (pesquisar a base de documentação da API, consultar um sistema de ficheiros virtual só de leitura com a documentação, submeter feedback). A API de produto deles é acessível por OAuth mas não está no conjunto de ferramentas públicas, e a diferença interessa quando queres que o modelo vá buscar um lead real e não que procure a API. Também é uma escolha fraca para «o que mudou no site esta semana e se está coerente com o que foi pago em anúncios» — isso é análise de receita do lado da leitura, não ações do lado da prospeção.
O que a ClawStud não faz (curto, de propósito)
Há duas coisas que a Enginy e a Amplemarket fazem e a ClawStud não: enviar emails em nome de um remetente e enriquecer um contacto com emails e números de telefone. As duas dependem de um produto de prospeção comercial; a ClawStud é um dashboard, não um motor de outbound. Se esses são os requisitos que procuras no MCP, fica com a Enginy ou com a Amplemarket. Se «falar com a análise e a receita dos meus clientes» é o requisito, o ClawStud MCP é o único dos três cujas ferramentas descrevem de facto as respostas.
Como decidir em cinco minutos
Se a tua equipa faz outbound em escala, com pessoas para integrar e sequências para gerar, começa por olhar para a Enginy ou para a Amplemarket. Se a tua equipa é uma agência ou um fundador sozinho que precisa de um dashboard que um LLM possa interrogar sobre GA4, Search Console e Stripe, liga o ClawStud MCP com um comando e um token que crias em Definições → Chaves de API. A configuração toda demora dois minutos e é gratuita. Se não servir, percebes antes do almoço.
Referência técnica: modelcontextprotocol.io — o protocolo aberto que estes três servidores implementam.
Ler a seguir: Como surgiu o ClawStud MCP.
