Nesta primeira aula, compreendi que o MCP não deve ser tratado apenas como mais um recurso ligado à inteligência artificial, mas como um protocolo relevante para organizar a forma como modelos de IA acessam contexto, ferramentas e informações externas. A ideia central que mais me chamou atenção foi a possibilidade de criar servidores MCP personalizados, adaptados às necessidades reais de um projeto, em vez de depender apenas de integrações genéricas.
Também achei importante a proposta prática do curso, especialmente com o desenvolvimento da plataforma DevReview. A ideia de uma dashboard capaz de apoiar revisões automáticas de pull requests, considerando regras técnicas e decisões de arquitetura, mostra um uso bastante concreto da IA no desenvolvimento de software. Isso ajuda a perceber que a IA pode ser utilizada não apenas para gerar código, mas para estruturar processos mais consistentes e alinhados com padrões definidos pela equipe.
Outro ponto relevante foi a utilização do Supabase como backend as a service. Essa escolha demonstra uma tendência prática no desenvolvimento moderno: reduzir a necessidade de construir toda a infraestrutura de backend do zero e concentrar o esforço na integração, na lógica do produto e na experiência de uso. Em um projeto real, isso pode acelerar bastante a validação de uma ideia, desde que a equipe compreenda bem os limites e responsabilidades desse tipo de solução.
A aula também destacou a importância do PRD como documento de orientação para o desenvolvimento com apoio de IA. Entendi que, quando trabalhamos com LLMs, não basta simplesmente pedir que a IA “crie uma funcionalidade”. É necessário fornecer contexto, requisitos, limites e critérios claros. Um PRD bem estruturado funciona como uma referência para evitar respostas desconectadas do projeto e reduzir ambiguidades durante a implementação.
De forma geral, considero que essa aula apresentou uma visão inicial bastante útil sobre como usar IA de maneira mais profissional no desenvolvimento de software. O principal aprendizado, para mim, foi que a produtividade com IA depende menos de comandos improvisados e mais de contexto bem definido, documentação adequada e integração planejada. Em outras palavras, a IA pode acelerar muito o trabalho, mas precisa ser conduzida com método, clareza e responsabilidade técnica.
Conte com o apoio da comunidade Alura na sua jornada. Abraços e bons estudos!