Ao estudar esta aula, consegui relacionar o conteúdo com um projeto que venho estruturando, o Fluxos – Gestão Inteligente, um sistema de gestão empresarial com módulos financeiros, contratos, projetos, RH e governança. Em um projeto desse tipo, uma revisão de código feita apenas com base na diff de um pull request poderia até apontar problemas técnicos, mas dificilmente entenderia o contexto real da aplicação. Por exemplo, uma alteração em lançamentos financeiros pode parecer simples no código, mas pode afetar regras de auditoria, permissões por perfil de usuário, fechamento de períodos ou a lógica de centros de custo.
O principal aprendizado da aula foi justamente perceber que o valor do MCP customizado está em melhorar o contexto entregue ao agente, e não apenas em automatizar o comentário final da revisão. Quando o agente consegue consultar regras do time, decisões de arquitetura e métricas armazenadas no Supabase, a análise deixa de ser genérica. Em vez de dizer apenas que “o código pode ser melhorado”, ele pode avaliar se aquela mudança respeita uma decisão já tomada no projeto, se rompe um padrão definido para o módulo financeiro ou se ignora uma regra importante de segurança e rastreabilidade.
Esse ponto me parece especialmente importante em projetos maiores, porque nem todo problema aparece olhando somente para o trecho alterado. Muitas vezes, o risco está na relação daquela alteração com regras de negócio, histórico de decisões e padrões internos. Por isso, vejo o MCP customizado como uma forma de transformar a IA em uma revisora mais alinhada ao contexto do projeto, e não apenas em uma ferramenta que faz comentários tecnicamente plausíveis. No caso do Fluxus, isso poderia ajudar bastante a manter consistência, segurança e governança conforme o sistema cresce.
Conte com o apoio da comunidade Alura na sua jornada. Abraços e bons estudos!