MCPs com DNET 9 e SQL Server: gerando dados fake de produtos e automatizando testes

Introdução

Neste artigo, exploramos como criar e usar MCPs (Machine Context Packs) para DNET 9 e SQL Server, com foco em gerar dados fake de produtos e facilitar o teste de workflows. A discussão acompanha a experiência de quem testa as novidades, comenta a distribuição de pacotes e mostra caminhos práticos para construir MCPs a partir de templates, testar rapidamente e publicar em Nugget/NuGet.

Resumo

• O vídeo aborda a criação de MCPs para SQL Server e DNET 9, com templates que permitem gerar um MCP rapidamente e já começar os testes. O apresentador agradece a colaboração de um colega, citando a importância de templates para acelerar o desenvolvimento e teste de MCPs.
• Ele comenta que, recentemente, o time de SQL Server liberou um MCP, porém não publicou como pacote NuGet/NPM, o que dificultou o uso imediato. Em testes, o npm apresentou bugs de autenticação, enquanto o DNET funcionou, levando à criação de um workflow que constrói e distribui o MCP para uso.
• São apresentados dois MCPs: um para SQL Server (workflow) e outro criado do zero em DNET9, com foco em gerar dados fake e criar a tabela correspondente. Os MCPs ficam disponíveis no Nugget público, e o uso requer apenas o DNET instalado (DNET 9).
• O apresentador também discute a possibilidade de usar vários MCPs em conjunto, incluindo a interação com IA (Copilot) para compor ações, outputs e gerar estruturas complexas, além de se manter atento às novidades do DNET, como aplicações Blazor para chat AI.

Opinião e Análise

Sem opiniões explícitas no vídeo.

Insights e Pontos Fortes

• Aceleração na criação de MCPs: templates permitem gerar MCPs rapidamente para testes e validação de cenários.
• Compatibilidade com DNET 9: o ambiente DNET facilita a construção e distribuição de MCPs sem depender de npm, oferecendo uma alternativa estável.
• Desafios de distribuição: a ausência de publicação via NuGet/NPM pelo time de SQL Server é destacada, apontando para a importância de pacotes distribuíveis para adoção mais ampla.
• Geração de dados fake realistas: o MCP criado para dados fake não apenas popula dados, mas também cria a tabela correspondente, otimizando o setup de testes.
• Integração com IA: a combinação de MCPs com IA (Copilot) para orientar tarefas e gerar código/estrutura sugere possibilidades de automação inteligente em cenários de banco e dados.