Quando a Anthropic introduziu o Model Context Protocol, eles prometeram simplificar o uso de agentes. O MCP permite que uma IA entenda quais ferramentas estão à sua disposição: pesquisa na web, edição de arquivos e redação de e-mail, por exemplo. Dez meses depois, analisamos 200 ferramentas MCP para entender quais categorias os desenvolvedores realmente usam. Três padrões de uso surgiram dos dados: As ferramentas de infraestrutura de desenvolvimento dominam com 54% de todas as sessões, apesar de serem apenas metade dos servidores disponíveis. Acesso ao terminal, geração de código e acesso à infraestrutura são os mais populares. Durante a codificação, os engenheiros se beneficiam da capacidade de enviar para o GitHub, executar código em um terminal e criar bancos de dados. Essas ferramentas simplificam os fluxos de trabalho e reduzem a troca de contexto. A recuperação de informações captura 28% das sessões com menos ferramentas, mostrando alta eficiência. Pesquisa na Web, bases de conhecimento e recuperação de documentos são os principais atores. Esses sistemas provavelmente são usados mais na produção, em nome dos usuários, do que durante o desenvolvimento. Todo o resto, incluindo entretenimento, gerenciamento pessoal, criação de conteúdo, divide os 18% restantes. Recomendadores de filmes, gerenciadores de tarefas e programações de Fórmula 1 preenchem nichos específicos. A adoção do MCP ainda é precoce. Nem todas as IAs suportam MCP. Daqueles que o fazem, Claude, Claude Code, Cursor estão no topo da lista (aliteração em IA). Produtos focados no desenvolvedor e adotantes técnicos iniciais são a maioria dos usuários. Mas, à medida que o uso de ferramentas de IA pelo consumidor cresce e o suporte ao MCP se amplia, devemos esperar uma diversidade muito maior de uso de ferramentas.

US$ 4 bilhões em taxa de execução de receita. Existem dois gigantes de dados, ambos agora nessa marca, depois que a Databricks anunciou que ultrapassou o limite. Esta é uma oportunidade para comparar as duas principais empresas de dados em uma interseção de receita. Ambos estão com US$ 4 bilhões em receita. Cada um reivindica mais de 650 clientes pagando US$ 1 milhão + anualmente. Cada um possui forte retenção líquida de dólares (140% vs 125%). A Databricks está crescendo 50% em comparação com os 28% da Snowflake e no mercado privado é negociada com um prêmio por essa taxa de crescimento. O Snowflake reacelerou, mas foi cerca de um ano depois do Databricks. A comparação da avaliação com a taxa de execução da receita mostra que a Databricks está sendo negociada com um prêmio de 35% em relação à Snowflake. A Databricks está avaliada em US$ 100 bilhões de forma privada, enquanto a Snowflake é negociada a US$ 75,9 bilhões publicamente. Nesse mercado, cada 1% de crescimento adiciona 0,3x ao múltiplo de avaliação. Dada a vantagem de crescimento de 22 pontos da Databricks, o prêmio de 35% pode realmente subestimar a verdadeira diferença no tamanho final do negócio. Esse prêmio reflete a escassez de plataformas de dados de alto crescimento nos mercados públicos. Realmente não há equivalente ao Databricks hoje. Palantir com crescimento de 39% é negociado a 75x para a frente (não taxa de execução). A Rubrik, no crepúsculo de uma transição do local para a nuvem, é negociada a 15x a termo com um crescimento de 44%. O prêmio de avaliação de 35% reflete o crescimento superior da Databricks e a aposta do mercado em IA. Com a receita de IA já em US$ 1 bilhão e impulsionando a demanda de computação concomitante, a Databricks se posicionou no centro da tendência mais valiosa em software corporativo. 1. US$ 100 bilhões/US$ 4 bilhões = 25x vs US$ 75,9 bilhões/US$ 4,1 bilhões 18,5x