Automatize redes sociais com MCP, Claude e TryPost

Agendar trinta posts por semana entre LinkedIn, Instagram e X costumava ser uma tarde inteira de abas abertas. O Model Context Protocol muda o formato desse trabalho. Este artigo explica o que é MCP, como conectar o Claude Desktop ou o Cursor ao TryPost em cerca de dez minutos, e como usar um único prompt para rascunhar e enfileirar um mês de conteúdo entre redes. A configuração técnica é curta. A parte interessante é o que acontece com o fluxo depois que você para de clicar.

O que é MCP

MCP, sigla para Model Context Protocol, é uma especificação curta da Anthropic que padroniza como clientes de IA chamam ferramentas externas. Quando uma aplicação expõe um servidor MCP, qualquer cliente compatível (Claude Desktop, Cursor, Continue, Cline, ChatGPT desktop) consegue listar suas ferramentas e chamá-las com argumentos estruturados.

Para um agendador de redes sociais, isso significa que o Claude ou o ChatGPT pode pedir ao TryPost qualquer coisa que a UI do produto faz: criar um post, agendar para uma data específica, anexar uma imagem, jogar em uma fila. Por baixo dos panos, o MCP roteia essas chamadas pela mesma REST API que o painel usa. A spec do protocolo está em modelcontextprotocol.io, mas um resumo de duas linhas já basta para começar. Cada ferramenta tem um nome e parâmetros. O cliente de IA escolhe uma, preenche os parâmetros e o servidor executa.

Por que isso importa para operações de redes sociais

Calendários sociais costumam ter o mesmo formato na prática: trinta a cem posts por mês, escritos uma vez, depois formatados e encaixados num agendador um por um. Cada rede tem suas particularidades. O X corta legendas em 280 caracteres. O Instagram permite até 2.200. O LinkedIn premia quebras de linha; o X penaliza. A escrita raramente é o que demora mais. O copia-e-cola repetitivo é.

Um fluxo com MCP colapsa essa repetição em um prompt único e uma rodada de revisão. Em vez de abrir o composer trinta vezes, você descreve o que quer uma vez, deixa o cliente de IA rascunhar e enfileirar, e depois audita o resultado dentro do TryPost. O agendador continua sendo o dono do calendário. O cliente de IA só digita mais rápido que você.

Como conectar o Claude Desktop ao TryPost

A configuração é um arquivo só. No macOS ele fica em ~/Library/Application Support/Claude/claude_desktop_config.json. No Windows está em %APPDATA%\Claude\claude_desktop_config.json. Se o arquivo ainda não existir, crie.

Adicione o servidor MCP do TryPost dentro do bloco mcpServers:

{
  "mcpServers": {
    "trypost": {
      "command": "npx",
      "args": ["-y", "@trypost/mcp-server"],
      "env": {
        "TRYPOST_API_TOKEN": "<seu_token_trypost>",
        "TRYPOST_WORKSPACE_ID": "<seu_workspace_id>"
      }
    }
  }
}

Gere o API token nas configurações do seu workspace, na aba Developer. Cole no bloco env e reinicie o Claude Desktop. Um ícone de martelo deve aparecer no input do chat. Ao abrir, ele lista as ferramentas do TryPost que o cliente já consegue chamar: create_post, schedule_post, list_channels, update_post, list_posts, mais algumas outras.

O Cursor usa o mesmo formato em ~/.cursor/mcp.json. O ChatGPT desktop aceita MCP pelo painel de connectors customizados. Os nomes de ferramentas e os argumentos seguem idênticos entre clientes, que é a razão de existir do protocolo.

Um detalhe que vale entender de cara: um API token do TryPost carrega só as permissões do membro do workspace que o gerou. Um token criado a partir de uma seat de leitura não publica. Se a ideia é agendar lotes, gere o token a partir de um membro com permissão de publicação. Um token de leitura ainda é útil para perguntas de analytics em que você não quer o modelo mexendo no calendário.

Como uma rodada em batch flui

Com o Claude Desktop conectado, o ciclo de agendamento tem quatro passos.

O primeiro é um prompt único descrevendo o lote inteiro. Algo como "gere 30 posts de LinkedIn sobre automação de workflow com IA para founders solo, agende um por dia útil às 9h horário de Brasília a partir de segunda". O Claude rascunha as legendas no chat e mostra antes de qualquer chamada de ferramenta rodar.

O segundo é uma passada de edição dentro da própria conversa. Você pede ajustes ("o post 4 está vendedor demais", "reescreve o 12 com uma anedota real") e as legendas atualizam no lugar. Sem trocar de aba, sem copiar e colar entre o modelo e o agendador.

O terceiro é o agendamento em si. Quando você libera, o Claude chama create_post 30 vezes em sequência. Cada chamada passa a legenda, a rede (linkedin) e um scheduled_at em ISO 8601. O TryPost valida cada uma, escreve no calendário e devolve o ID do post. O Claude coleta os IDs e imprime um resumo.

O quarto é a checagem dentro do TryPost. Abrir o calendário, arrastar dois posts para horários melhores, editar uma legenda que perdeu o ponto no contexto do lote, e a rodada está fechada.

A primeira passada por esse loop costuma demorar mais do que as próximas. Quando os prompts estabilizam, agendar trinta posts sai de uma sessão de duas a três horas de várias abas para cerca de quinze minutos de prompt-mais-revisão.

Prompts que funcionam como ponto de partida

Os prompts abaixo têm desempenho consistente. Estão escritos para serem adaptados: troque as partes entre colchetes, aponte para o seu workspace e rode.

Um prompt simples para uma rede só:

Gere 20 posts de Instagram para uma marca de café especial.
Voz: acolhedora, levemente nerd sobre origem e data de torra.
Agende um por dia às 8h de Brasília a partir de amanhã.
Use o preset de hashtags do meu brand kit.

Um prompt multi-rede em que a mesma ideia é reescrita por plataforma:

Tenho 12 anúncios de produto do beta do [nome do produto]. Para cada um,
faça três variantes: um post de LinkedIn (3 parágrafos curtos, sem hashtags),
um post de X (até 240 caracteres, uma estatística no hook) e uma legenda
de Instagram (formato de história, 2 a 4 parágrafos, 5 hashtags).
Agende LinkedIn às 7h de Brasília, X às 10h, Instagram às 18h.
Espalhe um anúncio por dia útil ao longo das próximas 3 semanas.

Um prompt mensal em batch para uma conta com foco em Instagram:

Gere 60 posts de Instagram para [nicho]:
20 posts de imagem única (educacionais, formato lista),
20 roteiros de reel (hook + 3 batidas + payoff, 30 a 45 segundos),
20 ideias de stories (enquete, pergunta, bastidores).

Agende ao longo do próximo mês:
posts seg/qua/sex às 10h horário de Brasília,
reels ter/qui às 18h,
stories quando achar buracos.

Use a minha voz de marca. Evite as palavras "incrível", "literalmente", "vibe".
Me mostra a visão geral do calendário no fim.

A última linha, pedindo a visão geral do calendário, importa mais do que parece. Sem ela, o modelo termina em silêncio e qualquer slot perdido fica invisível até você abrir o TryPost. Com ela, o chat termina numa tabela limpa que dá para escanear em segundos.

Um prompt de manutenção para edições no meio da semana:

Puxa todos os meus posts agendados nos próximos 7 dias do canal LinkedIn da
[conta]. Acha os que mencionam o preço antigo. Reescreve referenciando o
plano de $19/mês e reagenda nos mesmos slots.

Esse último formato, busca-e-substitui em massa numa fila ativa, é o tipo de edição que antes significava vinte minutos de cliques pelos posts individuais. Pelo MCP vira um prompt e uma confirmação.

API e MCP são a mesma superfície

Tudo que foi descrito acima também roda como chamada direta de API. O servidor MCP é uma camada fina sobre a REST API documentada em docs.trypost.it/api-reference. Mesmos endpoints, mesmos payloads, mesmos rate limits.

Essa paridade importa porque alguns workflows pertencem ao código, não ao chat. Um cron job que puxa pedidos do Shopify e enfileira um story de "obrigado pela compra" no Instagram é script. O mesmo vale para uma automação tipo Zapier que transforma posts novos do blog em cross-posts sociais. Use a API ali. Use MCP quando o trabalho envolve julgamento, redação ou operações em lote pontuais em que digitar num chat é mais rápido do que escrever um script.

O guia dedicado de construir em cima de MCP, cobrindo ferramentas customizadas, operações em batch e tratamento de erros, está em docs.trypost.it/ai/introduction. Vale guardar nos favoritos antes de plugar isso em uma automação de produção.

Controles de qualidade

O modelo escreve prosa razoável. Também escreve prosa com cara de IA. Sem revisão, um feed inteiramente movido a MCP começa a ler como qualquer outra conta movida a IA na rede, o que é ruim para o algoritmo e pior para o leitor humano.

Alguns padrões para revisar antes de aprovar um lote:

• Aberturas genéricas ("No mundo acelerado de hoje", "No cenário em constante evolução de", "Vamos mergulhar").
• Listas de três itens onde duas bastariam. Modelos defaultam para a regra de três.
• Hooks gramaticalmente corretos que não dizem nada concreto na primeira linha.
• Posts com a mesma estrutura no lote inteiro. Pessoas variam ritmo; modelos voltam ao mesmo esqueleto.
• Travessões em todo lugar.

Quando esses sinais aparecem, duas respostas funcionam. A mais rápida é pedir ao modelo para refazer com restrição ("refaz com hooks de no máximo 8 palavras e sem travessões"). A mais lenta e mais limpa é editar dentro do calendário do TryPost, onde cada post já está vinculado ao canal e ao slot certos.

Para posts avulsos, o post generator gratuito cobre o mesmo terreno sem nenhum setup. O bio generator e o resto do nosso toolkit gratuito funcionam do mesmo jeito. O MCP justifica o custo de configuração quando o trabalho é em volume.

Brand kits são a outra alavanca. Se você configurou tom, voz, palavras proibidas e regras por canal num brand kit do TryPost, a ferramenta create_post do MCP referencia tudo automaticamente, e a saída fica visivelmente menos genérica. Uma lista de palavras proibidas no brand kit é o caminho mais direto para matar os sinais de IA listados acima antes de eles chegarem ao calendário.

Quando manter o humano no fluxo

Uma regra útil: quanto mais o post ancora uma afirmação real, mais revisão humana ele exige. Três categorias que nunca deveriam ir do prompt para o publicado sem alguém lendo a saída:

Afirmações factuais sobre a empresa, o produto ou o cliente. Preço, disponibilidade de feature, nomes de cliente, qualquer coisa que tenha resposta errada. O modelo redige com confiança em torno de um detalhe desatualizado se for o que ele tem na cabeça.

Jargão e tom específicos da marca. Nomes internos de time, piadas internas, formatos recorrentes. O modelo aproxima esses elementos em vez de reproduzir. Se a voz de marca conquistou consistência, trate a saída do modelo como primeiro draft, não como final.

Conteúdo dependente de tempo. Tudo amarrado a uma data de lançamento, evento ou prazo móvel. Janelas de agendamento mudam; um post auto-agendado preso a "quinta que vem" é bug esperando para acontecer.

O resto, posts educacionais, dicas evergreen, variações de hook sobre o mesmo tema, é território confortável para drafting com IA primeiro e revisão humana leve.

Para onde vai o tempo

A primeira passada pelo MCP demora mais do que as próximas. Setup, iteração de prompt e aprender o que o modelo erra custam algo no dia um. Quando os prompts estabilizam, a economia se acumula.

Uma curva típica de creator indie agendando trinta posts por semana fica assim. O fluxo antigo, escrever num doc, colar no agendador, formatar por rede, configurar horários, repetir, roda duas a três horas de trabalho focado por sessão. O mesmo lote pelo MCP, depois que os prompts estão afiados, roda em torno de quinze minutos de prompt-e-revisão.

A conta cresce para agências. Oito clientes com algumas horas cada viram um dia inteiro de agendamento. A mesma carga pelo MCP cabe num almoço longo.

O trade-off vale ser nomeado: o MCP recompensa volume. Se uma única conta posta cinco vezes por semana em uma rede, o custo de setup (pequeno) e o imposto de prompt-engineering (real) não pagam. Quem agenda mais de trinta posts por semana em mais de duas redes deveria pelo menos testar uma sessão de batch desse jeito.

Armadilhas que valem sinalizar

Quatro erros comuns que custam mais tempo quando aparecem:

Tratar o primeiro draft como final. A saída em batch é ponto de partida. Pular a revisão publica trinta posts que abrem com a mesma estrutura sintática, e o engajamento cai de acordo.

Agendar a mesma cópia em todas as redes. O cross-posting economiza tempo na escrita mas achata a cadência que cada rede premia. Hooks que funcionam no LinkedIn caem no X; pilhas de hashtag que puxam no Instagram parecem spam no LinkedIn. A correção é pedir ao modelo variantes por rede no mesmo prompt, não a mesma legenda duplicada.

Ignorar limites de tamanho. O servidor MCP devolve erro quando um post passa dos 280 caracteres do X ou dos 2.200 do Instagram, mas o erro chega depois da geração. Coloque o limite no prompt logo de cara. "Posts de X com no máximo 240 caracteres incluindo hashtags" é uma restrição útil para escrever uma vez e reutilizar.

Deixar o modelo escolher o agendamento sem supervisão. Horários especificados no prompt costumam ganhar dos horários que o modelo inventa sozinho. A saída padrão dele gravita para nove da manhã todo dia útil, que rende menos do que slots informados pela sua própria analytics. Use a aba de analytics para achar os melhores horários reais de cada canal e fixe esses horários nos prompts.

Por onde começar

MCP mais cliente de IA não substitui um agendador. É uma superfície mais rápida para o mesmo workflow que um agendador já roda. Se o seu calendário social é um canal e um punhado de posts por semana, a página de pricing e o composer do app são o ponto de entrada certo, e o MCP pode esperar.

Se o calendário roda em três ou mais redes com trinta ou mais posts por semana, vale rodar uma vez a configuração de dez minutos acima. Gere um API token do TryPost, cole no Claude Desktop, rode um lote único, e a curva de economia de tempo assume daí. O guia completo de Build with AI em docs.trypost.it/ai/introduction cobre o resto: webhooks para fluxos de aprovação, ferramentas customizadas para casos de nicho, tratamento de erro quando a API de uma rede engasga. Lê melhor depois do primeiro lote bem-sucedido do que antes.