Glean
Glean é uma plataforma de “Work AI” empresarial: ela indexa mais de 100 fontes de dados da empresa (Slack, Jira, Confluence, GitHub, docs) e monta um knowledge graph que unifica conteúdo, pessoas, processos e expertise. A promessa central: dar ao AI o contexto completo da empresa, não apenas fragmentos soltos em silos de SaaS.
O que faz
- Enterprise Search + Knowledge Graph — busca que cruza todas as ferramentas da empresa; o grafo captura quem sabe o quê e como o trabalho acontece, não só documentos.
- Servidores MCP remotos (beta público no Sept Drop de 2025) — expõem esse contexto para qualquer host MCP (Cursor, Claude Desktop, ChatGPT), sem infraestrutura própria: ativa-se as ferramentas por toggle.
- Governança embutida — “Glean Protect”: dados permanecem com permissão enforcement, ações autorizadas, OAuth centralizado para os servidores MCP aprovados pela empresa.
A tese sobre MCP
O argumento do post: MCP resolve conectar ferramentas ao AI (o “USB-C do AI”), mas não resolve encontrar o contexto certo — silos de SaaS deixam o usuário vendo só pedaços do quadro. Glean se posiciona como a camada de contexto que falta, acessível via MCP de qualquer ferramenta que você já use.
Implica: para um founder/PM não-técnico, a diferença entre “AI conectada às ferramentas” e “AI com contexto real da empresa” é a diferença entre respostas genéricas e respostas úteis — vale perguntar das duas camadas ao avaliar qualquer stack de IA.
Casos de uso documentados (engenharia)
- Debugger de terminal — analisa stack trace, cruza com erros passados (Slack/Jira/PRs) e, quando não resolve, recomenda o especialista ou canal certo — o grafo sabe quem sabe.
- Debugger de pipeline CI/CD — agente (Google ADK) que junta logs do GitHub com contexto de Jira/Confluence/Slack via Glean, conectado ao Cursor por MCP.
- Escritor de documentação — redige playbooks/docs a partir de design docs e PRDs, e publica direto no Confluence via o servidor MCP da Atlassian, fechando o ciclo criação→publicação.
Implicações
A aposta anti-lock-in é o ponto relevante para este universo: funcionários usam as ferramentas de IA que escolherem, e o contexto da empresa fica na camada neutra (MCP) — “a interoperabilidade de agentes deve ser segura e fácil”. Para quem constrói produto com agentes (vibe-coding), isso sinaliza que o gargalo está migrando de “qual IDE/agente usar” para “quem controla a camada de contexto”. Fonte é material de marketing do próprio vendor — números como “100+ fontes” não são verificados independentemente (confidence: medium); status beta pode estar desatualizado.
Relationships
- “exposes” model-context-protocol — servidores MCP remotos que levam o contexto da empresa a hosts como Cursor e Claude Desktop
- “depends-on” knowledge-graph — o valor dos servidores MCP depende do grafo construído sobre 100+ fontes internas
- “advocates-for” vibe-coding — defende interoperabilidade aberta: construir e usar ferramentas de IA onde quiser, sem lock-in de plataforma