Model Context Protocol (MCP): Cara Menghubungkan AI ke Alat Anda

Last updated: June 28, 2026

MCP — Model Context Protocol — adalah standar terbuka yang dirilis oleh Anthropic pada akhir tahun 2024 untuk menghubungkan asisten AI dan agen ke sumber data dan alat eksternal. Alih-alih menulis integrasi khusus untuk setiap model dan setiap alat, Anda mengekspos satu server MCP dan klien apa pun yang kompatibel dengan MCP dapat menggunakannya. Saya menghubungkan server filesystem dan server GitHub ke Claude Code minggu lalu dan perbedaannya dalam hal apa yang sebenarnya bisa dilakukan agen sangatlah cepat terasa. Postingan ini membahas apa itu MCP, cara kerja model client-server, jenis kemampuan inti, dan cara menjalankan server di pengaturan Anda sendiri.

Jawaban singkat: apa itu MCP?

MCP adalah protokol berbasis JSON-RPC 2.0 yang menstandardisasi koneksi antara aplikasi host AI (client MCP, seperti Claude Desktop atau Claude Code) dan server eksternal yang mengekspos data dan tindakan. Satu server MCP dapat mengiklankan tiga jenis kemampuan kepada klien:

• Tools — fungsi yang dapat dipanggil model (menanyakan database, mengirim pesan, mencari repo).
• Resources — data terstruktur yang dapat dibaca model (isi file, respons API, catatan).
• Prompts — template prompt berparameter yang dapat digunakan kembali yang dapat dipanggil pengguna.

Tujuannya adalah "USB-C untuk integrasi AI": satu server, banyak klien, tanpa perekat per-model. Spesifikasi dan SDK bersifat open source dan dikelola di modelcontextprotocol di GitHub, dengan dokumentasi kanonik di modelcontextprotocol.io.

Mengapa MCP ada?

Sebelum adanya MCP, setiap integrasi alat adalah insidental. Jika Anda ingin asisten membaca isu GitHub Anda dan juga menanyakan Postgres, Anda menulis dua konektor kustom, lalu menulis ulang ketika Anda beralih model atau host. Motivasi yang dinyatakan Anthropic adalah mengakhiri duplikasi itu dengan protokol bersama — dokumentasi resmi menggambarkannya sebagai memberikan model "akses standar" ke file lokal, database, dan API.

Bingkai ini penting untuk alur kerja agentic secara khusus. Agen yang hanya bisa mengobrol adalah chatbot; agen yang dapat membaca repo Anda, menjalankan kueri, dan memanggil alat dalam loop adalah pekerja sungguhan. MCP adalah perpipaan yang membuat yang kedua portabel. Jika Anda ingin gambaran yang lebih luas tentang di mana ini masuk dalam desain agen, lihat postingan kami tentang otomatisasi agen AI.

Bagaimana cara kerja model client-server?

MCP mengikuti topologi host-client-server:

• Host — aplikasi yang dijalankan pengguna (Claude Desktop, Claude Code, ekstensi IDE).
• Client — hidup di dalam host, mempertahankan sesi 1:1 dengan satu server.
• Server — proses yang mengekspos kemampuan melalui transport.

Sebuah host dapat menjalankan banyak client, masing-masing berbicara ke satu server. Protokolnya adalah JSON-RPC 2.0, dengan tiga fase siklus hidup yang saya uji setiap kali saya menambahkan server baru:

1. Initialize — klien mengirim versi protokol, kemampuan, info klien; server merespons dengan miliknya sendiri.
2. Capability negotiation — kedua sisi menyatakan apa yang mereka dukung (tools, resources, prompts, sampling, roots).
3. Operation — klien meminta daftar alat, memanggil alat, membaca sumber daya, dan server mengirimkan hasilnya kembali.

Opsi Transport

stdio adalah default untuk pengaturan lokal dan yang digunakan oleh claude mcp add kecuali Anda meneruskan URL HTTP. Untuk panduan mendalam tentang claude mcp add dan keputusan stdio-vs-HTTP, lihat panduan integrasi MCP Claude Code kami.

Apa tiga jenis kemampuan, dalam praktiknya?

Sebagian besar nilai dari MCP terletak pada tiga jenis kemampuan. Berikut adalah bagaimana masing-masing benar-benar berperilaku ketika model menggunakannya.

Tools (dipanggil model)

Tools adalah tulang punggungnya. Model memutuskan untuk memanggilnya berdasarkan percakapan. Saya menjalankan server yang mengekspos alat search_logs dan model memanggilnya tanpa diminta saat saya bertanya "mengapa deploy gagal pada jam 2 pagi?". Definisi tool mencakup JSON Schema untuk argumen, sehingga model mendapatkan input berjenis dan tervalidasi.

Resources (dikontrol aplikasi)

Resources ditujukan oleh URI dan biasanya dipilih pengguna, bukan dipilih model — pengguna melampirkan sumber daya seperti file atau catatan, dan host menyuntikkannya ke dalam konteks. Ini penting untuk kontrol scope: model hanya dapat melihat apa yang Anda berikan secara eksplisit kepadanya.

Prompts (dipanggil pengguna)

Prompts adalah template dengan argumen yang muncul di UI host sebagai slash-commands atau item menu. Mereka adalah kemampuan yang paling kurang digunakan — saya menggunakannya untuk mengenkode "ulas PR ini terhadap panduan gaya kami" sehingga saya tidak perlu menempelkan instruksi yang sama setiap saat.

Bagaimana cara mengatur server MCP?

Pengaturan konkret, menggunakan Claude Code sebagai host. Konfigurasi server yang sama berfungsi di file JSON Claude Desktop.

1. Instal Node.js 20+ (atau Python 3.10+ dengan uv).
2. Tambahkan server referensi, misalnya server filesystem: npx -y @modelcontextprotocol/server-filesystem /Users/you/projects
3. Daftarkannya di Claude Code: claude mcp add filesystem -- npx -y @modelcontextprotocol/server-filesystem /Users/you/projects
4. Verifikasi koneksi: claude mcp list lalu claude mcp get filesystem
5. Mulai ulang host dan cari alat server dalam sesi.

Itu adalah seluruh loopnya. Server referensi di org GitHub mencakup filesystem, Git, GitHub, Postgres, SQLite, Slack, Google Drive, Puppeteer, dan lainnya.

Server kustom minimal (Python)

from mcp.server.fastmcp import FastMCP

mcp = FastMCP("status")

@mcp.tool()
def healthcheck(service: str) -> str:
    """Return the current status of a service."""
    return f"{service}: ok"

if __name__ == "__main__":
    mcp.run(transport="stdio")

Saya menguji ini terhadap endpoint staging dalam waktu sekitar sepuluh menit, termasuk menghubungkannya ke Claude Code. Untuk pola yang lebih luas tentang mengekspos layanan internal sebagai API yang dapat dipanggil agen, panduan pengembangan API AI kami membahas lebih dalam tentang auth dan rate-limiting.

Seperti apa ekosistemnya di tahun 2026?

Ekosistem telah terkonsolidasi di sekitar registry resmi dan segelintir server referensi yang terawat baik. Saya menyimpan daftar singkat yang benar-benar saya percayai dalam produksi:

• filesystem — baca/tulis file lokal dengan pembatasan root.
• github — isu, PRs, pencarian, operasi file.
• postgres / sqlite — hanya baca secara default, introspeksi skema.
• puppeteer / playwright — otomatisasi browser untuk agen.
• slack — baca channel dan kirim pesan.

Untuk mengorkestrasi banyak server di belakang subagent — satu subagent memiliki database, yang lain memiliki browser — postingan kami tentang subagent Claude Code menjabarkan pola tim.

Apa yang harus Anda waspadai?

Ini adalah bagian yang paling sering dilewati oleh banyak orang. Server MCP berjalan dengan kredensial dan akses filesystem Anda, jadi scope itu penting.

• Perlakukan setiap server seperti dependency. Pin versi, audit sumber sebelum menjalankan npx pada repo orang asing. Alat berbahaya dapat mengekfiltrasi apa pun yang dilihat model.
• Batasi root. Server filesystem hanya aman selama direktori yang Anda tunjuk — jangan pernah meneruskan /.
• Utamakan konfigurasi database read-only sampai Anda memiliki alasan konkret untuk mengaktifkan tulis.
• Perhatikan prompt injection. Jika alat mengembalikan konten yang kemudian ditindaklanjuti model, input yang tidak tepercaya dapat menjadi instruksi. Asumsikan setiap sumber daya adalah musuh.
• Batasi token OAuth. Token Slack dan GitHub harus berupa scope minimum yang dibutuhkan server, bukan token pribadi Anda.

Saya memulai setiap server baru dalam akun sandboxed dan memantau beberapa panggilan alat pertama sebelum mempercayainya dalam sesi nyata.

Poin penting

MCP adalah protokol kecil yang menyelesaikan masalah nyata: ia memungkinkan satu server mengekspos tools, resources, dan prompts ke host AI apa pun yang kompatibel, menghilangkan pajak integrasi N-kali-M. Mekanismenya sederhana — inisialisasi, negosiasi, operasi melalui stdio atau HTTP — tetapi postur keselamatannya adalah bagian yang menentukan apakah itu termasuk dalam alur kerja Anda. Jalankan server yang dapat Anda audit, batasi kredensialnya dengan ketat, dan asumsikan input yang tidak tepercaya bersifat musuh. Lakukan itu dan MCP adalah cara terbersih untuk mengubah asisten menjadi agen yang benar-benar dapat menyentuh sistem Anda.

Kredit Gambar

• Kode sumber ditampilkan pada layar monitor — foto oleh Markus Spiske di Pexels
• Seorang pengembang mengetik di laptop sambil mengkonfigurasi server di terminal — foto oleh Vlada Karpovich di Pexels
• Komposisi papan sirkuit abstrak melambangkan arsitektur berlapis — foto oleh Christina Morillo di Pexels