Kalau kamu sudah lama berkutat di dunia AI development, pasti pernah frustrasi dengan satu hal: setiap aplikasi AI punya caranya sendiri untuk terhubung ke dunia luar. Mau ambil data dari database? Custom code. Mau panggil API eksternal? Custom code lagi. Mau baca file dari sistem? Yep, custom code.
Situasi ini mirip awal-awal era web sebelum ada HTTP sebagai standar — semua orang membuat protokol sendiri, hasilnya chaos. Nah, Model Context Protocol (MCP) hadir untuk mengakhiri kekacauan itu.
Apa Itu MCP?
MCP adalah protokol terbuka yang dikembangkan oleh Anthropic. Tujuannya sederhana tapi dampaknya besar: membuat standar universal supaya AI model bisa terhubung ke berbagai tools, database, dan layanan eksternal dengan cara yang konsisten.
Bayangkan MCP seperti USB — dulu setiap perangkat punya konektor sendiri, sekarang USB jadi standar dan semua bisa colok-colok dengan mudah. MCP ingin melakukan hal yang sama untuk ekosistem AI.
Secara teknis, MCP mendefinisikan:
- Cara AI meminta akses ke tools (function calling yang terstandarisasi)
- Cara tools merespons dengan data atau hasil eksekusi
- Cara mengelola konteks antara model dan sumber data
- Protokol komunikasi yang aman antara host AI dan server MCP
Sebelum MCP: The Wild West
Sebelum MCP populer, kalau kamu mau membuat aplikasi AI yang bisa akses database, prosesnya begini:
- Tulis custom function untuk koneksi DB
- Daftarkan function itu ke model (misalnya via OpenAI function calling)
- Parse respons model
- Eksekusi function
- Kirim hasilnya balik ke model
- Ulang untuk setiap aplikasi baru
Setiap framework — LangChain, LlamaIndex, Haystack — punya abstraksinya sendiri. Kalau kamu switch dari satu framework ke yang lain, atau ganti provider AI, hampir pasti harus rewrite banyak bagian.
Ini boros waktu dan mempersulit portabilitas.
Arsitektur MCP: Tiga Komponen Utama
MCP bekerja dengan model tiga aktor:
1. MCP Host
Ini adalah aplikasi AI kamu — bisa Claude Desktop, IDE yang ditenagai AI, atau aplikasi custom yang kamu bangun. Host adalah yang “mengendarai” model AI dan bertanggung jawab mengelola koneksi ke berbagai MCP server.
2. MCP Server
Server ini adalah jembatan antara AI dan dunia luar. Setiap server MCP expose capabilities tertentu — misalnya:
- Server untuk akses filesystem
- Server untuk query database
- Server untuk panggil GitHub API
- Server untuk browsing web
Yang menarik: server MCP bisa ditulis dalam bahasa apa pun. Python, TypeScript, Go — bebas. Yang penting mereka mengikuti protokol MCP.
3. Tools & Resources
Ini adalah hal-hal konkret yang bisa dilakukan atau diakses oleh MCP server: fungsi yang bisa dipanggil, file yang bisa dibaca, data yang bisa di-query.
Kenapa Ini Penting buat Developer?
Oke, cukup teori. Kenapa kamu sebagai developer harus peduli?
Pertama, portabilitas. Kalau kamu bangun MCP server untuk koneksi ke database PostgreSQL kamu, server itu bisa dipakai oleh Claude Desktop, oleh aplikasi AI yang kamu build sendiri, atau oleh tools lain yang support MCP. Satu kode, banyak klien.
Kedua, ekosistem yang tumbuh cepat. Saat artikel ini ditulis, sudah ada ratusan MCP server open source yang bisa langsung kamu pakai — mulai dari koneksi ke Notion, Slack, GitHub, filesystem lokal, sampai browser automation. Kamu tidak perlu mulai dari nol.
Ketiga, keamanan yang lebih terstruktur. MCP memiliki mekanisme untuk mendefinisikan scope dan permission dengan jelas. Server bisa expose hanya fungsi tertentu, dan host bisa mengontrol apa yang boleh dilakukan model.
Keempat, debugging jadi lebih mudah. Karena ada standar protokol, ada tools untuk inspect MCP traffic — kamu bisa lihat persis apa yang diminta model dan apa yang dikembalikan server.
Cara Mulai Pakai MCP
Kalau kamu mau mulai eksperimen, caranya tidak serumit kelihatannya.
Pakai MCP Server yang Sudah Ada
Cara paling cepat: install Claude Desktop dan coba MCP server yang sudah jadi. Misalnya, ada server untuk filesystem:
{
"mcpServers": {
"filesystem": {
"command": "npx",
"args": ["-y", "@modelcontextprotocol/server-filesystem", "/path/to/directory"]
}
}
}
Tambahkan config ini ke Claude Desktop, dan sekarang Claude bisa baca-tulis file di direktori yang kamu tentukan.
Bangun MCP Server Sendiri
Kalau kebutuhan kamu spesifik, kamu bisa build server sendiri. SDK tersedia untuk Python dan TypeScript:
from mcp.server import Server
from mcp.server.stdio import stdio_server
server = Server("nama-server-ku")
@server.tool()
async def ambil_data_produk(product_id: str) -> str:
"""Ambil data produk dari database internal"""
# logika koneksi DB kamu di sini
return f"Data produk {product_id}: ..."
async def main():
async with stdio_server() as (read, write):
await server.run(read, write)
Sesederhana itu untuk server dasar.
MCP vs Pendekatan Lama
| Aspek | Cara Lama | MCP |
|——-|———–|—–|
| Portabilitas | Terikat ke framework tertentu | Universal, lintas platform |
| Setup | Custom per aplikasi | Standar, sekali buat |
| Ekosistem | Harus build sendiri | Ratusan server sudah tersedia |
| Debugging | Sulit, tidak ada standar | Ada tools khusus MCP inspector |
| Keamanan | Tergantung implementasi | Built-in permission model |
Tantangan dan Keterbatasan
Biar jujur — MCP bukan solusi sempurna untuk semua kasus:
- Latensi: Setiap tool call lewat protokol tambahan, ada overhead. Untuk aplikasi yang butuh respons sub-100ms, ini bisa jadi masalah.
- Kompleksitas setup: Untuk proyek kecil, setup MCP server mungkin overkill dibanding langsung hard-code function calling.
- Masih berkembang: Protokolnya masih aktif berevolusi. Spec bisa berubah dan breaking changes mungkin terjadi.
- Adopsi belum universal: Tidak semua provider AI support MCP. Kalau tim kamu pakai GPT atau Gemini, kamu belum bisa langsung merasakan manfaatnya secara full.
Tapi tanda-tanda positifnya jelas: makin banyak vendor dan open source project yang mulai adopt MCP sebagai standar de facto.
Masa Depan Integrasi AI
MCP adalah taruhan bahwa ekosistem AI akan lebih sehat kalau ada standar terbuka — bukan setiap pemain membuat protokol proprietary sendiri. Dan dari yang saya lihat, taruhannya masuk akal.
Bandingkan dengan perkembangan web: HTTP dan HTML yang open membuat web meledak. Protokol proprietary yang tertutup pada akhirnya mati atau terpinggirkan.
Kalau MCP berhasil jadi standar yang benar-benar diadopsi luas, dampaknya besar: developer bisa fokus ke logika bisnis tanpa harus terus-terusan rebuild integrasi dari nol, dan ekosistem tools AI akan berkembang jauh lebih cepat.
Jadi kalau kamu belum pernah coba MCP, sekarang waktu yang tepat untuk mulai eksplorasi. Jangan tunggu sampai ini jadi mainstream baru belajar — selalu lebih enak jadi yang lebih awal paham.
Punya project yang butuh integrasi AI yang solid dan scalable? Yuk ngobrol soal arsitekturnya — hubungi mafadev.
Leave a Reply