Arsitektur MCP (Model Context Protocol): Menghubungkan AI Agent dengan Sistem Nyata

Masalah Fragmentasi Integrasi LLM

Sebelum standarisasi Model Context Protocol (MCP) yang diinisiasi oleh Anthropic, setiap platform AI membangun sistem pemanggilan fungsi (function calling / tool calling) dengan skema proprietary yang berbeda-beda. Developer harus menulis ulang plugin untuk OpenAI, adapter untuk Claude, dan wrapper untuk Gemini.

MCP hadir sebagai standar terbuka universal yang mirip dengan protokol Language Server Protocol (LSP) pada editor kode IDE.

flowchart LR
    Host["MCP Client (Claude Desktop / Antigravity)"] <--> Proto["MCP Standard Protocol (JSON-RPC)"]
    Proto <--> S1["MCP Server: PostgreSQL Local"]
    Proto <--> S2["MCP Server: GitHub API"]
    Proto <--> S3["MCP Server: File System"]

Cara Kerja MCP Server

MCP server menyediakan tiga kapabilitas utama:

1. Resources: Membagikan dokumen dan file kontekstual secara read-only ke model AI.
2. Tools: Mengekspos fungsi yang dapat dipanggil AI untuk melakukan aksi nyata (misal: execute_sql_query, create_git_commit).
3. Prompts: Template instruksi yang dapat digunakan pengguna secara konsisten.

Dengan MCP, kita dapat memberikan AI akses aman ke database lokal di mesin internal tanpa pernah mengekspos kredensial database tersebut ke cloud publik.