MCP AI Adalah: Pengertian Model Context Protocol, Cara Kerja, dan Contohnya

Singkatan MCP juga dipakai di bidang lain, misalnya kedokteran. Artikel ini membahas MCP dalam konteks AI: Model Context Protocol, cara kerjanya, contohnya untuk bisnis, dan batas keamanannya.

MCP AI adalah apa?

MCP (Model Context Protocol) adalah standar terbuka untuk menghubungkan aplikasi AI ke sistem di luar dirinya. Menurut dokumentasi resmi MCP, lewat protokol ini aplikasi AI seperti Claude atau ChatGPT bisa tersambung ke sumber data (file lokal, database), alat (mesin pencari, kalkulator), dan alur kerja (prompt khusus), lalu memakai semuanya untuk mengambil informasi dan menjalankan tugas.

Dokumentasi yang sama memakai perumpamaan port USB-C. Satu bentuk colokan dipakai banyak perangkat, sehingga produsen tidak perlu membuat kabel khusus untuk setiap pasangan perangkat. MCP berperan serupa untuk aplikasi AI dan sistem yang ingin dihubungkan.

Anthropic, pembuat Claude, membuka MCP sebagai proyek open source pada 25 November 2024. Pada 9 Desember 2025, Linux Foundation mengumumkan Agentic AI Foundation (AAIF) dengan MCP sebagai salah satu proyek awalnya. Artinya, MCP kini dikelola di bawah yayasan netral, bukan lagi milik satu perusahaan.

Masalah yang ingin diselesaikan MCP

Sebuah large language model (LLM) hanya mengetahui apa yang ada di data pelatihannya dan apa yang Anda tempelkan ke percakapan. Ia tidak bisa membuka spreadsheet stok Anda atau membaca kalender tim kecuali ada jembatan yang menghubungkannya.

Sebelum MCP, jembatan itu dibangun satu per satu. Dalam pengumuman awalnya, Anthropic menulis bahwa setiap sumber data baru membutuhkan implementasi khususnya sendiri, sehingga sistem yang saling terhubung sulit dikembangkan. Google Cloud menjelaskan bahwa MCP dibangun di atas konsep yang sudah ada, yaitu penggunaan alat (tool use) dan pemanggilan fungsi (function calling), lalu menstandarkannya agar tidak perlu koneksi kustom untuk setiap pasangan model AI dan sistem eksternal.

Ilustrasi sederhananya: bila ada 3 aplikasi AI dan 4 sistem bisnis, menghubungkan semuanya satu per satu berarti 3 × 4 = 12 integrasi khusus. Dengan satu protokol bersama, setiap aplikasi cukup bisa berbicara MCP dan setiap sistem cukup menyediakan satu server MCP, sehingga yang dibangun 3 + 4 = 7 sisi. Angka ini hanya hitungan contoh, bukan data pengukuran.

Tiga peran dalam MCP: host, client, dan server

Arsitektur MCP memakai pola client-server dengan tiga peserta:

Peran	Apa itu	Contoh
Host	Aplikasi AI yang dipakai pengguna. Host mengatur satu atau beberapa client.	Claude Desktop, Claude Code, Visual Studio Code
Client	Komponen di dalam host yang menjaga satu koneksi ke satu server dan mengambil konteks dari server itu.	Host membuat satu client untuk setiap server yang disambungkan
Server	Program yang menyediakan konteks dan alat untuk client. Bisa berjalan di komputer Anda (lokal) atau di internet (remote).	Server filesystem lokal, server Sentry yang berjalan di platform Sentry

Bagi pemilik bisnis, cara membacanya cukup sederhana: host adalah aplikasi AI yang Anda buka, server adalah "colokan" yang disediakan oleh aplikasi atau layanan lain, dan client adalah kabel di antara keduanya.

Apa yang disediakan server MCP?

Dokumentasi arsitektur menyebut tiga kemampuan inti yang bisa ditawarkan server:

• Tools (alat): fungsi yang bisa dipanggil aplikasi AI untuk melakukan tindakan, misalnya membaca file, memanggil API, atau menjalankan query database.
• Resources (sumber data): informasi yang dibaca sebagai konteks, misalnya isi file, baris data, atau respons API.
• Prompts (templat): templat siap pakai yang membantu menyusun interaksi dengan model, misalnya instruksi sistem atau contoh jawaban.

Ada juga kemampuan dari sisi client bernama elicitation, yaitu cara server meminta informasi tambahan atau konfirmasi dari pengguna sebelum melanjutkan. Bagian ini penting untuk bisnis, karena memberi ruang bagi orang untuk menyetujui tindakan sebelum dijalankan.

Cara kerja MCP langkah demi langkah

Pesan antara client dan server ditulis dalam format JSON-RPC 2.0. Alurnya, berdasarkan contoh di dokumentasi arsitektur, kurang lebih seperti ini:

1. Perkenalan. Client bertanya ke server versi protokol dan kemampuan apa yang didukung.
2. Melihat daftar alat. Client meminta daftar tools. Server menjawab dengan nama, deskripsi, dan skema input setiap alat.
3. Model memilih alat. Aplikasi AI menggabungkan daftar alat dari semua server yang tersambung. Saat percakapan berjalan, model memutuskan alat mana yang perlu dipakai dan dengan isian apa.
4. Alat dijalankan. Host meneruskan permintaan ke server yang tepat. Server menjalankan alat dan mengembalikan hasilnya.
5. Hasil masuk ke percakapan. Hasil dari server menjadi konteks baru bagi model untuk menyusun jawaban atau langkah berikutnya.

Untuk jalur komunikasinya, MCP mendukung dua cara. Stdio dipakai saat server berjalan di komputer yang sama dengan aplikasi AI. Streamable HTTP dipakai untuk server remote di internet, dengan dukungan autentikasi seperti bearer token, API key, dan OAuth yang direkomendasikan untuk mendapatkan token.

Pola "pilih alat, jalankan, lihat hasil" ini sama dengan siklus kerja agent yang dibahas di artikel cara kerja AI agent. MCP tidak menggantikan siklus itu. MCP menstandarkan bagian "alat"-nya.

Contoh MCP dalam pekerjaan bisnis

Dokumentasi MCP memberi beberapa contoh, di antaranya agent yang mengakses Google Calendar dan Notion sebagai asisten pribadi, serta chatbot perusahaan yang tersambung ke beberapa database sehingga pengguna bisa menganalisis data lewat chat.

Dalam bentuk yang lebih dekat dengan usaha kecil dan menengah, ilustrasinya bisa seperti berikut (bukan data pelanggan):

• Cek stok lewat chat. Admin bertanya di aplikasi AI, "Barang apa yang stoknya di bawah 10?" Aplikasi AI memanggil server MCP yang tersambung ke spreadsheet stok, membaca datanya, lalu menjawab dengan daftar barang.
• Menyiapkan draf penagihan. Aplikasi AI membaca daftar tagihan lewat satu server, lalu menyiapkan draf pengingat. Draf baru dikirim setelah orang menyetujuinya.
• Rekap untuk pemilik. Aplikasi AI mengambil data dari beberapa server sekaligus, misalnya catatan penjualan dan kalender, lalu menyusun ringkasan mingguan.

Dalam ketiga contoh, MCP hanya menyediakan jalur ke data dan alat. Kualitas hasilnya tetap bergantung pada instruksi yang Anda tulis, data yang tersedia, dan pengujian sebelum dipakai. Panduan menulis instruksinya ada di artikel cara membuat prompt AI untuk bisnis.

MCP, API, dan function calling: apa bedanya?

	API	Function calling	MCP
Apa itu	Pintu yang disediakan sebuah aplikasi agar program lain bisa memakai data atau fiturnya	Kemampuan model AI untuk meminta pemanggilan fungsi tertentu dengan isian terstruktur	Protokol standar yang mengatur cara aplikasi AI menemukan dan memakai alat serta data dari server
Untuk siapa	Program apa pun	Aplikasi yang dibangun di atas model tertentu	Aplikasi AI mana pun yang mendukung MCP
Hubungannya	Server MCP bisa memanggil API di belakangnya	MCP membangun konsep ini lalu menstandarkannya	Satu server bisa dipakai oleh banyak aplikasi AI

Jadi MCP tidak menggantikan API. Server MCP untuk sebuah layanan bisa jadi memanggil API layanan itu di belakang layar. Yang berubah adalah sisi aplikasi AI: cukup mengenal satu protokol, bukan mempelajari format setiap layanan.

Siapa saja yang sudah mendukung MCP?

Dalam pengumuman pembentukan AAIF, Linux Foundation menulis bahwa sudah ada lebih dari 10.000 server MCP yang dipublikasikan dan protokol ini diadopsi oleh Claude, Cursor, Microsoft Copilot, Gemini, VS Code, ChatGPT, dan platform AI lain. Angka itu adalah kondisi per Desember 2025 menurut sumber tersebut.

Banyaknya server bukan berarti semuanya aman atau terawat. Siapa pun bisa membuat dan membagikan server MCP, sehingga memilih server sama pentingnya dengan memilih aplikasi yang Anda pasang di komputer kantor.

Risiko keamanan MCP dan cara membatasinya

Menghubungkan AI ke data dan alat berarti memberi AI kemampuan bertindak. Beberapa risiko yang dibahas di panduan keamanan resmi MCP dan sumber terkait:

Server lokal yang berbahaya

Server MCP lokal adalah program yang berjalan di komputer pengguna. Panduan keamanan MCP menjelaskan bahwa server dari sumber yang tidak tepercaya bisa menjalankan perintah apa pun dengan hak akses aplikasi AI, termasuk mencuri data. Untuk client yang menyediakan pemasangan server lokal sekali klik, panduan itu mewajibkan tampilan perintah lengkap yang akan dijalankan dan persetujuan eksplisit dari pengguna sebelum server dipasang.

Izin yang terlalu luas

Panduan yang sama menyarankan model izin minimum (least privilege): mulai dari izin baca yang berisiko rendah, lalu tambahkan izin lain hanya saat dibutuhkan. Token dengan izin luas memperbesar kerugian bila token itu bocor.

Instruksi tersembunyi di dalam data

Isi dokumen, email, atau halaman web yang dibaca AI bisa memuat instruksi yang menyusup. OWASP menyebut ini prompt injection, termasuk bentuk tidak langsung yang datang dari sumber luar. Karena itu spesifikasi tools MCP menyarankan agar ada manusia yang bisa menolak pemanggilan alat, dan aplikasi sebaiknya menampilkan input alat serta meminta konfirmasi untuk operasi sensitif.

Daftar periksa sebelum memasang server MCP

• Pakai server dari penyedia resmi layanan tersebut atau dari sumber yang kodenya bisa diperiksa.
• Berikan akses hanya ke data yang dibutuhkan pekerjaan itu. Pisahkan akun uji dari akun data sungguhan.
• Aktifkan konfirmasi untuk tindakan yang mengubah data atau mengirim pesan ke pelanggan.
• Simpan token dan API key di tempat aman, jangan ditempel di percakapan atau dokumen bersama.
• Uji dengan contoh sebelum dipakai tim. Daftar periksanya ada di uji agent AI sebelum tim memakainya.

Prinsip menahan tindakan sampai disetujui orang dibahas lebih lengkap di artikel human-in-the-loop AI agent.

Apakah bisnis Anda perlu memakai MCP?

MCP adalah urusan teknis di balik layar. Pertanyaan yang lebih berguna bagi pemilik bisnis: di mana tim Anda ingin bekerja dengan AI?

• Bila tim Anda sudah memakai Claude, Cursor, atau aplikasi AI lain yang mendukung MCP, MCP memungkinkan aplikasi itu tersambung ke layanan yang Anda pakai tanpa menyalin data secara manual.
• Bila tim Anda bekerja lewat WhatsApp atau Telegram dan tidak ingin mengatur server atau konfigurasi, platform agent yang menyiapkan koneksinya untuk Anda bisa lebih praktis. Pembahasan menyambungkan data yang sudah ada ada di artikel sambungkan data yang sudah perusahaan pakai ke agent AI.
• Bila pekerjaannya belum jelas, mulai dari menentukan satu pekerjaan berulang lebih dulu. MCP tidak membantu bila aturannya belum ditulis.

Untuk memahami gambaran besarnya, baca juga agentic AI adalah dan perbandingan agent AI, chatbot, dan RPA.

MCP di Bikinin.ai.id

Di Bikinin.ai.id, Anda menjelaskan pekerjaan dengan bahasa biasa, lalu langkahnya tersusun, disambungkan ke aplikasi yang sudah dipakai seperti Google Sheets, diuji, dan dijalankan di WhatsApp dan Telegram dengan setiap langkah bisa diperiksa. Alur lengkapnya ada di panduan agent AI untuk bisnis.

Bagi pengguna Claude atau Cursor, template di Bikinin.ai.id juga bisa dipakai untuk membuat dan menguji agent lewat MCP. Jadi Anda bisa memulai dari aplikasi AI yang sudah dipakai tim teknis, lalu menjalankan agent-nya di saluran chat yang dipakai tim operasional.

Soal data, prinsipnya sama dengan daftar periksa di atas: hanya sumber yang disebut dalam penjelasan pekerjaan yang dibaca, dan agent baru berjalan setelah hasil ujinya Anda setujui. Detailnya ada di bagian keamanan dan kontrol data.

Langkah berikutnya: pilih satu template, lihat daftar paket dan harga, atau ceritakan satu pekerjaan berulang di perusahaan Anda. Kami membalas lewat email, dan bila cocok, uji disusun bersama sebelum Anda berlangganan.