Penjelasan Perbandingan MCP dan API

 (norahsakal.com)
11 poin oleh GN⁺ 2025-03-11 | 3 komentar | Bagikan ke WhatsApp
  • MCP (Model Context Protocol) adalah protokol terbuka baru yang menstandarkan cara model AI berinteraksi dengan alat eksternal dan sumber data
  • Seperti port USB-C yang menyatukan cara menghubungkan berbagai perangkat, MCP menyatukan cara sistem AI terhubung ke beragam alat dan sumber data

Mengapa menggunakan MCP dibanding API lama

  • Integrasi API tradisional memerlukan penulisan kode terpisah, metode autentikasi, penanganan error, dan pemeliharaan untuk setiap alat dan layanan
  • API seperti menggunakan kunci yang berbeda untuk tiap pintu
    • Setiap layanan atau alat memerlukan integrasi tersendiri, dan dokumentasi, autentikasi, penanganan error, serta pemeliharaannya menjadi kompleks

Latar belakang kemunculan MCP

  • MCP adalah proyek yang dimulai oleh Anthropic dan dirancang agar model AI seperti Claude dapat dengan mudah berinteraksi dengan alat dan sumber data
  • Saat ini MCP telah dirilis sebagai open source dan sedang diadopsi oleh banyak perusahaan serta pengembang
  • MCP sedang berkembang menjadi standar baru untuk interaksi alat AI

Perbandingan MCP vs API lama

  • Upaya integrasi: MCP memakai satu standar, API lama memerlukan integrasi terpisah
  • Komunikasi real-time: didukung MCP, tidak didukung API lama
  • Penemuan dinamis: memungkinkan di MCP, tidak mungkin pada API lama
  • Skalabilitas: MCP bersifat plug-and-play, API lama memerlukan integrasi tambahan
  • Keamanan dan kontrol: MCP menjaga konsistensi, API lama berbeda-beda

Perbedaan utama antara MCP dan API lama

  • Protokol tunggal: sekali terintegrasi dengan MCP, dapat terhubung ke banyak alat dan layanan
  • Penemuan dinamis: model AI dapat secara otomatis menemukan dan berinteraksi dengan alat yang tersedia tanpa perlu coding sebelumnya
  • Komunikasi dua arah: dapat mengambil informasi dan menjalankan tugas secara real-time (misalnya mirip WebSocket)

Mengapa komunikasi dua arah MCP penting

  • Mengambil data: model AI mencari informasi yang diperlukan dari server → contoh: memeriksa jadwal
  • Menjalankan tugas: model AI mengirim perintah ke server untuk menjalankan tugas → contoh: mengubah jadwal rapat, mengirim email

Cara kerja MCP: arsitektur

  • Host MCP: aplikasi AI seperti Claude Desktop
  • Klien MCP: menjaga koneksi dengan server MCP dan bertukar perintah serta data
  • Server MCP: mengekspos fungsi tertentu dan terhubung ke sumber data lokal atau jarak jauh
  • Sumber data lokal: file, database, dan sebagainya
  • Layanan jarak jauh: API eksternal dan layanan berbasis internet
  • MCP bukan menangani logika yang kompleks, melainkan mengoordinasikan aliran data antara model AI dan alat

Contoh klien MCP nyata

  • Skrip Python(client.py) berinteraksi dengan Gmail, Slack, aplikasi kalender, dan lainnya
  • Dengan menggunakan satu protokol, proses integrasi yang kompleks dapat dihilangkan dan fitur baru bisa ditambahkan dengan cepat

Contoh penggunaan MCP

1. Asisten rencana perjalanan

  • Menggunakan API lama: perlu kode dan autentikasi terpisah untuk Google Calendar, email, API pemesanan maskapai, dan lain-lain
  • Menggunakan MCP: dengan satu protokol MCP, bisa memeriksa jadwal, memesan tiket pesawat, dan mengirim email

2. IDE tingkat lanjut (editor kode cerdas)

  • Menggunakan API lama: perlu integrasi terpisah untuk file system, version control, package manager, dan lainnya
  • Menggunakan MCP: integrasi melalui MCP → memberikan rekomendasi kode dan konteks yang lebih kaya

3. Analisis data kompleks

  • Menggunakan API lama: harus terhubung secara manual ke database dan alat visualisasi masing-masing
  • Menggunakan MCP: dengan satu layer MCP, dapat berinteraksi otomatis dengan banyak sumber data

Manfaat implementasi MCP

  • Penyederhanaan pengembangan: tulis sekali, dapat diterapkan ke banyak alat
  • Fleksibilitas: tidak perlu rekonstruksi yang rumit saat mengganti model AI atau alat
  • Respons real-time: koneksi MCP tetap aktif sehingga update dan interaksi real-time dimungkinkan
  • Keamanan dan kepatuhan: menjaga kontrol akses dan keamanan yang konsisten
  • Skalabilitas: saat menambah fitur baru, cukup hubungkan server MCP baru

Kapan API lama lebih cocok

  • API lama lebih unggul bila diperlukan interaksi yang presisi dan dapat diprediksi
  • API lama cocok bila dibutuhkan optimasi performa dan kontrol yang ketat

Kondisi saat API lama lebih unggul

  • Saat diperlukan kontrol yang detail dan fungsi yang terbatas
  • Saat optimasi performa sangat penting
  • Saat hanya dibutuhkan otonomi konteks yang minimal

Memulai dengan MCP: langkah utama

  1. Definisikan fungsi: tentukan fungsi yang akan disediakan server MCP
  2. Implementasikan layer MCP: kembangkan sesuai spesifikasi protokol MCP
  3. Pilih metode transport: tentukan lokal (Stdio) atau jarak jauh (Server-Sent Events/WebSockets)
  4. Buat resource/alat: kembangkan sumber data dan layanan yang akan diekspos
  5. Konfigurasi klien: atur koneksi aman antara server MCP dan klien

Ringkasan

  • MCP: antarmuka terstandarisasi agar agen AI dapat berinteraksi dengan alat eksternal dan data
  • API: memerlukan integrasi individual dan lebih banyak pekerjaan manual

MCP membantu model AI mengintegrasikan alat dan data eksternal dengan mudah serta berinteraksi secara real-time

Kesimpulan

  • MCP menyediakan kerangka standar terpadu bagi model AI untuk berinteraksi dengan alat dan data eksternal
  • Bukan sekadar API sederhana, melainkan solusi konektivitas kuat yang membantu aplikasi AI menjadi lebih cerdas, dinamis, dan berbasis konteks dalam berinteraksi

Bacaan terkait

3 komentar

 
halfenif 2025-03-11

Saya penasaran apakah MCP bisa menjadi JSON.
 
kakasoo 2025-03-11

Menurut saya, MCP bukanlah spesifikasi untuk komunikasi data sehingga tidak cocok dijadikan JSON, dan menurut saya ini juga terlalu rumit.
 
GN⁺ 2025-03-11
Komentar Hacker News

  • MCP memungkinkan penambahan alat saat runtime, sehingga pengguna dapat menambahkan fungsi arbitrer ke aplikasi LLM

    • MCP bersifat stateful dan kompleks, sehingga lebih mirip FTP daripada HTTP
    • Menyediakan tautan ke postingan blog terkait: tautan blog

  • Hal terpenting yang perlu dipahami developer tentang MCP adalah bahwa ini merupakan protokol untuk memuat fitur tambahan secara dinamis ke dalam aplikasi AI

    • Jika membangun aplikasi sendiri, Anda bisa menggunakan "Tools APIs" yang disediakan oleh LLM
    • MCP hanya perlu dipertimbangkan jika aplikasi memerlukan ekstensi

  • Mengajukan pertanyaan tentang bagaimana MCP berbeda dari upaya lapisan API sebelumnya

    • Jika AI sudah cukup pintar untuk menulis klien API setara manusia, muncul pertanyaan mengapa perlu dibuat agar dapat dibaca mesin

  • MCP dibuat oleh Anthropic dan sedang diadopsi secara luas

    • Terlihat seperti peluang platform baru yang mirip Apple App Store
    • Sedang cepat diadopsi oleh GitHub, Stripe, Slack, Google Maps, AirTable, dan lainnya

  • Merekomendasikan protokol lain bernama ANP (AgentNetworkProtocol)

    • ANP mirip dengan MCP, tetapi dirancang untuk menyelesaikan masalah komunikasi antar agen
    • ANP menggunakan arsitektur P2P dan autentikasi identitas terdistribusi melalui W3C DID

  • Mengkurasi ratusan server MCP agar orang dapat mengakses dan menjelajahinya

    • Melalui API, server MCP dapat dicari dan fungsinya dapat diidentifikasi
    • Tujuannya adalah membuat platform komprehensif untuk penulisan, penemuan, dan hosting server MCP

  • MCP kira-kira setara dengan HTML, dan menyelesaikan dengan baik hal-hal seperti penemuan "alat" dinamis

    • Implementasi klien mungkin lebih mudah, tetapi ada masalah kurangnya standardisasi, ketidakmatangan, dan keterbacaan bagi manusia

  • Semua model AI utama sudah dapat menulis kode yang berinteraksi sempurna dengan API yang sudah dikenal luas

    • Ada pendapat bahwa yang dibutuhkan hanyalah dokumentasi API

  • Protokol MCP sangat mirip dengan Language Server Protocol (LSP)

    • Saat berjalan di server jarak jauh, LSP menggunakan WebSocket persisten untuk memberikan respons cepat terhadap permintaan kecil