OpenAI menambahkan dukungan MCP ke Agents SDK

• MCP(Model Context Protocol) adalah cara terstandarisasi untuk menyediakan alat dan konteks kepada LLM
• Seperti port USB-C, ini berperan sebagai antarmuka standar yang menghubungkan berbagai sumber data atau alat dengan model AI
• OpenAI Agents SDK mendukung MCP sehingga dapat terintegrasi dengan berbagai server MCP

Server MCP

• Saat ini spesifikasi MCP mendefinisikan dua jenis server berdasarkan mekanisme transport yang digunakan:
  1. Server stdio dijalankan sebagai subprocess dari aplikasi, dan dapat dianggap berjalan secara "lokal".
  2. Server HTTP over SSE dijalankan dari jarak jauh dan dihubungkan melalui URL.
• Anda dapat terhubung ke server-server ini menggunakan kelas MCPServerStdio dan MCPServerSse.
• Sebagai contoh, berikut cara menggunakan server filesystem MCP resmi:

  async with MCPServerStdio(  
      params={  
          "command": "npx",  
          "args": ["-y", "@modelcontextprotocol/server-filesystem", samples_dir],  
      }  
  ) as server:  
      tools = await server.list_tools()  
  

Caching

• Memanggil list_tools() pada server MCP setiap kali agen dijalankan dapat menyebabkan latensi. Ini terutama lebih terasa jika servernya adalah server jarak jauh.
• Untuk melakukan cache daftar alat secara otomatis, Anda dapat meneruskan cache_tools_list=True ke MCPServerStdio dan MCPServerSse. Ini sebaiknya hanya dilakukan jika Anda yakin daftar alat tidak akan berubah.
• Untuk membatalkan cache, Anda dapat memanggil invalidate_tools_cache() pada server.

[xguru]

Anthropic membuka Model Context Protocol sebagai open source
Cara mengembangkan Model Context Protocol (MCP)
Penjelasan perbandingan MCP dan API
Awesome MCP Servers - Daftar server yang mendukung Model Context Protocol

[GN⁺]

Komentar Hacker News

• Hari ini MCP menambahkan Streamable HTTP. Ini kemajuan besar karena tidak perlu selalu terhubung ke server HTTP jarak jauh

  • Tetapi jika melihat spesifikasinya, memasukkan paradigma bergaya LSP ke server HTTP jarak jauh menambah banyak kompleksitas
  • Secara tradisional, caranya adalah mengirim HTTP POST ke /get_weather dengan { "location": "New York" }
  • Ada usulan untuk mengurangi kompleksitas dan kembali ke server HTTP tradisional. Sesi dinegosiasikan dengan header Authorization dan memakai endpoint tradisional
  • Membangun server akan jauh lebih mudah dan framework web tidak perlu diperbarui agar sesuai dengan spesifikasi

• Ada analogi yang mengatakan untuk menganggap MCP sebagai port USB-C untuk aplikasi AI

  • Sebagai software engineer, analogi itu tidak membantu

• Saya penasaran apakah OpenAI akan mendukung ini secara resmi, dan sekarang sudah mendapat jawabannya

  • MCP telah menjadi standar industri untuk menghubungkan LLM ke alat eksternal

• Saya berharap ada dukungan untuk OpenAPI. Saya sudah membuat beberapa server MCP, tetapi rasanya seperti API yang kurang fleksibel dan dokumentasinya kurang baik

  • Sulit menemukan hal yang lebih baik dari MCP dibanding OpenAPI. Kodenya memang sedikit berkurang, tetapi pilihan yang tersedia jadi jauh lebih sedikit
  • Seiring waktu, Swagger akan tertanam di dalamnya

• Sulit memahami apa nilai MCP sebenarnya. Di tengah kekacauan teknologi AI modern, ini terasa seperti distraksi lain

  • MCP adalah protokol terbuka yang menstandarkan cara aplikasi menyediakan konteks ke LLM
  • Yang dipertanyakan adalah apa sebenarnya yang perlu distandarkan. Kita menggunakan transformer teks-ke-teks yang bekerja dengan string tokenisasi arbitrer
  • Hal seperti pemanggilan tool/fungsi juga hanyalah heuristik cerdas di atas teks biasa

• Saya membuat arsitektur agar agen AI bisa menggunakan "tool" secara lokal. Ini bekerja dengan semua jenis LLM dan server LLM

  • Berfungsi sebagai middleware dan berjalan sebagai stream di antara server LLM dan klien chat
  • Ini proyek open source, tetapi repo-nya tidak diperbarui karena tidak ada yang menunjukkan minat pada kodenya

• Masih kurang video tentang bagaimana MCP benar-benar digunakan. Masih kurang use case nyata untuk programmer

• Ada analogi yang mengatakan untuk menganggap MCP sebagai port USB-C untuk aplikasi AI

  • Karena saya sering mendengar banyak penderitaan dalam implementasi USB, sebaiknya cari analogi lain

• Sepertinya ini menargetkan HTTP+SSE, versi lama MCP, bukan versi Streaming HTTP yang baru

  • Ada juga dukungan OAuth 2.1, JSON-RPC batching, dan lain-lain

• Jika ingin mencoba MCP dengan sederhana, saya membuat <a href="https://skeet.build/mcp" rel="nofollow">skeet.build/mcp</a>

  • Saya membuatnya karena pengaturan MCP rumit, dukungannya kurang, dan sulit membangun sendiri
  • Ini terutama digunakan untuk workflow seperti berikut
    • Menulis ringkasan saat memulai PR
    • Ringkasan Slack atau komentar ke Linear/Jira
    • Mengambil issue dari Sentry lalu memperbaikinya
    • Membuat issue Linear saat menemukan bug
    • Mengambil issue Linear lalu melakukan pass pertama
    • Mengambil dokumen Notion dan PRD lalu membuat referensi API berbasis codebase
    • Skema Postgres atau MySQL untuk pengembangan model cepat
  • Fokusnya pada kemudahan penggunaan, workflow developer yang praktis, dan server MCP berkualitas tinggi

[samchon]

Saya juga merasa OpenAPI function calling mungkin lebih baik. Membuat ulang ini dengan protokol MCP juga butuh kerja.

[mangoblue]

Bukankah bedanya ada pada push dan poll? Dibanding melakukan function calling untuk setiap model atau layanan, menurut saya bagi pihak ketiga lebih praktis jika spesifikasi MCP di-host lalu agen mengambilnya dengan cara poll.