Google merilis API pengetahuan pengembang dan server MCP

 (developers.googleblog.com)
35 poin oleh GN⁺ 2026-02-10 | 2 komentar | Bagikan ke WhatsApp
  • Seiring meluasnya alat pengembangan berbasis AI, akses yang akurat ke dokumentasi pengembangan terbaru menjadi semakin penting
  • Untuk mengatasinya, Google mengumumkan pratinjau publik Developer Knowledge API dan server Model Context Protocol(MCP)
  • API ini mendukung pencarian dan pengambilan dokumentasi pengembang resmi Google dalam bentuk Markdown yang dapat dibaca mesin
  • Server MCP memungkinkan asisten AI atau IDE membaca dokumentasi Google secara langsung untuk pemecahan masalah, analisis perbandingan, dan panduan implementasi
  • Kedua alat ini merupakan infrastruktur inti untuk menjamin keandalan dan kebaruan lingkungan pengembangan AI

Ringkasan Developer Knowledge API

  • Developer Knowledge API menyediakan jalur akses terprogram ke dokumentasi pengembang resmi Google
    • Tanpa bergantung pada web scraping atau data pelatihan yang sudah usang, pengguna dapat langsung mencari dan mengambil dokumentasi terbaru
  • Fitur utamanya sebagai berikut
    • Cakupan dokumentasi yang luas: mencakup firebase.google.com, developer.android.com, docs.cloud.google.com, dan lainnya
    • Fitur pencarian dan pengambilan: dapat mencari halaman dokumentasi dan cuplikan kode yang relevan lalu mengambil seluruh konten Markdown
    • Pembaruan tercermin dengan cepat: selama masa pratinjau publik, perubahan dokumentasi akan diindeks ulang dalam 24 jam

Integrasi server MCP dan alat AI

  • Server MCP(Model Context Protocol) adalah server berbasis standar terbuka yang memungkinkan asisten AI mengakses sumber data eksternal dengan aman
  • Jika server Developer Knowledge MCP dihubungkan ke IDE atau asisten AI, dokumentasi pengembang Google dapat dibaca secara langsung
    • Menyediakan panduan implementasi: misalnya memeriksa cara mengimplementasikan notifikasi push Firebase
    • Mendukung pemecahan masalah: mencari cara memperbaiki ApiNotActivatedMapError pada Maps API
    • Melakukan analisis perbandingan: membandingkan Cloud Run dan Cloud Functions untuk kasus penggunaan tertentu
  • Server MCP kompatibel dengan berbagai alat AI dan sistem pendukung

Cara memulai

  • Versi pratinjau publik tersedia untuk langsung digunakan
    1. Buat dan batasi API key untuk Developer Knowledge API di halaman Credentials proyek Google Cloud
    2. Setelah memasang Google Cloud CLI, aktifkan server MCP dengan perintah berikut
      • gcloud beta services mcp enable developerknowledge.googleapis.com --project=PROJECT_ID
    3. Ubah file konfigurasi alat (misalnya mcp_config.json, settings.json) untuk menyiapkan koneksi API
  • Detail konfigurasi untuk berbagai asisten AI dapat dilihat di dokumentasi resmi

Rencana ke depan

  • Pratinjau saat ini berfokus pada penyediaan konten Markdown yang tidak terstruktur
  • Sebelum rilis resmi, dukungan untuk konten terstruktur seperti objek contoh kode dan entitas referensi API akan ditambahkan
  • Google berencana memperluas cakupan dokumentasi pengembangnya dan memperpendek waktu jeda pengindeksan ulang
  • Lihat dokumentasi resmi - https://developers.google.com/knowledge/api

Bacaan terkait

2 komentar

 
eastkim64 2026-02-11

Kalau lihat Toss Payments, mereka tampaknya sudah menyiapkan halaman Markdown untuk integrasi.. benar-benar selangkah lebih maju dari zamannya.
 
GN⁺ 2026-02-10
Komentar Hacker News

  • Tidak paham kenapa ini harus dibuat serumit ini
    Harus minta API key, menyalakan server MCP, lalu mengonfigurasi klien agar mengambil file Markdown secara real-time rasanya tidak masuk akal
    Bukankah satu file tar berisi semua dokumentasi saja sudah cukup? Paling juga hanya beberapa MB
    Kalau ingin mempermudah pembaruan, cukup jadikan git repo. Agen saya selalu diatur untuk menjalankan git fetch pada sesi baru
    Saya masih belum benar-benar paham tujuan MCP. Codex sudah bisa menangani jira, confluence, gitlab, prometheus, SQL, dan semacamnya, cukup dengan file .netrc
    Saya juga ragu apakah alat MCP punya komposabilitas. Apakah bisa dirangkai dalam pipeline seperti grep atau jq, atau justru API CRUD sederhana lebih kuat dan lebih mudah

    • Menurut saya bahkan git atau tarball pun tidak perlu
      HTTP/HTML sendiri sudah punya “API” yang bisa menyajikan Markdown
      Cukup atur nginx agar mengembalikan $URL.md, lalu LLM bisa langsung mengambil dokumentasi terbaru dengan perintah curl --header 'Accept: text/markdown' [https://gwern.net/archiving](https://gwern.net/archiving). Satu baris konfigurasi saja sudah selesai
    • Inti MCP adalah discoverability
      Aplikasi CRUD memang sederhana, tetapi semua detailnya harus dijelaskan dulu ke LLM
      MCP bisa langsung dipanggil sambil hanya memasukkan konteks yang diperlukan. Kalau menempelkan skrip wrapper ke banyak API, pada akhirnya itu sama saja dengan mengimplementasikan MCP sendiri
    • Cukup lihat folder /usr/share/man/ saja
      Dokumentasinya sekitar 52MB
      Sebenarnya alat seperti man dan apropos sudah menjalankan peran seperti ini
    • Server MCP adalah cara standar untuk menyediakan layanan ini
      Halaman web dibuat untuk manusia, sedangkan dokumentasi yang diberikan MCP ditujukan untuk agen
      Pada akhirnya inti MCP adalah menyediakan API yang bisa diakses agen lewat curl
    • Saya penasaran bagaimana layanan yang memakai autentikasi OAuth ditangani
      Saya membuat CLI kecil yang membungkus pemanggilan curl oleh agen untuk menangani autentikasi
      Ingin tahu apakah ada cara yang lebih ringan dan portabel

  • AWS juga menjalankan server MCP mereka sendiri
    AWS Documentation MCP Server
    Ini cukup berguna saat mencari konfigurasi langka atau fitur yang tersembunyi di dalam dokumentasi

  • Jika ini server MCP untuk dokumentasi publik khusus Google, bukankah sudah ada beberapa layanan seperti Context7?

    • Saya juga punya pertanyaan yang sama. Saya penasaran apa pembeda dibanding Context7. Tidak terlalu jelas apa kelebihannya

  • Saya ingin mencobanya, tetapi belakangan ini penggunaan token Gemini CLI terlalu tinggi jadi agak enggan
    Meski harga per token sedikit lebih murah, kalau tiap prompt menghabiskan 3 kali lipat, jadinya tetap tidak berarti
    Saya harap Google menyelesaikan masalah ini lebih dulu

  • Saya juga setuju. Gemini 3 sama sekali tidak tahu soal iOS 26 atau Liquid Glass
    Selalu mengira saya ingin membuat custom view, lalu malah membuat sesuatu dengan ultrathinmaterial, API generasi sebelumnya

  • Bukankah lebih baik cukup menaruh tautan dokumentasi teknis terkait di file AGENTS.md?
    Tentu, kalau disediakan sebagai satu file teks raksasa, agen tidak perlu berulang kali menjelajahi tautan,
    tetapi kalau situs dokumentasi menyediakannya seperti ini, sepertinya sudah cukup

  • Ada nuansa retro yang terasa
    Teknologinya mutakhir, tetapi prosedur birokratis yang menempel di atasnya terasa seperti datang dari zaman lain

  • Ini mungkin juga bisa dibuat sebagai skill yang bisa diunduh
    Tetapi kalau disajikan lewat pemanggilan API, data tentang dokumentasi apa yang dibaca agen coding jadi bisa dikumpulkan lebih banyak

  • Mungkin ini contoh dari apa yang disebut gwern sebagai “menulis untuk AI”

  • Bukankah server HTTP yang sekadar menyajikan file Markdown saja sudah cukup?
    LLM tinggal mengambil file itu dengan curl, selesai