Portal Statistik Nasional (KOSIS) resmi membuka layanan uji coba MCP, jadi saya mencobanya dengan model lokal 9B yang berjalan di laptop. Tanpa API key, model mencari total fertility rate, menggambar chart, lalu ketika hendak menyimpannya sebagai CSV, jendela persetujuan muncul. Ini karena pekerjaan yang memerlukan persetujuan manusia (HITL), seperti menulis file, diatur agar harus diperiksa dan disetujui oleh manusia di UI.
Video demo (1 menit 21 detik, subtitle bahasa Korea): https://youtu.be/zARRVLg-7xA?cc_load_policy=1&cc_lang_pref=ko
- Dengan satu kalimat “tampilkan total fertility rate”, alurnya KOSIS search → validasi tabel statistik → pengambilan data nyata → pembuatan area chart (1,20 pada 2015 → 0,73 pada 2024)
- Perbandingan 12 negara dari tabel statistik yang sama dalam rose chart, dan 8 negara 2015 vs 2024 dalam heatmap
- Pada “simpan ringkasannya sebagai CSV”, penulisan file diklasifikasikan sebagai risiko L4 sehingga jendela persetujuan muncul, dan file baru benar-benar disimpan setelah menekan Approve
- Karena model berjalan secara lokal, prompt tidak keluar ke luar. API key yang digunakan: 0.
Proyek yang digunakan dalam demo ini adalah open source bernama Spring AI Playground (diinkubasi oleh Spring AI Community).
Awalnya ini adalah playground untuk mencoba fitur Spring AI satu per satu, tetapi arahnya berubah setelah agent dan MCP masuk ke core framework di Spring AI 2.0. Kini lebih mirip workbench untuk mengembangkan dan menguji agen LLM lokal daripada sekadar demo fitur.
Biasanya, jika ingin menghubungkan agen sendiri, Anda harus mengimplementasikan koneksi MCP, pencarian tool, gate persetujuan, dan lainnya masing-masing lewat kode. Spring AI Playground berfokus memungkinkan alur seperti itu diperiksa di aplikasi desktop tanpa menulis kode Java. Melalui fitur MCP proxy, HITL juga dapat dikonfigurasi dari UI untuk tool MCP yang sudah ada.
Tool yang diperlukan dapat dicari dan dihubungkan secara dinamis sesuai permintaan (Dynamic Tool Discovery), dan untuk pekerjaan berisiko seperti penulisan file, jendela persetujuan muncul sesuai tingkat risiko (L0~L5). Anda juga bisa langsung memeriksa bagaimana persetujuan dan penolakan masing-masing diproses. Chat, pemanggilan tool, token, biaya, dan risiko dapat dilihat bersama di dashboard Observability.
Karena model berjalan secara lokal (Ollama), prompt tidak keluar ke luar. Anda juga dapat memeriksa melalui kode bagaimana agen, MCP client/server, dan HITL diimplementasikan dengan Java dan Spring.
GitHub: https://github.com/spring-ai-community/spring-ai-playground
Dokumentasi: https://spring-ai-community.github.io/spring-ai-playground/
Unduh (Windows/macOS/Linux): https://spring-ai-community.github.io/spring-ai-playground/…
KOSIS MCP adalah layanan uji coba dari Badan Data Nasional, sehingga endpoint dapat berubah. Proyek ini adalah open source independen yang menggunakan layanan tersebut.
Jika Anda pernah menghubungkan MCP data publik ke agen sungguhan, atau memiliki pendapat tentang desain HITL (Human-in-the-Loop), mohon berikan masukan.
Belum ada komentar.