MCP — Model Context Protocol

MCP adalah protokol terbuka yang menstandarkan cara aplikasi AI terhubung ke tools dan data eksternal — sering dijuluki "USB-C untuk AI". Sebelum MCP, setiap kombinasi (agent × layanan) butuh integrasi custom; dengan MCP, satu server ditulis sekali dan bisa dipakai semua agent yang mendukung protokolnya.

Status per Agustus 2026

Singkat: MCP sudah menang sebagai standar.

• Dirilis Anthropic November 2024; diadopsi OpenAI (Maret 2025) dan Google DeepMind (April 2025).
• Desember 2025: Anthropic menyerahkan MCP ke Agentic AI Foundation di bawah Linux Foundation — dengan OpenAI dan Block sebagai co-founder, didukung AWS, Google, Microsoft, Cloudflare, GitHub (Pento: A Year of MCP).
• Spesifikasi terbaru 2026-07-28: revisi terbesar sejak rilis — stateless core, framework Extensions, Tasks untuk workflow long-running, dan otorisasi formal berbasis OAuth/OIDC (blog resmi MCP).
• Skala ekosistem: MCP Registry resmi diluncurkan November 2025; sensus Q1 2026 mengindeks belasan ribu server publik (WorkOS: MCP in 2026).

Anatomi

 HOST (agent-mu: Claude Code / opencode / omp / Hermes ...)
   │
   ├── MCP client ◀──────────▶ MCP server: github     (tools: create_pr, list_issues...)
   ├── MCP client ◀──────────▶ MCP server: postgres   (tools: query, schema...)
   └── MCP client ◀──────────▶ MCP server: playwright (tools: navigate, click...)
        stdio (lokal) atau Streamable HTTP (remote, dengan OAuth)

Satu server MCP mengekspos tiga jenis kemampuan:

Primitif	Apa	Contoh
Tools	Aksi yang bisa dipanggil model	create_issue, run_query
Resources	Data yang bisa dibaca	isi file, skema tabel, dokumen
Prompts	Template interaksi siap pakai	"review PR ini dengan checklist X"

Praktiknya, 95% pemakaian adalah tools.

Server yang paling berguna untuk agentic engineer

Kategori yang terbukti berguna dalam praktik playbook (nama server spesifik berubah-ubah; cari di registry resmi registry.modelcontextprotocol.io):

• Browser automation (Playwright, Chrome DevTools) — agent memverifikasi UI hasil kerjanya sendiri.
• Database (Postgres, Supabase, MySQL) — baca skema & query saat debugging; batasi read-only.
• Platform kerja (GitHub/GitLab, Linear/Jira, Slack/Telegram) — agent membaca issue dan melapor.
• Observability (Sentry, Grafana/Loki) — bahan bakar untuk monitoring via chat.
• Dokumentasi (Context7 dan sejenisnya) — dokumentasi library versi terbaru langsung ke konteks.

Cara memasang di tiap tool dibahas di Playbook langkah 2.

MCP vs CLI: kapan pakai yang mana

Agent yang punya tool bash sudah bisa memakai semua CLI di dunia (gh, psql, curl, aws). Jadi kapan repot-repot pasang MCP server?

Situasi	Pilihan	Alasan
Ada CLI matang dan agent jalan di mesin dengan shell	CLI via bash	Nol setup tambahan; gh pr create sudah sempurna
Layanan butuh OAuth per-user (Slack, Google Drive)	MCP	Server menangani auth; token tidak lewat konteks
Host tanpa shell (aplikasi desktop/web, agent ter-sandbox)	MCP	Satu-satunya jalur ke dunia luar
Butuh output terstruktur & typed untuk dipakai berulang	MCP	Skema JSON lebih andal dari parsing stdout
Interaksi stateful (sesi browser, koneksi DB hidup)	MCP	CLI stateless kesulitan; server memegang state

:::warning Setiap server MCP adalah permukaan risiko Dua hal sebelum memasang server: (1) konteks — setiap server menambahkan definisi tools ke konteks; 10 server bisa memakan puluhan ribu token sebelum kerja dimulai (sebagian harness kini memuat tools secara lazy, tapi jangan mengandalkan itu). (2) keamanan — server pihak ketiga menjalankan kode di mesinmu dan hasil tool-nya bisa membawa prompt injection. Pasang hanya yang dipakai, dari sumber tepercaya. :::

Kenapa ini penting untuk playbook

Playbook memakai MCP di titik-titik spesifik: browser automation untuk verifikasi UI di review & QA, platform chat untuk remote control, dan observability untuk monitoring. Prinsip pemakaiannya konsisten: mulai dari nol server, tambahkan satu per satu saat kebutuhan nyata muncul.

Lanjut

→ Guardrails & Keamanan: halaman terakhir fundamental, dan yang paling penting sebelum menyalakan otonomi.