MCP Sedang Memakan Dunia Integrasi Tool

Setahun lalu, kalau lo mau model AI berinteraksi sama tools lo — baca repo GitHub, query database, kirim pesan Slack — lo punya dua pilihan: bikin integrasi custom buat setiap provider AI, atau berdoa API tool lo kebetulan bisa dipake function calling. Dua-duanya ribet.

Terus Anthropic rilis MCP (Model Context Protocol) sebagai spesifikasi terbuka. Pitch-nya sederhana: definisikan protokol standar gimana AI model discover dan panggil tools, dan biarkan setiap vendor tool bikin satu MCP server yang bisa dipake semua MCP-compatible client. Satu integrasi, bisa dipake di mana-mana.

Kedengarannya kayak protokol lain yang bakal mati di jurang ketidakjelasan. Ternyata, ini jadi USB-C-nya AI tooling.

Apa sebenernya MCP itu

MCP itu protokol berbasis JSON-RPC yang mendefinisikan tiga hal:

1. Tool discovery — client bisa nanya ke server "lo punya tools apa?" dan dapet daftar fungsi yang tersedia lengkap sama schema, deskripsi, dan tipe parameternya.

2. Tool execution — client manggil tool berdasarkan nama sama argumen, server jalanin dan balikin hasilnya. Request/response standar.

3. Resource access — server bisa expose resources (file, record database, response API) yang bisa dibaca, di-subscribe, atau di-search sama client.

Gitu aja. Nggak ada magic. Nggak ada nonsense khusus AI. Ini protokol yang clean dan boring yang ternyata solve masalah yang nyata.

Kelebihannya ada di decoupling. Sebelum MCP, setiap integrasi tool AI itu point-to-point: "tool ini bisa dipake OpenAI," "tool ini bisa dipake Anthropic," "tool ini bisa dipake LangChain." Dengan MCP, vendor tool bikin satu server, dan bisa dipake Claude, GPT, Gemini, Cursor, Windsurf, Continue, dan semua MCP-compatible client lainnya.

Kenapa ini meledak

Tiga hal terjadi barengan:

Anthropic open-source lebih awal. Bukan gerakan "ini spec gue, terserah," tapi dengan reference implementation yang beneran, SDK di TypeScript dan Python, dan engagement aktif sama komunitas. Spec-nya masih kasar di v1, tapi udah bisa dipake, dan mereka iterasi cepet.

Vendor tools pada datang. GitHub, Slack, Notion, Linear, Stripe, dan puluhan lainnya rilis MCP server dalam hitungan bulan. Bukan karena Anthropic minta — karena protokolnya cukup sederhana buat project weekend bisa bikin server yang jalan.

Integrasi IDE seamless. Cursor, Windsurf, dan Continue nambahin MCP support, dan tiba-tiba setiap developer yang punya AI-enabled editor punya akses ke setiap MCP server. Network effect-nya kena keras.

Impact di dunia nyata

Gue udah jalanin MCP server beberapa bulan. Ini yang berubah:

AI agent gue beneran bisa ngapa-ngapain. Bukan "saranin apa yang harus dilakuin" — beneran lakuin. Dia baca GitHub issues, bikin branch, nulis kode, buka PR, dan deploy. Semua lewat MCP server yang expose GitHub, Git, dan Vercel sebagai tools.

Ganti tool gratis. Dulu gue harus commit ke satu ekosistem AI tool karena ganti berarti rebuild semua integrasi. Sekarang gue bisa pindah antara Claude, GPT, dan Gemini tanpa kehilangan akses tools. Tools-nya hidup independen dari model.

Tools baru langsung nyolong. Kalau gue mau nambah capability baru — misal monitoring cron jobs atau query analytics — gue cari MCP server, tambahin ke config, dan langsung tersedia. Nggak perlu glue code custom.

Sisi kasarnya

Nggak sempurna. Spec-nya masih berkembang, dan ada gap yang nyata:

Auth berantakan. Spec-nya definisiin gimana manggil tools, tapi cerita auth-nya masih fragmentasi. Beberapa server pake API key, beberapa OAuth, beberapa cuma trust client. Nggak ada cara standar manage credentials lintas server.

Discovery masih manual. Lo harus tau MCP server ada dan configure sendiri. Belum ada central registry atau automatic discovery (belum). Kayak awal-awal package manager sebelum npm.

Streaming terbatas. MCP itu request/response, yang oke buat kebanyakan tools tapi awkward buat operasi lama atau streaming data. Spec-nya lagi nambahin streaming support, tapi belum selesai.

Kualitas vary wildly. Beberapa MCP server grade produksi. Beberapa lainnya project weekend yang hampir nggak handle edge cases. Nggak ada sertifikasi atau standar kualitas.

Apa artinya buat developers

Kalau lo bikin tools yang mungkin mau dipake model AI — dan di 2026, itu hampir semua tools — lo harus mikirin MCP. Bukan karena ini satu-satunya cara integrasi, tapi karena ini jadi default.

Protokolnya cukup sederhana bikin MCP server buat API yang udah ada biasanya project weekend. TypeScript dan Python SDK udah mature. Docs-nya lumayan. Dan network effect berarti tools lo langsung punya akses ke semua MCP-compatible client.

Buat AI developers, MCP berarti lo bisa stop bikin integrasi custom dan mulai compose tools. Kemampuan agent lo dibatasi cuma sama MCP server yang lo connect, bukan sama provider model yang lo pilih.

Kesimpulan

MCP menang karena boring. Nggak nyoba jadi clever atau khusus AI. Ini protokol clean buat "gimana caranya biar software bisa manggil software lain" — masalah yang udah kita solve puluhan tahun, tapi kali ini dengan standar yang beneran stick.

Protokolnya masih muda, dan gap-nya nyata. Tapi trajectory-nya jelas: MCP jadi cara default AI models berinteraksi sama dunia. Kalau lo belum build buat ini, pasti bakal.

---

Gimana pengalaman lo sama MCP? Udah bikin server, consume, atau masih di sideline? Gue dengerin apa yang works dan apa yang nggak.