Pengantar Model Context Protocol (MCP)

Mengapa Mempelajari Model Context Protocol?

Model bahasa besar tidak dapat mengakses data real-time atau mengambil tindakan sendiri, dan menghubungkan setiap alat atau API dengan kode kustom tidak dapat diskalakan. Model Context Protocol (MCP) mengatasi hal ini dengan satu cara standar untuk aplikasi AI terhubung ke alat, data, dan layanan eksternal—sering disebut "port USB-C untuk AI." Dalam kursus ini, Anda akan membangun server dan klien MCP dari awal dalam Python dan menghubungkannya ke LLM.

Bagaimana Cara Saya Membangun dan Menghubungkan Server MCP Pertama Saya?

Anda akan mulai dengan mempelajari arsitektur MCP—host, client, dan server—serta tiga primitive yang diekspos setiap server: tools, resources, dan prompt. Lalu Anda akan membangun server konverter mata uang menggunakan FastMCP, menambahkan docstring dan type hint agar LLM dapat menemukan alat Anda, dan menulis klien Python async yang mencantumkan serta memanggil alat-alat tersebut melalui transport stdio.

Bagaimana Saya Memberikan Alat dan Konteks Real-Time kepada LLM?

Alat saja tidak cukup—model juga membutuhkan data dan instruksi perilaku. Anda akan menambahkan resource untuk konteks read-only dan prompt untuk memandu model saat input tidak jelas, lalu menghubungkan ketiga primitive tersebut ke dalam OpenAI LLM menggunakan alur kerja tool-calling lima langkah sehingga model dapat menjawab dengan percaya diri atau meminta klarifikasi saat perlu.

Bagaimana Saya Membawa MCP Servers ke Produksi?

Server dunia nyata membutuhkan lebih dari sekadar kode happy-path. Anda akan mengganti sumber daya berbasis file dengan kueri berbasis database, menambahkan batas waktu permintaan, penanganan kesalahan terstruktur, dan autentikasi API aman yang menjaga kunci tetap di sisi server. Terakhir, Anda akan terhubung ke server MCP pihak ketiga dan melihat bahwa kode klien yang sama berfungsi dengan server apa pun yang berbicara menggunakan protokol tersebut.