Dalam adegan yang mengingatkan pada perebutan kekuasaan yang rumit dalam ‘Game of Thrones,’ industri AI saat ini menyaksikan drama taruhan tinggi sendiri. Sementara perhatian dunia terfokus pada persaingan seputar parameter dan kinerja model, pertempuran diam-diam sedang terjadi atas standar, protokol, dan ekosistem AI dan agen.
Pada November 2024, Anthropic memperkenalkan Model Context Protocol (MCP), standar terbuka untuk agen cerdas, yang bertujuan untuk menyatukan protokol komunikasi antara model bahasa besar dan sumber data serta alat eksternal. Tak lama kemudian, OpenAI mengumumkan dukungan Agent SDK untuk MCP. CEO Google DeepMind Demis Hassabis juga mengkonfirmasi bahwa model Gemini Google dan kit pengembangan perangkat lunak akan mengintegrasikan standar terbuka ini, menyebut MCP ‘dengan cepat menjadi standar terbuka untuk era agen AI.’
Bersamaan dengan itu, Google mengumumkan Agent2Agent Protocol (A2A) sumber terbuka di konferensi Google Cloud Next 2025. Protokol ini bertujuan untuk memecah hambatan antara kerangka kerja dan vendor yang ada, memungkinkan kolaborasi yang aman dan efisien antar agen di berbagai ekosistem.
Tindakan oleh raksasa teknologi ini telah mengungkap persaingan di seluruh AI dan agen cerdas dalam hal standar koneksi, protokol antarmuka, dan ekosistem. Prinsip ‘protokol sama dengan kekuatan’ terbukti. Saat lanskap AI global terbentuk, siapa pun yang mengendalikan definisi standar protokol dasar di era AI memiliki kesempatan untuk membentuk kembali struktur kekuasaan dan urutan distribusi nilai dari rantai industri AI global.
‘Port USB-C’ dari Ekosistem AI Masa Depan
Dengan kemajuan pesat teknologi AI, model bahasa besar seperti GPT dan Claude telah menunjukkan kemampuan yang mengesankan. Nilai sebenarnya dari model ini terletak pada kemampuan mereka untuk berinteraksi dengan data dan alat dunia eksternal untuk memecahkan masalah dunia nyata.
Namun, kemampuan interaksi ini telah lama menghadapi masalah fragmentasi dan kurangnya standarisasi, yang mengharuskan pengembang untuk mengimplementasikan logika integrasi khusus untuk model dan platform AI yang berbeda.
Untuk mengatasi masalah ini, MCP telah muncul. Sebagai jembatan yang menghubungkan model AI dengan dunia eksternal, MCP memecahkan beberapa masalah utama yang dihadapi selama interaksi AI.
Sebelum MCP, jika model AI perlu terhubung ke database lokal (seperti SQLite) untuk mendapatkan data atau memanggil alat jarak jauh (seperti Slack untuk komunikasi tim, GitHub API untuk mengelola kode), pengembang harus menulis kode koneksi khusus untuk setiap sumber data atau alat. Proses ini tidak hanya rumit dan rawan kesalahan, tetapi juga mahal untuk dikembangkan, sulit dipelihara, dan sulit untuk diskalakan karena kurangnya standar terpadu.
Saat meluncurkan MCP, Anthropic membuat analogi: MCP seperti port USB-C untuk aplikasi AI. MCP bertujuan untuk membuat standar umum, memungkinkan berbagai model dan sistem eksternal untuk menggunakan protokol yang sama untuk akses alih-alih menulis serangkaian solusi integrasi terpisah setiap kali. Ini membuat pengembangan dan integrasi aplikasi AI lebih sederhana dan lebih terpadu.
Misalnya, dalam proyek pengembangan perangkat lunak, alat AI berbasis MCP dapat langsung mempelajari repositori kode proyek, menganalisis struktur kode, memahami catatan commit historis, dan kemudian memberikan saran kode kepada pengembang yang lebih sesuai dengan kebutuhan aktual proyek, secara signifikan meningkatkan efisiensi pengembangan dan kualitas kode.
Di masa lalu, untuk memungkinkan model besar dan aplikasi AI lainnya menggunakan data, biasanya perlu menyalin dan menempel atau mengunggah dan mengunduh. Bahkan model yang paling kuat pun dibatasi oleh isolasi data, membentuk silo informasi. Untuk membuat model yang lebih kuat, setiap sumber data baru perlu disesuaikan dan diimplementasikan, sehingga sulit untuk menskalakan sistem yang benar-benar saling berhubungan, menghasilkan banyak batasan.
Dengan menyediakan antarmuka terpadu, MCP secara langsung menjembatani AI dan data (termasuk data lokal dan internet). Melalui server MCP dan klien MCP, selama keduanya mengikuti protokol ini, ‘semuanya dapat terhubung.’ Ini memungkinkan aplikasi AI untuk mengakses dan mengoperasikan data lokal dan jarak jauh dengan aman, menyediakan aplikasi AI dengan antarmuka untuk terhubung ke segalanya.
Dari perspektif arsitektur, MCP terutama mencakup dua bagian inti: server MCP dan klien MCP. Pengembang dapat mengekspos data mereka melalui server MCP, yang dapat berasal dari sistem file lokal, database, atau layanan jarak jauh seperti Slack dan GitHub API. Aplikasi AI yang dibuat untuk terhubung ke server ini disebut klien MCP. Sederhananya, server MCP bertanggung jawab untuk mengekspos data, dan klien MCP bertanggung jawab untuk mengakses data.
Saat model AI mengakses data dan alat eksternal, keamanan adalah pertimbangan penting. Dengan menyediakan antarmuka akses data standar, MCP secara signifikan mengurangi jumlah kontak langsung dengan data sensitif, mengurangi risiko kebocoran data.
MCP memiliki mekanisme keamanan bawaan, memungkinkan sumber data untuk berbagi data dengan AI secara terkontrol dalam kerangka kerja yang aman. AI juga dapat dengan aman mengembalikan hasil pemrosesan ke sumber data, memastikan bahwa hanya permintaan terverifikasi yang dapat mengakses sumber daya tertentu, setara dengan menambahkan lapisan pertahanan lain ke keamanan data, menghilangkan kekhawatiran perusahaan tentang keamanan data, dan meletakkan dasar yang kuat untuk aplikasi mendalam AI dalam skenario tingkat perusahaan.
Misalnya, server MCP mengontrol sumber dayanya sendiri dan tidak perlu memberikan informasi sensitif seperti kunci API kepada penyedia teknologi model besar. Dengan cara ini, bahkan jika model besar diserang, penyerang tidak akan dapat memperoleh informasi sensitif ini, secara efektif mengisolasi risiko.
Dapat dikatakan bahwa MCP adalah produk alami dari pengembangan teknologi AI dan tonggak penting. Ini tidak hanya menyederhanakan proses pengembangan aplikasi AI, tetapi juga menciptakan kondisi untuk kemakmuran ekosistem AI.
Sebagai standar terbuka, MCP sangat merangsang vitalitas komunitas pengembang. Pengembang global dapat menyumbangkan kode dan mengembangkan konektor baru di sekitar MCP, terus memperluas batas aplikasinya, membentuk siklus ekologis yang bermanfaat, dan mempromosikan integrasi mendalam AI dan data di berbagai industri. Keterbukaan ini memudahkan aplikasi AI untuk terhubung ke berbagai layanan dan alat, membentuk ekosistem yang kaya, yang pada akhirnya menguntungkan pengguna dan seluruh industri.
Keuntungan MCP tidak hanya tercermin pada tingkat teknis, tetapi yang lebih penting, nilai aktual yang dibawanya ke berbagai bidang. Di era AI, kemampuan untuk memperoleh dan memproses informasi menentukan segalanya, dan MCP memungkinkan banyak agen untuk berkolaborasi, memaksimalkan kekuatan masing-masing.
Misalnya, di bidang medis, agen cerdas dapat terhubung ke rekam medis elektronik pasien dan database medis melalui MCP, dan dikombinasikan dengan penilaian profesional dokter, dapat memberikan saran diagnostik awal lebih cepat. Di industri keuangan, agen cerdas dapat berkolaborasi untuk menganalisis data keuangan, melacak perubahan pasar, dan bahkan secara otomatis melakukan perdagangan saham. Pembagian kerja dan kerja sama antar agen cerdas ini membuat pemrosesan data lebih efisien dan pengambilan keputusan lebih akurat.
Meninjau sejarah pengembangan MCP, tidak sulit untuk menemukan bahwa tingkat pertumbuhannya luar biasa. Pada awal 2023, MCP menyelesaikan desain protokol komunikasi inti, menyadari pendaftaran agen cerdas dasar dan fungsi transmisi pesan. Ini seperti menciptakan bahasa universal untuk agen cerdas, memungkinkan mereka untuk berkomunikasi satu sama lain alih-alih berbicara bahasa mereka sendiri.
Pada akhir tahun 2023, MCP lebih lanjut memperluas fungsinya, mendukung agen cerdas untuk memanggil API eksternal dan berbagi data, yang setara dengan memungkinkan agen cerdas tidak hanya mengobrol, tetapi juga bertukar informasi dan bersama-sama memproses tugas.
Pada awal 2024, ekosistem MCP mencapai tingkat baru. Toolkit pengembang dan proyek sampel diluncurkan, dan jumlah plug-in agen cerdas yang disumbangkan oleh komunitas melebihi 100, mencapai situasi ‘berkembang.’
Baru-baru ini, Microsoft mengintegrasikan MCP ke dalam layanan Azure OpenAI, dan Google DeepMind juga mengumumkan bahwa mereka akan memberikan dukungan untuk MCP dan mengintegrasikannya ke dalam model dan SDK Gemini. Tidak hanya perusahaan teknologi besar, tetapi juga perusahaan rintisan AI dan penyedia alat pengembangan telah bergabung dengan MCP, seperti Block, Apollo, Zed, Replit, Codeium, dan Sourcegraph.
Kebangkitan MCP telah menarik tindak lanjut dan persaingan yang cepat dari perusahaan teknologi Tiongkok seperti Tencent dan Alibaba, menganggapnya sebagai langkah penting dalam strategi ekosistem AI. Misalnya, baru-baru ini platform Bailian Alibaba Cloud meluncurkan layanan MCP siklus hidup penuh, menghilangkan kebutuhan bagi pengguna untuk mengelola sumber daya, mengembangkan dan menyebarkan, dan merekayasa operasi dan pemeliharaan, mengurangi siklus pengembangan agen cerdas menjadi menit. Tencent Cloud merilis ‘AI Development Kit,’ yang mendukung layanan hosting plug-in MCP untuk membantu pengembang dengan cepat membangun agen cerdas berorientasi bisnis.
‘Jembatan Tak Terlihat’ untuk Kolaborasi Multi-Agen
Saat protokol MCP mengubah agen cerdas dari alat obrolan menjadi asisten tindakan, raksasa teknologi mulai membangun ‘halaman kecil dan tembok tinggi’ standar dan ekosistem di medan perang baru ini.
Dibandingkan dengan MCP, yang berfokus pada menghubungkan model AI dengan alat dan data eksternal, A2A melangkah lebih jauh, berfokus pada kolaborasi yang efisien antar agen cerdas.
Niat awal dari protokol A2A sederhana: untuk memungkinkan agen cerdas dari berbagai sumber dan produsen untuk memahami dan berkolaborasi satu sama lain, membawa otonomi yang lebih besar ke kolaborasi beberapa agen cerdas.
Ini seperti WTO yang bertujuan untuk mengurangi hambatan tarif antar negara. Agen cerdas dari berbagai pemasok dan kerangka kerja seperti negara independen. Setelah A2A diadopsi, itu setara dengan bergabung dengan zona perdagangan bebas, di mana mereka dapat berkomunikasi dalam bahasa yang sama, berkolaborasi dengan mulus, dan bersama-sama menyelesaikan alur kerja kompleks yang tidak dapat diselesaikan oleh satu agen cerdas secara mandiri.
Bentuk interoperabilitas spesifik dari protokol A2A dicapai dengan memfasilitasi komunikasi antara Agen Klien dan Agen Jarak Jauh. Agen klien bertanggung jawab untuk merumuskan dan mengkomunikasikan tugas, dan agen jarak jauh mengambil tindakan berdasarkan tugas-tugas ini untuk memberikan informasi yang benar atau melakukan operasi yang sesuai.
Dalam proses ini, protokol A2A memiliki kemampuan utama berikut:
Pertama, agen cerdas dapat mengiklankan kemampuan mereka melalui ‘kartu agen cerdas.’ ‘Kartu agen cerdas’ ini ada dalam format JSON, memungkinkan agen klien untuk mengidentifikasi agen jarak jauh mana yang paling cocok untuk melakukan tugas tertentu.
Setelah agen jarak jauh yang sesuai diidentifikasi, agen klien dapat menggunakan protokol A2A untuk berkomunikasi dengannya dan menugaskan tugas kepadanya.
Manajemen tugas adalah bagian penting dari protokol A2A. Komunikasi antara klien dan agen jarak jauh berkisar pada penyelesaian tugas. Protokol mendefinisikan objek ‘tugas’. Untuk tugas sederhana, itu dapat diselesaikan segera; untuk tugas yang kompleks dan jangka panjang, agen cerdas dapat berkomunikasi satu sama lain untuk menjaga sinkronisasi pada status penyelesaian tugas.
Selain itu, A2A juga mendukung kolaborasi antar agen cerdas. Beberapa agen cerdas dapat mengirim pesan satu sama lain, yang dapat berisi informasi kontekstual, balasan, atau instruksi pengguna. Dengan cara ini, beberapa agen cerdas dapat bekerja sama lebih baik untuk menyelesaikan tugas kompleks bersama-sama.
Saat merancang protokol ini, Google mengikuti lima prinsip utama. Pertama, A2A berfokus untuk memungkinkan agen cerdas untuk berkolaborasi dalam mode alami dan tidak terstruktur mereka, bahkan jika mereka tidak berbagi memori, alat, dan konteks.
Kedua, protokol ini dibangun di atas standar populer yang ada, termasuk HTTP, Server-Sent Events (SSE), dan JSON-RPC, yang berarti lebih mudah untuk diintegrasikan dengan tumpukan TI yang ada yang sudah digunakan perusahaan setiap hari.
Misalnya, sebuah perusahaan e-commerce menggunakan protokol HTTP setiap hari untuk menangani transmisi data web dan JSON-RPC untuk mengirimkan instruksi data antara ujung depan dan belakang. Setelah memperkenalkan protokol A2A, sistem manajemen pesanan perusahaan dapat dengan cepat memperoleh pembaruan data logistik yang disediakan oleh agen cerdas yang relevan melalui HTTP dan docking protokol A2A, tanpa harus membangun kembali saluran transmisi data yang kompleks, sehingga mudah untuk diintegrasikan ke dalam arsitektur TI yang ada dan membuat kolaborasi berbagai sistem lebih lancar.
Ketiga, A2A dirancang untuk mendukung otentikasi dan otorisasi tingkat perusahaan. Menggunakan protokol A2A dapat dengan cepat mengotentikasi dan dengan aman memperoleh data, memastikan keamanan dan kepatuhan transmisi data dan mencegah risiko kebocoran data.
Keempat, A2A cukup fleksibel untuk mendukung berbagai skenario, dari tugas cepat hingga penelitian mendalam yang dapat memakan waktu berjam-jam atau bahkan berhari-hari (ketika manusia terlibat). Sepanjang proses, A2A dapat memberikan pengguna umpan balik, pemberitahuan, dan pembaruan status secara real-time.
Ambil contoh lembaga penelitian. Para peneliti menggunakan agen cerdas di bawah protokol A2A untuk melakukan penelitian terkait pengembangan obat baru. Tugas sederhana, seperti dengan cepat mengambil informasi struktur molekul obat yang ada di database, dapat diselesaikan dan diumpankan kembali kepada para peneliti dalam hitungan detik. Namun, untuk tugas kompleks, seperti mensimulasikan reaksi molekul obat baru di lingkungan tubuh manusia, mungkin diperlukan beberapa hari.
Selama periode ini, protokol A2A akan terus mendorong kemajuan simulasi kepada para peneliti, seperti berapa banyak langkah yang telah diselesaikan, masalah yang dihadapi saat ini, dll., Memungkinkan para peneliti untuk terus mengetahui situasi, seperti memiliki asisten yang melaporkan kemajuan pekerjaan setiap saat.
Kelima, dunia agen cerdas tidak terbatas pada teks, sehingga A2A mendukung berbagai modalitas, termasuk audio, gambar, dan aliran video.
Bayangkan bahwa di masa depan, asisten cerdas Anda, sistem CRM perusahaan, AI manajemen rantai pasokan, dan bahkan agen cerdas di berbagai platform cloud dapat ‘mengobrol tentang tugas dan membagi pekerjaan’ seperti teman lama, secara efisien menyelesaikan berbagai kebutuhan dari pertanyaan sederhana hingga proses yang kompleks, sehingga membuka era kecerdasan mesin.
Saat ini, protokol ini sudah mendukung platform aplikasi untuk lebih dari 50 perusahaan teknologi arus utama, termasuk Atlassian, Box, Cohere, Intuit, MongoDB, PayPal, Salesforce, dan SAP.
Perlu dicatat bahwa ini semua adalah perusahaan yang memiliki hubungan halus dengan ekosistem Google. Misalnya, Cohere, perusahaan rintisan AI independen, didirikan pada tahun 2019 oleh tiga peneliti yang sebelumnya bekerja di Google Brain; mereka memiliki kemitraan teknis jangka panjang dengan Google Cloud, dan Google Cloud menyediakan Cohere dengan daya komputasi yang dibutuhkan untuk melatih model.
Atlassian, sebuah perusahaan yang menyediakan alat kolaborasi tim, seperti Jira dan Confluence, digunakan oleh banyak orang. Mereka memiliki kemitraan dengan Google, dan beberapa aplikasi dapat digunakan di produk Google.
Meskipun Google mengatakan bahwa A2A adalah suplemen untuk protokol konteks model MCP yang diusulkan oleh Anthropic, ini sedikit seperti Google yang memimpin dalam mengembangkan sistem Android dengan lebih dari 80 perusahaan di masa lalu. Seiring semakin banyak perusahaan bergabung, nilai komersial A2A akan sangat meningkat, dan itu akan mempromosikan pengembangan pesat dari seluruh ekosistem agen cerdas.
Dari ‘Menghubungkan Alat’ hingga ‘Mendominasi Ekosistem’
MCP dan A2A mewakili dua jalur yang berbeda untuk interkoneksi AI. MCP, sebagai protokol interaksi model yang mendasarinya, memastikan docking yang mulus antara aplikasi dan model yang berbeda; A2A menyediakan kerangka kerja kolaborasi antara agen cerdas berdasarkan ini, menekankan penemuan otonom dan kolaborasi fleksibel antar agen cerdas. Struktur berlapis ini dapat secara bersamaan memenuhi kebutuhan standarisasi model dan kolaborasi agen cerdas.
Pada saat yang sama, keduanya telah mencapai posisi dominan di bidang sub masing-masing. MCP memiliki keuntungan dalam aplikasi tingkat perusahaan, layanan lintas model, dan skenario standarisasi; A2A telah mendapatkan lebih banyak dukungan di komunitas sumber terbuka, proyek penelitian, dan aplikasi inovatif.
Dari perspektif makro, kebangkitan MCP dan A2A tidak hanya terkait dengan standar teknologi AI masa depan, tetapi juga menandakan perubahan besar dalam lanskap industri AI. Kita menyaksikan titik balik bersejarah dalam AI dari ‘kecerdasan mandiri’ menjadi ‘jaringan kolaboratif.’ Seperti yang ditunjukkan oleh sejarah pengembangan Internet, pembentukan protokol terbuka dan terstandarisasi akan menjadi kekuatan kunci dalam mempromosikan pengembangan industri.
Tetapi dari tingkat yang lebih dalam, MCP dan A2A menyembunyikan kepentingan komersial yang besar dan persaingan untuk kekuatan wacana teknologi AI masa depan.
Dalam hal model bisnis, keduanya membuka jalur keuntungan yang berbeda. Anthropic berencana untuk meluncurkan layanan versi perusahaan berdasarkan MCP, membebankan biaya kepada perusahaan berdasarkan volume panggilan API. Perusahaan menggunakan MCP untuk secara mendalam mengintegrasikan data internal dengan AI, meningkatkan efisiensi bisnis, dan perlu membayar untuk layanan yang nyaman ini.
Google menggunakan protokol A2A untuk mempromosikan langganan layanan cloud. Ketika perusahaan menggunakan A2A untuk membangun jaringan kolaborasi agen cerdas, mereka dipandu untuk menggunakan daya komputasi yang kuat dan layanan terkait Google Cloud, sehingga meningkatkan pendapatan bisnis Google Cloud.
Dalam hal monopoli data, menguasai standar protokol berarti mengendalikan aliran data AI. Melalui protokol A2A, Google mengumpulkan sejumlah besar data selama kolaborasi banyak agen cerdas perusahaan. Data ini diumpankan kembali ke algoritma periklanan intinya, semakin memperkuat dominasinya di pasar periklanan. Anthropic ingin menggunakan MCP untuk memungkinkan AI menembus inti data perusahaan. Jika itu membentuk keuntungan skala, itu juga akan mengumpulkan sejumlah besar data industri, memberikan dukungan data untuk memperluas bisnis dan mengembangkan produk AI yang lebih sesuai dengan kebutuhan perusahaan.
Dalam hal strategi sumber terbuka, meskipun keduanya mengklaim sumber terbuka, mereka memiliki rencana sendiri. Protokol inti MCP adalah sumber terbuka, menarik pengembang untuk berpartisipasi dalam pembangunan ekosistem, tetapi fungsi kunci tingkat perusahaan (seperti fungsi lanjutan koneksi jarak jauh dan pemrosesan mendalam data multi-modal) perlu dibuka kuncinya dengan biaya tertentu, menyeimbangkan sumber terbuka dan kepentingan komersial. Sementara protokol A2A adalah sumber terbuka, itu memandu lebih dari 50 mitra perusahaan untuk memprioritaskan penggunaan layanan Google Cloud, mengikat erat ekosistem sumber terbuka dengan sistem komersialnya sendiri dan meningkatkan daya rekat pengguna dan daya saing platform.
Teknologi itu sendiri tidak memiliki baik atau jahat, tetapi ketika itu tertanam dalam rantai kepentingan, itu menjadi pembawa kekuatan dan kontrol. Setiap revolusi teknologi membentuk kembali rantai kepentingan dunia. Revolusi industri mengalihkan rantai kepentingan dari tanah dan tenaga kerja ke modal dan mesin, sementara revolusi digital mendorongnya ke data dan algoritma.
Alat sumber terbuka tentu saja dapat menjelajahi jalur inovatif, tetapi jangan berharap untuk menggunakan kunci data dan algoritma untuk membuka semua pintu, karena setiap string kunci diukir dengan kata sandi kepentingan platform.
Meskipun perusahaan teknologi tampaknya membuka ekosistem AI, mereka sebenarnya membangun tembok ekologis yang tinggi dan tebal di sekitar skenario aplikasi yang lebih kondusif bagi diri mereka sendiri, mencegah tambang emas data dijarah, karena bagaimanapun, daya saing utama di era AI masih data.
Apakah MCP dan A2A pada akhirnya dapat bergabung masih belum pasti. Jika mereka masing-masing bertindak secara independen, raksasa teknologi sangat mungkin untuk membangun ‘tembok halaman kecil AI.’ Akibatnya, fenomena pulau data akan menjadi lebih serius, sirkulasi data antara perusahaan di berbagai kamp protokol akan diblokir, membatasi ruang lingkup aplikasi inovasi AI; pengembang perlu menguasai beberapa keterampilan pengembangan protokol, meningkatkan biaya pembelajaran dan beban kerja pengembangan, menekan vitalitas inovasi; arah inovasi industri akan dengan mudah dipandu oleh protokol raksasa, dan perusahaan rintisan akan dirugikan dalam persaingan karena kesulitan dalam mendukung beberapa protokol, menghambat laju inovasi keseluruhan industri.
Kami berharap bahwa kebangkitan MCP dan A2A akan mempromosikan industri AI global untuk berevolusi ke arah kolaborasi daripada konfrontasi.
Sama seperti perselisihan ukuran kereta api di abad ke-19 dan perang standar komunikasi seluler di abad ke-20, setiap perpecahan teknologi disertai dengan biaya sosial yang besar. Konsekuensi dari perselisihan standar dan protokol AI mungkin lebih luas. Itu akan menentukan apakah kita bergerak menuju federasi bintang ‘Internet of Everything’ atau jatuh ke hutan gelap di mana ‘rantai kecurigaan’ berlaku.