Baru-baru ini, Model Contextualization Protocol (MCP) telah muncul sebagai titik fokus dalam industri AI, menarik perhatian signifikan dari pemain utama seperti OpenAI, Google, dan berbagai perusahaan baik di dalam maupun di luar Amerika Serikat. Charlie Graham, Pendiri dan CEO Second Coffee, baru-baru ini membagikan wawasannya tentang MCP dan potensinya untuk membentuk kembali lanskap dalam sebuah posting blog. Artikel ini membahas kemungkinan dan batasan MCP saat ini, berdasarkan penelitian mendalam dan pengalaman langsung membangun server MCP eksperimental.
Memahami MCP: Menjembatani Kesenjangan Antara Model AI dan Data Eksternal
MCP dapat dikonseptualisasikan sebagai API standar yang berfungsi sebagai penghubung penting antara sumber data eksternal atau aplikasi dan model bahasa besar (LLM) seperti ChatGPT atau Claude. Protokol ini memungkinkan model AI untuk mengakses data waktu nyata dari situs web perjalanan, mengelola kalender, dan bahkan memanipulasi file di komputer.
Meskipun beberapa alat AI seperti Claude, Cursor, dan OpenAI sudah menggunakan fitur integrasi khusus, MCP menawarkan format universal dan standar untuk semua interaksi tersebut, sangat meningkatkan fleksibilitasnya.
MCP terutama terdiri dari dua komponen: klien (misalnya, ChatGPT) dan server (misalnya, situs web penjadwalan penerbangan). Ketika digunakan bersama-sama, mereka memberi model AI kemampuan untuk mengakses data waktu nyata, melakukan tindakan online, dan berfungsi lebih seperti agen proaktif daripada chatbot statis.
Saat ini, dua jenis utama MCP semakin populer. Tipe pertama melayani pengembang, dicontohkan oleh alat seperti Cursor atau Claude Code, yang dapat berjalan pada perangkat seperti laptop untuk mengelola file dan menjalankan skrip. Tipe kedua ditujukan untuk aplikasi dunia nyata, dengan fokus pada aktivitas seperti mencari produk, mendaftarkan domain, memesan acara, atau mengirim email.
Untuk mengeksplorasi implikasi praktis, dua jenis MCP yang berbeda dikembangkan. Yang pertama, bernama GPT Learner, adalah server pengembang yang dirancang untuk membantu pengguna memandu Cursor dalam mengingat kesalahan dan menghindari pengulangan. Jika Claude atau Cursor salah menimpa kode, alat ini memungkinkan pengguna untuk merekam dan belajar dari kesalahan, menyimpan pendekatan yang benar untuk referensi di masa mendatang.
Proyek kedua adalah MCP pasar prediksi yang menghubungkan model bahasa besar ke situs web, betsee.xyz, yang mengumpulkan pasar prediksi waktu nyata. Ketika seorang pengguna bertanya kepada Claude pertanyaan seperti, ‘Apa efek sekunder dari Trump menunda tarif, dan apa yang dipertaruhkan orang?’, MCP mengembalikan pasar yang relevan dan peluang waktu nyata dari Polymarket atau Kalshi.
Mengapa MCP Belum Siap untuk Penggunaan Umum
Membangun dua MCP ini mengungkapkan beberapa wawasan utama, terutama bahwa MCP belum siap untuk adopsi luas.
Pengalaman pengguna saat ini dengan MCP kurang ideal. Sebagian besar chatbot, seperti ChatGPT, belum mendukung server MCP. Dari mereka yang melakukannya, instalasi seringkali mengharuskan pengeditan JSON secara manual, sebuah proses yang jauh dari ramah pengguna. Chatbot seperti Cursor dan Claude cenderung meminta pengguna untuk setiap permintaan dan sering mengembalikan informasi yang tidak lengkap atau output JSON mentah, membuat pengalaman menjadi kikuk dan tidak memuaskan.
Menggunakan versi desktop Claude untuk menanyakan MCP pasar prediksi, sering gagal memberikan tautan atau harga kecuali diminta secara eksplisit dan, kadang-kadang, tidak memanggil server sama sekali. Permintaan pop-up konstan dari Claude ketika MCP digunakan semakin mengurangi minat pengguna. Sementara pemrosesan tanpa batas dan respons yang berarti dari MCP diharapkan di masa depan, teknologi ini belum mencapai tahap itu.
Keamanan adalah perhatian signifikan lainnya. Mengingat kemampuan mereka untuk melakukan operasi eksternal dan mengakses sistem waktu nyata, MCP menghadapi banyak tantangan keamanan. Injeksi perintah, instalasi alat berbahaya, akses tidak sah, dan serangan Trojan horse adalah ancaman yang sangat nyata. Saat ini, ada kekurangan sandboxing, lapisan verifikasi, dan ekosistem yang matang untuk menangani kasus-kasus ekstrem ini.
Masalah-masalah ini memperjelas bahwa MCP masih merupakan teknologi eksperimental.
Peran Penting Klien
Pelajaran penting yang dipelajari saat membangun server ini adalah bahwa klien, bukan server, yang pada akhirnya memutuskan masa depan MCP.
Mereka yang mengendalikan interaksi dengan model besar juga mengendalikan alat mana yang dilihat pengguna, mana yang dipicu, dan respons mana yang ditampilkan. Seseorang dapat membuat server MCP yang paling berguna di dunia, tetapi klien mungkin tidak memanggilnya, mungkin hanya menampilkan setengah dari outputnya, atau mungkin bahkan tidak mengizinkan instalasinya.
MCP dan Munculnya Penjaga Gerbang
Kekuatan kritis klien berarti bahwa MCP pada akhirnya akan diatur seperti mesin pencari dan toko aplikasi. Penyedia aplikasi model besar terkemuka, seperti OpenAI dan Anthropic, akan menjadi ‘penjaga gerbang’ baru, memutuskan MCP mana yang dapat dicantumkan dan mengatur daya temukannya melalui algoritma rekomendasi.
Sejak awal berdirinya pada akhir tahun 1990-an, Google telah mengendalikan konten apa yang disajikan kepada pengguna, yang telah membantu mereka membangun bisnis yang sangat menguntungkan. Chatbot sekarang mendapatkan kemampuan ini, menggantikan ‘10 tautan biru’ mesin pencari tradisional dengan jawaban langsung. Mereka dapat memutuskan konten mana yang akan ditampilkan, mana yang akan dikecualikan, dan bagaimana memformatnya.
Proses instalasi MCP kemungkinan akan menyerupai model toko aplikasi. Sama seperti Apple dan Google telah membentuk ekosistem seluler dengan memutuskan aplikasi mana yang direkomendasikan, diinstal sebelumnya, atau disetujui, klien model besar akan menentukan server MCP mana yang dipamerkan, dipromosikan, dan bahkan diizinkan di platform. Dinamika ini kemungkinan akan mengarah pada persaingan antar perusahaan, yang berpotensi melibatkan pembayaran kepada penyedia model untuk rekomendasi dan eksposur di ekosistem baru, mendorong terciptanya platform distribusi MCP dengan keuntungan tinggi.
Pengguna akan menginstal MCP atau ‘aplikasi obrolan AI’ dari ‘toko MCP’ yang dikuratori dengan cermat. Alat seperti Gmail, HubSpot, Uber, dan Kayak akan menambahkan titik akhir MCP, berintegrasi langsung ke dalam alur kerja berbasis obrolan. Sementara pengguna secara teoritis dapat memilih untuk menginstal MCP apa pun yang mereka inginkan, sebagian besar kemungkinan akan bergantung pada rekomendasi yang diberikan klien, seperti dari ChatGPT. Rekomendasi ini tidak akan sewenang-wenang tetapi akan berasal dari kemitraan yang menguntungkan, dengan perusahaan besar membayar untuk menjadi opsi default dalam kategori belanja, perjalanan, pencarian domain, atau pencarian layanan. Tingkat visibilitas ini akan diterjemahkan ke jutaan pengguna, menawarkan eksposur, data, dan nilai komersial yang sangat besar.
Beberapa toko aplikasi MCP sisi klien (MAS) akan menawarkan pilihan MCP yang lebih lunak dan terbuka, memungkinkan berbagai eksperimen yang lebih luas dan MCP yang dikembangkan komunitas. Yang lain akan memiliki proses persetujuan yang ketat, memprioritaskan kualitas, keamanan, dan monetisasi. Dalam kedua kasus tersebut, klien menetapkan kondisi untuk partisipasi—dan aturan untuk sukses.
Klien MCP seperti OpenAI dan Claude akan menjadi platform iOS dan Android baru, dengan server MCP memainkan peran sebagai aplikasi. Alih-alih ikon, aplikasi ini akan dipanggil melalui perintah pengguna, menawarkan respons yang kaya, terstruktur, dan interaktif terhadap kebutuhan pengguna melalui interaksi bahasa.
Seiring waktu, kita mungkin melihat klien khusus muncul, disesuaikan dengan industri atau domain tertentu. Bayangkan asisten obrolan AI yang berfokus pada perencanaan perjalanan, mengintegrasikan layanan dengan mulus dari maskapai penerbangan, jaringan hotel, dan agen perjalanan untuk menawarkan kepada pengguna pengalaman perencanaan perjalanan yang komprehensif. Atau klien MCP yang berfokus pada sumber daya manusia, menyediakan akses terpadu ke data hukum, catatan karyawan, dan alat organisasi, mengubah cara bisnis dikelola.
Meskipun sebagian besar pengguna akan tetap menggunakan klien arus utama, beberapa chatbot AI sumber terbuka akan muncul. Chatbot ini akan menarik bagi para profesional yang menginginkan kontrol penuh atas MCP yang mereka instal, bebas dari batasan yang diberlakukan oleh penjaga gerbang. Namun, seperti sistem desktop Linux, produk sumber terbuka ini kemungkinan akan tetap menjadi pasar khusus.
Peluang Baru di Ekosistem yang Muncul
Beberapa jenis bisnis dan alat diperkirakan akan muncul untuk melayani lanskap MCP yang berkembang, termasuk:
Pembungkus MCP dan Paket Server: Ini akan menggabungkan beberapa MCP terkait menjadi satu paket instalasi, menyederhanakan pengaturan. Bayangkan satu paket yang menyediakan kalender, email, manajemen hubungan pelanggan, dan MCP penyimpanan file yang siap digunakan tanpa konfigurasi apa pun. Paket semacam itu akan menyederhanakan proses personel dan sangat berguna di pasar vertikal. Mereka mungkin juga menyertakan alat pengemasan (‘Siapkan kalender dan kirim email’).
Mesin Belanja MCP: Beberapa server MCP akan bertindak sebagai mesin perbandingan bertenaga AI, menawarkan harga waktu nyata dan daftar produk dari berbagai vendor. Mereka akan memonetisasi melalui tautan afiliasi, mendapatkan biaya rujukan. Pendekatan ini mencerminkan optimisasi mesin pencari awal dan pemasaran afiliasi.
Aplikasi Konten MCP-First: Layanan ini akan mengoptimalkan pengiriman konten untuk model bahasa besar melalui server MCP, daripada mendesain situs web untuk pemirsa manusia. Bayangkan data yang kaya dan terstruktur serta tag semantik dikembalikan melalui panggilan MCP. Pendapatan akan datang dari langganan atau sponsor tertanam dan penempatan produk, bukan tampilan halaman.
Penyedia API-ke-MCP: Banyak penyedia API yang ada ingin berpartisipasi dalam ekosistem baru ini tetapi tidak memiliki sumber daya untuk melakukannya. Ini akan mendorong munculnya alat middleware yang secara otomatis mengubah API REST tradisional menjadi server MCP yang sesuai dan mudah ditemukan, sehingga memudahkan platform SaaS untuk bergabung.
Cloudflare untuk MCP: Keamanan adalah perhatian utama. Alat ini akan berada di antara klien dan server, membersihkan input, mencatat permintaan, memblokir serangan, dan memantau anomali. Sama seperti Cloudflare telah membuat web modern lebih aman, jenis layanan ini akan memainkan peran serupa dalam ekosistem MCP.
Solusi MCP ‘Pribadi’ Perusahaan: Perusahaan besar akan mulai menghubungkan layanan internal mereka ke server MCP pribadi dan menggunakan produk AI sumber terbuka. Pengaturan internal ini akan menjadi bagian dari alur kerja AI di balik firewall, memberikan kendali kepada perusahaan.
Klien MCP yang Berfokus Vertikal: Sementara banyak chatbot dapat memenuhi kebutuhan pengguna umum, skenario tertentu, seperti pengadaan industri dan pekerjaan kepatuhan, memerlukan antarmuka pengguna dan logika bisnis tertentu. Klien MCP yang berfokus vertikal akan muncul, dengan operasi, bahasa, dan tata letak yang disesuaikan untuk memenuhi kebutuhan unik ini.