Bukan Cuma Chatbot: Mengenal 3 Pilar Utama MCP (Resources, Prompts, dan Tools)

Wiki Article

Ketika pertama kali mendengar tentang Model Context Protocol (MCP), banyak orang mengira ini hanyalah cara baru untuk membuat chatbot. Padahal, cakupan teknologi ini jauh lebih besar dari itu. MCP adalah sebuah standar arsitektur terbuka yang mengubah kecerdasan buatan (Large Language Model) dari sekadar komentator teks pasif menjadi asisten operasional aktif yang terintegrasi dengan dunia nyata.

Agar sebuah aplikasi AI dapat bekerja secara optimal dan aman saat terhubung ke ekosistem lokal perusahaan, protokol MCP membagi kapabilitasnya ke dalam tiga elemen fundamental.

Tiga elemen inilah yang disebut sebagai 3 Pilar Utama MCP: Resources, Prompts, dan Tools. Mari kita bedah satu per satu bagaimana ketiga pilar ini bekerja sama membangun kecerdasan AI yang kontekstual.

1. Resources (Sumber Data Konteks)

Pilar pertama adalah Resources. Jika diibaratkan sebagai seorang detektif, Resources adalah berkas dokumen, bukti fisik, dan catatan sejarah yang terletak di atas meja kerja sang detektif.

Resources adalah cara standar bagi MCP Server untuk mengekspos data internal secara aman agar bisa dibaca oleh AI Client. Data ini bersifat statis atau siap baca, artinya AI hanya bertindak sebagai konsumen informasi tanpa mengubah isi data tersebut.

Contoh Riil: Isi file teks catatan lokal (catatan.md), log transaksi dari database SQL, file skema desain, atau repositori kode aplikasi.
Cara AI Menggunakannya: Saat Anda meminta AI untuk "Tinjau laporan keuangan bulan lalu", AI Client akan meminta akses ke URI (jalur data) spesifik yang disediakan oleh MCP Server untuk membaca isi file laporan tersebut sebagai bekal kontekstual sebelum menjawab.

2. Prompts (Template Instruksi Terstandar)

Pilar kedua adalah Prompts. Kembali ke analogi detektif, jika Resources adalah datanya, maka Prompts adalah lembar panduan prosedur kerja (Standard Operating Procedure / SOP) yang mengarahkan bagaimana detektif tersebut harus menganalisis data.

Di dalam ekosistem MCP, Prompts bukanlah sekadar teks ketikan acak dari pengguna, melainkan sebuah template instruksi pradesain yang disediakan oleh server. Sifatnya dinamis karena dapat menerima variabel masukan dari pengguna, membantu menyamakan persepsi dan gaya respons LLM agar sesuai dengan kebutuhan spesifik sistem.

Contoh Riil: Sebuah MCP Server untuk pengembang aplikasi menyediakan template prompt bernama review-code. Template ini otomatis menyertakan instruksi tersembunyi seperti: "Periksalah kode berikut dari celah keamanan OWASP Top 10 dan gunakan gaya bahasa yang lugas."
Cara AI Menggunakannya: Pengguna cukup memilih menu prompt review-code dan memasukkan potongan kodenya. AI Client akan langsung menggabungkan instruksi baku dari server dengan input pengguna, menghasilkan analisis yang konsisten setiap waktu tanpa perlu mengetik ulang instruksi panjang lebar.

3. Tools (Alat Eksekusi Tindakan Nyata)

Pilar ketiga sekaligus yang paling bertenaga adalah Tools. Jika Resources membuat AI bisa membaca dan Prompts membuat AI tahu cara berpikir, maka Tools memberikan AI "tangan" untuk bertindak dan mengubah sesuatu.

Tools adalah fungsi atau fungsi jarak jauh (Remote Procedures) yang dapat dipanggil dan dieksekusi oleh AI secara otonom (setelah mendapat izin pengguna) untuk menyelesaikan tugas tertentu. Fitur ini mengubah AI dari sekadar mesin penjawab pertanyaan menjadi sebuah AI Agent yang fungsional.

Contoh Riil: Fungsi untuk membuat file baru di komputer, mengubah status pesanan dari "Diproses" menjadi "Dikirim" di sistem gudang, atau mengirimkan draf email melalui API lokal.
Cara AI Menggunakannya: Ketika pengguna berkata, "Kirim ringkasan laporan ini ke klien via email", AI Client akan mendeteksi keberadaan Tool bernama send_email pada MCP Server. AI akan menyusun parameter JSON yang tepat (penerima, subjek, isi), memanggil fungsi tersebut, dan server lokal akan mengeksekusi pengiriman email riil saat itu juga.

Ringkasan Perbedaan: Bagaimana Ketiganya Berkolaborasi?

Untuk melihat gambaran besarnya, mari kita perhatikan tabel skenario kolaborasi ketiga pilar ini ketika diaplikasikan dalam operasional bisnis sehari-hari:

Pilar MCP	Fungsi Utama	Karakteristik Akses	Skenario Kasus Nyata
Resources	Menyediakan data mentah/konteks	Hanya Baca (Read-Only)	AI membaca riwayat pembelian pelanggan dari database lokal.
Prompts	Mengarahkan pola pikir AI (SOP)	Pola Panduan (Guiding)	AI memuat template "Analisis Keluhan Pelanggan" agar bahasanya ramah.
Tools	Mengeksekusi aksi ke sistem	Baca & Tulis (Read & Write)	AI memanggil fungsi untuk memperbarui kupon diskon di aplikasi pelanggan.

Kesimpulan

Kekuatan sejati dari Model Context Protocol (MCP) lahir dari harmoni ketiga pilar ini. Dengan mengintegrasikan Resources, Prompts, dan Tools ke dalam satu standardisasi infrastruktur yang kokoh, perusahaan tidak lagi sekadar membangun ruang obrolan cerdas (chatbot), melainkan sedang menciptakan ekosistem AI Agent otonom yang aman, memiliki konteks tajam, dan mampu menyelesaikan pekerjaan nyata demi efisiensi bisnis masa depan.

Report this wiki page