Tajuk: USB-C untuk AI: Bina MCP Anda Sendiri

Anthropic telah menjadikan Model Context Protocol (MCP) sebagai sumber terbuka, sebuah piawaian pemalam yang membolehkan mana-mana ejen AI berkomunikasi dengan pangkalan data, alatan pemantauan, repositori kod dan banyak lagi melalui satu antara muka yang seragam. Pembangun kini boleh menggantikan beberapa penyambung khusus dengan satu pelayan MCP dan membolehkan setiap klien yang serasi mengakses data yang sama secara serta-merta.

Mengapa pembangun aplikasi AI memerlukan "USB-C" yang seragam

Membina aliran kerja berkuasa AI pada hari ini terasa seperti menjahit kod tersuai. Mahu Claude, skrip Python, atau penyunting pihak ketiga membaca daripada PostgreSQL, membuat pertanyaan pada papan pemuka Datadog, atau membuka isu GitHub? Anda perlu menulis lapisan integrasi baharu setiap kali. Usaha ini semakin meningkat apabila timbunan teknologi (stack) berkembang, dan kod penyambung (glue code) menjadi sukar untuk diselenggara, diuji, dan dikawal selia.

MCP menghentikan kitaran tersebut. Ia mentakrifkan satu protokol tunggal untuk mendedahkan sumber (data baca sahaja seperti log atau spesifikasi API), alatan (tindakan yang boleh dipanggil oleh ejen, seperti menjalankan SQL atau mencipta tiket), dan prompt (templat yang mengemudi cara AI harus menggunakan data). Mana-mana klien yang patuh menganggap perkhidmatan yang berbeza-beza seolah-olah ia disambungkan ke port yang sama.

Bagaimana protokol ini distrukturkan

  • MCP Hosts – aplikasi yang menyertakan AI, contohnya Claude Desktop atau penyunting pembantu kod.
  • MCP Clients – lapisan nipis di dalam hos yang mengendalikan proses handshake dan menghalakan permintaan.
  • MCP Servers – program ringan yang mendedahkan sumber data atau perkhidmatan tertentu, seperti fail SQLite, ruang kerja Slack, atau titik akhir (endpoint) pemantauan.

Apabila AI bersambung, klien akan menemui katalog sumber, alatan, dan prompt pelayan tersebut. Ejen kemudian akan membuat panggilan yang kelihatan serupa tidak kira sama ada perkhidmatan asasnya adalah pangkalan data hubungan atau sistem tiket. Pelayan menterjemah panggilan tersebut ke dalam API atau bahasa pertanyaan yang sesuai dan mengembalikan hasil dalam format yang boleh digunakan oleh ejen.

Aliran kerja yang nyata

Bayangkan seorang pembangun yang menyambungkan pelayan PostgreSQL dan titik akhir pemantauan Datadog ke pembantu AI melalui MCP. Pembangun meminta pembantu tersebut untuk mencari lonjakan ralat baru-baru ini, menarik rekod pengguna yang berkaitan daripada pangkalan data, dan mencadangkan pembetulan kod. AI tersebut:

  1. Membuat pertanyaan pada Datadog melalui alatan pemantauan yang didedahkan oleh MCP dan menarik log yang berkaitan.
  2. Menjalankan pertanyaan SQL pada pelayan PostgreSQL menggunakan alatan pangkalan data yang disediakan oleh MCP.
  3. Menghasilkan tampalan (patch) daripada prompt yang menerangkan struktur tipikal pembetulan bagi corak ralat yang diperhatikan.

Ketiga-tiga langkah ini berlaku melalui protokol yang sama, tanpa pembangun perlu menulis penyesuai (adapter) berasingan untuk setiap perkhidmatan.

Membina pelayan MCP

Implementasi rujukan Anthropic menunjukkan bahawa pelayan boleh ditulis dalam bahasa yang biasa digunakan seperti TypeScript atau Python. Prosesnya ringkas kepada:

  1. Mengisytiharkan sumber yang akan didedahkan oleh pelayan (cth., satu set jadual, koleksi fail log).
  2. Mentakrifkan alatan yang boleh dipanggil oleh AI (pelaksanaan SQL, HTTP POST, penulisan fail).
  3. Menyediakan sebarang templat prompt yang membantu AI memformat permintaannya.

Sebaik sahaja pelayan berjalan, mana-mana klien yang serasi dengan MCP akan menemuinya secara automatik, menjadikan sumber data baharu tersebut boleh digunakan serta-merta merentasi alatan AI organisasi.

Kesimpulan

Model Context Protocol menawarkan satu "USB-C" untuk ejen AI, mengubah rangkaian penyambung tersuai yang berselirat menjadi ekosistem plug-and-play. Pasukan yang penat menulis kod penyambung boleh menguji MCP hari ini dan melihat jalan pintas praktikal ini berfungsi.