MCP vs API: Mengapa API Tradisional Gagal untuk Ejen AI

API tradisional menjadikan ejen AI anda perlahan dan mahal.

Saya menghabiskan bertahun-tahun membina aplikasi web dengan REST dan GraphQL. Saya tahu cara mengendalikan keadaan (state) dan mengoptimumkan muatan (payload). Tetapi membina untuk ejen AI adalah berbeza.

Kita sering melayan LLM seperti pembangun manusia. Kita memberikan mereka titik akhir (endpoint) API dan mengharapkan mereka berfungsi. Ini adalah satu kesilapan.

Model Context Protocol (MCP) mengubah perkara ini. Ia adalah piawaian terbuka untuk ketersambungan AI. Jika anda menulis kod penyambung (glue code) tersuai untuk menyambungkan LLM ke alatan anda, anda sedang mencipta hutang teknikal (technical debt).

Mengapa API tradisional gagal untuk ejen AI:

  • Masalah N x M: Jika anda mempunyai 5 rangka kerja (framework) AI dan 5 alatan perusahaan, anda mesti menulis 25 penyambung tersuai. MCP mengubah ini kepada seni bina N + M. Setiap alatan menggunakan satu pelayan (server) MCP. Setiap ejen menggunakan satu klien MCP.
  • Statik vs Dinamik: API REST memerlukan laluan yang dikodkan secara keras (hardcoded). Ejen AI perlu menemui alatan semasa masa larian (runtime). MCP membolehkan ejen melihat keupayaan yang tersedia secara langsung melalui penemuan dinamik.
  • Pembaziran Token: API tradisional sering mengembalikan muatan JSON yang besar. Muatan yang besar membazirkan wang dan meningkatkan kependaman (latency). Ia juga menyebabkan pereputan konteks (context rot) di mana model hilang fokus. MCP mengembalikan data yang dioptimumkan untuk tetingkap LLM.
  • Tanpa Keadaan (Statelessness): REST adalah tanpa keadaan (stateless). Ejen AI bekerja dalam gelung pemikiran dan tindakan yang berterusan. MCP menggunakan sesi berkeadaan (stateful sessions) untuk mengekalkan konteks tanpa perlu menghantar semula data yang besar.

MCP menggunakan tiga bahagian teras:

  • Alatan (Tools): Tindakan yang diambil oleh model, seperti menjalankan pertanyaan SQL.
  • Sumber (Resources): Data baca-sahaja seperti fail log atau dokumen.
  • Prompt: Templat yang membimbing penaakulan model.

MCP tidak menggantikan pangkalan data atau backend anda. Pelayan MCP anda akan tetap memanggil API sedia ada anda. MCP menggantikan kod rapuh yang anda tulis untuk menyambungkan perkhidmatan tersebut ke LLM.

Berhenti menulis fungsi tersuai untuk menukar JSON kepada string (stringify) bagi panggilan LLM anda. Bina seni bina yang boleh diskalakan untuk masa depan berasaskan ejen (agentic future).

Apa pendapat anda? Adakah anda sudah menggunakan MCP atau masih kekal dengan panggilan fungsi tersuai?

Source: https://dev.to/chaudharidevam/mcp-vs-api-why-traditional-apis-are-failing-ai-agents-28m8

Optional learning community: https://t.me/GyaanSetuAi