Apa Itu MCP? Cara AI Berhubung dengan Data, Tools dan Aplikasi Lain

Bayangkan anda meminta pembantu AI menyediakan laporan jualan bulan ini. AI tersebut bukan sahaja perlu memahami arahan anda, tetapi juga perlu mencari fail jualan yang betul, membaca data terkini, membuat pengiraan dan mungkin membandingkannya dengan bulan sebelumnya.

Model AI tidak mempunyai akses automatik kepada fail, pangkalan data, kalendar, sistem POS atau CRM. Tanpa sambungan yang sesuai, AI hanya boleh membantu berdasarkan maklumat yang diberikan kepadanya.

Di sinilah Model Context Protocol, atau MCP, menjadi penting. Ia menyediakan cara standard untuk aplikasi AI berhubung dengan data, tools dan sistem luar. Dokumentasi rasmi menggambarkannya sebagai protokol terbuka untuk memberi aplikasi AI konteks dan keupayaan tambahan.

MCP sering dianalogikan sebagai “USB-C untuk aplikasi AI” kerana ia menyeragamkan sambungan. Namun, MCP bukan model AI baharu dan bukan pengganti mutlak kepada API.

Artikel ini menerangkan apa itu MCP dalam bahasa mudah, bagaimana ia berfungsi, perbezaannya dengan API, function calling dan RAG, serta risiko yang perlu difahami sebelum memberikan AI akses kepada data atau tindakan sebenar.

Apa Itu MCP?

MCP ialah singkatan bagi Model Context Protocol. Ia merupakan protokol terbuka yang menetapkan cara aplikasi AI berkomunikasi dengan server yang menyediakan data, tools dan aliran kerja.

Istilah tersebut boleh difahami seperti berikut:

• Model merujuk kepada model bahasa atau sistem AI yang memproses arahan.
• Context ialah maklumat yang membantu AI memahami situasi dan menghasilkan jawapan yang relevan.
• Protocol ialah set peraturan komunikasi yang dipersetujui oleh dua atau lebih sistem.

Secara ringkas, MCP membolehkan aplikasi AI mengetahui data dan fungsi yang tersedia, kemudian menggunakannya mengikut struktur yang ditetapkan.

Sebagai contoh, MCP server inventori boleh menyediakan fungsi untuk mencari produk, menyemak stok, membaca sejarah pergerakan barang atau mencipta permintaan pembelian.

Aplikasi AI yang serasi boleh menemui fungsi tersebut melalui struktur standard. MCP melibatkan host, client dan server, dengan ciri teras berupa tools, resources dan prompts.

Anthropic memperkenalkan MCP pada November 2024. Pada Disember 2025, protokol ini disumbangkan kepada Agentic AI Foundation di bawah Linux Foundation untuk pembangunan yang lebih neutral dan dipacu komuniti.

Mengapa AI Memerlukan MCP?

Model AI pandai memproses bahasa, tetapi keupayaan bahasa sahaja tidak mencukupi untuk banyak tugas dunia sebenar.

AI tidak mengetahui data peribadi atau dalaman secara automatik

Sebuah model tidak semestinya mengetahui:

• jadual mesyuarat anda esok;
• jumlah jualan cawangan terkini;
• status stok dalam gudang;
• kandungan kontrak yang disimpan dalam Drive;
• isu terkini dalam repositori kod;
• atau rekod pelanggan dalam CRM.

Data tersebut berada di luar model. AI memerlukan sambungan yang dibenarkan untuk membacanya.

Menjawab soalan tidak sama dengan melakukan tindakan

Tanpa tools, AI hanya boleh menulis draf e-mel. Dengan sambungan, ia boleh mendapatkan konteks dan menyediakan draf berdasarkan maklumat sebenar.

Perbezaannya boleh dilihat seperti ini:

Keupayaan biasa	Keupayaan dengan sambungan tools
Menerangkan cara semak stok	Membaca baki stok sebenar
Menulis contoh laporan	Menghasilkan laporan daripada data semasa
Mencadangkan masa mesyuarat	Menyemak kalendar peserta
Menulis formula spreadsheet	Membaca dan menganalisis helaian sebenar
Menerangkan cara kemas kini CRM	Mengemas kini rekod dengan kebenaran

Sambungan seperti MCP membantu mengubah AI daripada sekadar chatbot kepada aplikasi yang boleh mendapatkan konteks dan melaksanakan langkah tertentu.

Walau bagaimanapun, MCP sendiri tidak menentukan tahap autonomi AI. Cara model memilih tools, meminta kelulusan dan mengurus keputusan masih bergantung pada aplikasi host.

Bagaimana MCP Berfungsi?

Pada tahap paling mudah, proses MCP boleh dibayangkan dalam tujuh langkah:

1. Pengguna memberikan arahan kepada aplikasi AI.
2. Aplikasi mengenal pasti keperluan untuk data atau fungsi luar.
3. MCP client menyemak keupayaan server yang telah disambungkan.
4. Model atau aplikasi memilih tool atau resource yang relevan.
5. MCP server berhubung dengan sistem sebenar, seperti pangkalan data atau aplikasi SaaS.
6. Hasil dikembalikan kepada aplikasi AI.
7. AI menggunakan hasil tersebut untuk menjawab, menganalisis atau meneruskan tugasan.

Contohnya, pengguna bertanya:

“Apakah tiga produk yang mencatat penurunan jualan paling besar bulan ini?”

Aplikasi AI mungkin menemui tool bernama get_monthly_sales, menghantar parameter bulan dan cawangan, menerima data jualan, kemudian membuat perbandingan.

Sekiranya pengguna meminta tindakan seperti mencipta promosi, aplikasi sepatutnya memerlukan kelulusan yang jelas sebelum melakukan perubahan.

MCP menggunakan format mesej berasaskan JSON-RPC. Spesifikasi semasa juga membolehkan client mengetahui versi protokol, identiti dan keupayaan server melalui proses penemuan.

Ini membantu aplikasi mengetahui fungsi yang tersedia sebelum cuba menggunakannya.

Komponen Utama dalam MCP

MCP host

Host ialah aplikasi utama yang digunakan oleh pengguna. Ia boleh berupa aplikasi chat AI, editor kod atau sistem AI dalaman syarikat.

Host mengurus sambungan, menentukan data yang boleh diberikan kepada model, memaparkan permintaan kebenaran dan mengawal hasil sebelum tindakan dilaksanakan.

ChatGPT, Claude atau persekitaran pembangunan yang menyokong MCP boleh bertindak sebagai host.

OpenAI, misalnya, mendokumenkan bahawa aplikasi tersuai boleh dibina menggunakan MCP supaya ChatGPT dapat mendapatkan maklumat dan memanggil tools yang diluluskan.

MCP client

Client ialah komponen dalam host yang berkomunikasi dengan MCP server.

Sebuah host boleh mempunyai beberapa client untuk kalendar, pangkalan data atau pengurusan projek.

MCP server

MCP server ialah program yang mendedahkan data atau fungsi kepada client.

Ia tidak semestinya menyimpan semua data sendiri. Server boleh menjadi lapisan perantara yang menggunakan API, pangkalan data atau sistem dalaman di belakangnya.

Server boleh berjalan:

• Secara lokal, pada komputer pengguna
• Secara remote, pada server syarikat atau penyedia perkhidmatan

Seni bina rasmi menerangkan bahawa host mencipta client bagi setiap sambungan server, sementara server menyediakan konteks dan keupayaan yang boleh digunakan aplikasi AI.

Tools, Resources dan Prompts

Tiga konsep ini ialah asas penting dalam MCP.

Tools

Tools ialah fungsi yang boleh dilaksanakan. Contohnya:

• mencari rekod pelanggan;
• menjalankan pengiraan;
• membuat pertanyaan pangkalan data;
• mencipta acara kalendar;
• mengemas kini tiket sokongan;
• atau memanggil API pihak ketiga.

Setiap tool biasanya mempunyai nama, penerangan dan struktur input. Maklumat ini membantu aplikasi AI memahami tujuan tool dan data yang diperlukan untuk menggunakannya.

Resources

Resources ialah sumber maklumat yang boleh dibaca sebagai konteks. Contohnya:

• kandungan dokumen;
• rekod pangkalan data;
• skema sistem;
• polisi syarikat;
• katalog produk;
• atau respons daripada API.

Cara paling mudah membezakannya ialah:

Resource biasanya menyediakan maklumat, manakala tool melakukan fungsi.

Prompts

Prompts ialah templat arahan atau aliran kerja yang boleh digunakan semula.

Sebuah server mungkin menyediakan prompt untuk:

• menyemak kod;
• menganalisis laporan jualan;
• menyediakan ringkasan mesyuarat;
• atau menyusun cadangan berdasarkan format organisasi.

Komponen	Tujuan	Contoh
Tools	Melaksanakan fungsi	Kemas kini rekod CRM
Resources	Memberikan konteks	Baca polisi syarikat
Prompts	Menstrukturkan tugasan	Templat analisis laporan

Spesifikasi MCP 2026-07-28 mentakrifkan ketiga-tiga komponen tersebut sebagai ciri teras yang boleh ditawarkan oleh server.

Ia juga menyediakan extension pilihan untuk fungsi tambahan seperti tugas jangka panjang dan antara muka interaktif.

Contoh Penggunaan MCP dalam Dunia Sebenar

1. Penyediaan laporan jualan

Pemilik bisnes meminta AI membandingkan jualan tiga cawangan.

Server memberikan data POS, kemudian AI mengenal pasti perubahan dan menghasilkan ringkasan. AI tidak patut terus mengubah harga atau stok tanpa kelulusan.

2. Carian dokumen dalaman

Pekerja bertanya tentang polisi tuntutan perjalanan.

Daripada mencari secara manual dalam puluhan folder, AI boleh menggunakan resource yang dibenarkan untuk mencari dokumen berkaitan dan memetik bahagian yang relevan.

3. Pengurusan kalendar

AI boleh menyemak slot kosong, membandingkan jadual peserta dan mencadangkan waktu mesyuarat.

Tindakan mencipta atau membatalkan acara pula sebaiknya memerlukan pengesahan pengguna.

4. Pembangunan perisian

Developer boleh menggunakan aplikasi AI yang berhubung dengan repositori kod, dokumentasi, sistem pemantauan ralat dan alat ujian.

AI boleh mendapatkan konteks yang lebih tepat sebelum mencadangkan perubahan.

5. Khidmat pelanggan dan operasi

AI boleh membaca status pesanan, polisi, rekod pembekal atau sejarah pertanyaan untuk menyediakan jawapan dan laporan.

Data pelanggan serta keputusan seperti pembayaran atau pemilihan vendor tetap memerlukan kawalan manusia.

MCP vs API: Adakah Kedua-duanya Sama?

MCP dan API berkaitan, tetapi bukan perkara yang sama.

API ialah antara muka yang membolehkan satu sistem berkomunikasi dengan sistem lain.

Contohnya, API sistem inventori mungkin mempunyai endpoint untuk mendapatkan produk, menyemak stok dan mencipta pesanan.

MCP menyediakan cara standard untuk aplikasi AI menemui dan menggunakan data atau tools. Sebuah MCP server boleh menggunakan API inventori tersebut di belakangnya.

Aspek	API	MCP
Tujuan utama	Komunikasi antara sistem	Sambungan data dan tools untuk aplikasi AI
Penemuan fungsi	Biasanya melalui dokumentasi	Client boleh mendapatkan senarai keupayaan
Sasaran	Pelbagai jenis perisian	Host dan aplikasi berasaskan AI
Hubungan	Boleh digunakan secara langsung	Boleh dibina di atas API
Peranan	Infrastruktur asas integrasi	Lapisan standard untuk konteks dan tools AI

Oleh itu, kenyataan bahawa “MCP akan menggantikan API” adalah terlalu mudah dan sering mengelirukan.

Dalam banyak projek, MCP sebenarnya bergantung pada API sedia ada.

MCP vs Function Calling, RAG dan Plugin

MCP vs function calling

Function calling ialah mekanisme yang membolehkan model menghasilkan permintaan berstruktur untuk menjalankan fungsi tertentu.

MCP pula menentukan cara aplikasi menemui dan berkomunikasi dengan server yang menyediakan fungsi tersebut.

Secara praktikal, aplikasi boleh menggunakan function calling untuk memilih tool, manakala MCP digunakan sebagai lapisan sambungan kepada server tool.

MCP vs RAG

RAG, atau retrieval augmented generation, memfokuskan pencarian maklumat relevan untuk membantu model menghasilkan jawapan.

MCP lebih luas kerana ia boleh menyediakan resources dan tools.

RAG mungkin digunakan untuk mencari perenggan dalam dokumen. MCP pula boleh menjadi cara aplikasi mengakses sistem carian tersebut, di samping fungsi lain seperti mencipta rekod atau menjalankan proses.

MCP vs plugin

Plugin biasanya merujuk kepada sambungan atau peluasan bagi platform tertentu.

MCP ialah protokol yang boleh digunakan merentas aplikasi yang serasi. Namun, sokongan sebenar masih bergantung pada ciri host, server dan polisi platform.

MCP bukan jaminan bahawa satu integrasi akan berfungsi secara identik pada semua aplikasi. Host berbeza boleh mempunyai tahap sokongan, paparan kebenaran dan sekatan yang berbeza.

Local MCP Server dan Remote MCP Server

Local MCP server

Server lokal berjalan pada peranti pengguna untuk tugas seperti membaca fail atau menggunakan repositori kod.

Ia tidak perlu menjadi perkhidmatan awam, tetapi server berbahaya boleh menyebabkan kebocoran data atau perubahan pada komputer.

Remote MCP server

Server remote berjalan melalui internet atau rangkaian organisasi untuk CRM, pangkalan data cloud dan aplikasi SaaS.

Ia memerlukan autentikasi, kawalan akses, pengurusan token dan pemantauan yang baik.

Dokumentasi MCP membezakan penggunaan komunikasi proses lokal dan komunikasi HTTP untuk server remote.

Namun, konsep yang lebih penting bagi pengguna ialah lokasi data, siapa yang mengendalikan server dan apakah kebenaran yang diberikan.

Kelebihan MCP

Integrasi lebih konsisten dan modular

Pembangun boleh menggunakan struktur yang sama untuk mendedahkan tools dan resources, sementara organisasi membina server berasingan mengikut fungsi.

Konteks dan automasi lebih relevan

Aplikasi boleh mendapatkan data daripada sumber yang diluluskan serta menyokong laporan, semakan dokumen dan koordinasi antara aplikasi.

Namun, kemudahan integrasi bukan bukti bahawa automasi tersebut berbaloi.

Bisnes masih perlu menilai ketepatan, kos, keselamatan dan kesan kesilapan.

Risiko Keselamatan MCP yang Perlu Difahami

Semakin banyak akses diberikan kepada AI, semakin besar kesan sekiranya model, server atau akaun membuat kesilapan.

1. Akses terlalu luas

Server mungkin diberikan akses kepada keseluruhan Drive, pangkalan data produksi atau akaun pentadbir walaupun tugas sebenar hanya memerlukan satu folder atau operasi baca sahaja.

Prinsip yang lebih selamat ialah least privilege: berikan akses minimum yang diperlukan.

2. Tool berbahaya atau mengelirukan

Server yang tidak dipercayai mungkin menyediakan penerangan tool yang mengelirukan atau mendorong model menghantar data ke lokasi lain.

Spesifikasi rasmi menyatakan bahawa tools boleh mewakili laluan pelaksanaan kod, dan penerangan tool daripada server yang tidak dipercayai tidak sepatutnya dianggap selamat secara automatik.

3. Prompt injection

Dokumen atau laman web boleh mengandungi arahan tersembunyi yang cuba memanipulasi model supaya mengabaikan arahan asal atau mendedahkan maklumat.

Data biasa juga boleh menjadi input berisiko.

4. Tindakan tidak disengajakan

AI boleh tersalah tafsir arahan, memilih tool yang salah atau menggunakan parameter yang tidak tepat.

Kesannya mungkin kecil seperti mencipta acara berganda, atau besar seperti mengubah rekod dan menghantar maklumat sensitif.

5. Kecurian token dan akaun

Remote server lazimnya memerlukan token.

Token yang dicuri atau mempunyai skop terlalu luas boleh memberikan akses yang tidak sepatutnya.

Dokumentasi keselamatan MCP membincangkan risiko khusus berkaitan aliran kebenaran, token, server proxy dan kompromi server lokal.

6. Kebocoran data merentas server

Aplikasi dengan beberapa server boleh memindahkan maklumat dalaman kepada server lain tanpa kawalan yang jelas.

7. Terlalu bergantung pada AI

MCP memberi AI lebih banyak keupayaan, bukan lebih banyak kebijaksanaan.

Model masih boleh membuat kesimpulan salah walaupun data yang diterimanya tepat.

Cara Menggunakan MCP dengan Lebih Selamat

Gunakan langkah praktikal berikut:

1. Pilih server daripada pihak yang dipercayai. Jangan memasang server hanya kerana ia popular di media sosial.
2. Semak skop kebenaran. Bezakan akses baca, tulis, padam dan pentadbir.
3. Gunakan akaun berasingan untuk ujian. Jangan terus sambungkan akaun produksi.
4. Hadkan folder, jadual dan pangkalan data. Elakkan akses menyeluruh apabila tidak diperlukan.
5. Minta kelulusan bagi tindakan berimpak tinggi. Pembayaran, penghantaran mesej, pemadaman dan perubahan data perlu disahkan.
6. Simpan backup. Pastikan perubahan boleh dipulihkan.
7. Pantau log aktiviti. Semak tool yang digunakan, masa penggunaan dan data yang terlibat.
8. Jangan letakkan password dalam prompt. Gunakan mekanisme autentikasi yang disediakan.
9. Tarik balik akses yang tidak lagi digunakan. Sambungan lama sering menjadi risiko terlupa.
10. Asingkan data sensitif. Rekod kewangan, pekerja, kesihatan dan pelanggan memerlukan perlindungan tambahan.

MCP tidak menjadikan sambungan selamat secara automatik. Keselamatan bergantung pada reka bentuk host, server, aliran kebenaran, konfigurasi dan disiplin pengguna.

Spesifikasi MCP menekankan persetujuan pengguna, kawalan data, privasi dan kefahaman terhadap tindakan tool.

Ia juga menyatakan bahawa protokol sahaja tidak boleh menguatkuasakan semua prinsip keselamatan. Pelaksana masih perlu membina kawalan yang betul.

Adakah Pengguna Biasa Perlu Belajar MCP?

Kebanyakan pengguna tidak perlu membina MCP server atau memahami JSON-RPC.

Namun, mereka perlu memahami implikasi sambungan AI.

Sebelum menekan butang “Connect” atau “Authorize”, pengguna patut bertanya:

• Apakah data yang boleh dibaca?
• Apakah tindakan yang boleh dilakukan?
• Adakah AI boleh menulis atau memadam data?
• Siapakah pengendali server?
• Bolehkah akses ditarik balik?
• Adakah setiap tindakan penting memerlukan kelulusan?

Developer dan pasukan IT perlu memahami aspek teknikal.

Pengurus bisnes pula perlu menilai proses yang sesuai diautomasikan, risiko operasi dan tanggungjawab apabila berlaku kesilapan.

Peluang MCP untuk Bisnes di Malaysia

MCP boleh digunakan secara praktikal tanpa membina “AI agent serba tahu”.

Projek yang kecil dan terkawal biasanya lebih masuk akal, contohnya:

• pembantu dalaman yang mencari SOP;
• ringkasan jualan daripada POS;
• semakan stok sebelum pembelian;
• carian spesifikasi tender;
• penyediaan laporan prestasi cawangan;
• ringkasan tiket sokongan pelanggan;
• atau semakan status tugasan projek.

Pendekatan terbaik ialah bermula dengan akses baca sahaja.

Uji ketepatan, rekod kegagalan dan nilai masa yang benar-benar dijimatkan. Hanya selepas itu pertimbangkan tindakan tulis atau automasi yang lebih besar.

Jangan mulakan dengan proses paling sensitif seperti pembayaran, payroll atau pengurusan data peribadi.

Itu bukan inovasi. Itu mengambil risiko sebelum organisasi mempunyai kawalan yang matang.

Batasan MCP

MCP menyelesaikan masalah standard sambungan, tetapi bukan semua masalah AI.

Antara batasannya ialah:

• AI masih boleh salah memahami arahan;
• data sumber boleh tidak lengkap atau lapuk;
• server mungkin mempunyai dokumentasi lemah;
• host berbeza menyokong ciri berbeza;
• integrasi masih memerlukan autentikasi dan penyelenggaraan;
• kos API, infrastruktur dan pemantauan tetap wujud;
• dan tindakan automatik boleh mencipta kesilapan pada skala lebih besar.

MCP masih berkembang.

Spesifikasi 28 Julai 2026 memperkenalkan teras stateless, proses penemuan dan extension pilihan, maka organisasi perlu mengurus versi serta keserasian.

Masa Depan MCP dan AI Agent

MCP berpotensi menjadi infrastruktur penting bagi aplikasi AI yang bekerja dengan sistem sebenar.

Ia kini dibangunkan sebagai projek terbuka di bawah Agentic AI Foundation dan ekosistem Linux Foundation.

Namun, masa depan MCP tidak patut dinilai hanya berdasarkan jumlah integrations.

Ukuran yang lebih penting ialah sama ada sambungan itu:

• mengurangkan kerja manual;
• memberikan hasil yang boleh disahkan;
• mengekalkan kawalan pengguna;
• melindungi data;
• dan mempunyai prosedur apabila AI gagal.

Standard sambungan boleh mempercepat inovasi, tetapi juga kesilapan jika terlalu banyak sistem disambungkan tanpa tadbir urus.

Kesimpulan

MCP ialah protokol terbuka yang membantu aplikasi AI berhubung dengan data, tools dan aplikasi lain melalui seni bina host, client dan server.

MCP tidak menggantikan API, menjadikan AI sentiasa betul atau menjamin keselamatan. Nilainya datang daripada konteks relevan dan fungsi yang dikawal dengan jelas.

Bagi pengguna biasa, yang penting ialah memahami data yang dikongsi, tindakan yang dibenarkan dan cara menarik balik akses.

Bagi bisnes, mulakan dengan projek kecil, akses baca sahaja dan hasil yang mudah disemak.

AI yang boleh menggunakan tools memang lebih berguna, tetapi AI yang mempunyai terlalu banyak akses tanpa kawalan juga lebih berbahaya.

Mahu Bersedia untuk Kerjaya dalam Era AI?

Teknologi seperti MCP menunjukkan bahawa masa depan AI bukan sekadar chatbot.

Sistem AI semakin mampu menggunakan data, tools dan aplikasi sebenar. Perubahan ini akan mempengaruhi cara kerja dalam bidang teknologi, kejuruteraan, data, sains dan operasi bisnes.

Dapatkan ebook STEM Untuk Anak Muda Malaysia: Panduan Pilih Kerjaya, Course dan Kerja Bergaji Tinggi Dalam Era AI untuk memahami pilihan bidang STEM, laluan pengajian, kemahiran yang semakin diperlukan dan cara membuat keputusan kerjaya dengan lebih realistik.

Jangan pilih course hanya kerana namanya nampak moden. Fahami jenis kerja, kemahiran, peluang industri dan perubahan yang dibawa oleh AI sebelum membuat keputusan.

Soalan Lazim Tentang MCP