Model Context Protocol ( MCP ) telah memicu diskusi sengit di komunitas developer tentang apakah protokol ini merupakan terobosan dalam konektivitas universal atau hanya mengemas ulang konsep API yang sudah ada. Meskipun awalnya dirancang untuk membantu model AI mengakses sumber data dan tools eksternal, developer kini sedang mengeksplorasi potensinya sebagai sistem plugin serbaguna yang dapat bekerja di luar aplikasi AI.
Teori Protokol Universal yang Tidak Disengaja
Beberapa developer berargumen bahwa nilai sesungguhnya dari MCP bukan terletak pada fitur-fitur khusus AI-nya, melainkan pada potensinya untuk menjadi sistem plugin universal. Teori ini menyatakan bahwa setiap server MCP yang dibangun untuk aplikasi AI secara teoritis dapat digunakan oleh software non-AI, menciptakan ekosistem tools yang dapat saling beroperasi secara tidak terduga. Hal ini telah mendorong eksperimen kreatif, dengan developer membangun aplikasi manajemen tugas dan tools lainnya yang memanfaatkan server MCP sebagai arsitektur plugin mereka.
Daya tariknya berasal dari potensi network effect MCP . Ketika developer membuat server MCP untuk asisten AI guna mengakses layanan seperti Spotify atau productivity tools, server yang sama secara teoritis dapat digunakan oleh aplikasi apa pun yang menggunakan protokol MCP . Ini menciptakan kumpulan fungsionalitas bersama yang menguntungkan semua aplikasi yang berpartisipasi tanpa memerlukan integrasi individual.
Contoh Evolusi Protokol Historis
- HTTP: Awalnya untuk makalah akademis → kini menjalankan peradaban web
- Bluetooth: Dirancang untuk panggilan hands-free → kini membuka kunci pintu dan menghubungkan perangkat
- USB: Dibuat untuk keyboard/mouse → kini mengisi daya perangkat dan mentransfer data
- Pemantik rokok mobil: Dirancang untuk rokok → menjadi outlet daya 12V universal
Perspektif Tidak Ada yang Baru
Namun, banyak developer berpengalaman tetap skeptis, memandang MCP pada dasarnya sebagai rebranding konsep API yang sudah ada. Kritikus menunjukkan bahwa fungsionalitas inti - menghubungkan aplikasi ke layanan eksternal melalui interface yang terstandarisasi - telah tersedia melalui REST APIs , SOAP , gRPC , dan protokol lainnya selama puluhan tahun.
Kecelakaan itu bukan karena entah bagaimana kita mendapat protokol untuk melakukan hal-hal yang tidak bisa kita lakukan sebelumnya. Kecelakaannya adalah gelombang AI Agent membuat hype interoperabilitas, dan vendor lock-in menjadi kuno.
Perbedaan teknis utama yang disorot oleh pendukung adalah persyaratan MCP untuk self-describing schemas dari awal, tidak seperti REST APIs di mana dokumentasi seperti spesifikasi OpenAPI sering menjadi add-on opsional. Discoverability bawaan ini dapat membuat server MCP lebih mudah dipahami dan digunakan baik oleh model AI maupun developer manusia.
Perbandingan MCP vs API Tradisional
- Deskripsi Mandiri: MCP memerlukan dokumentasi skema dari awal, sementara REST API sering kali memiliki spesifikasi OpenAPI yang bersifat opsional
- Penemuan: Penemuan endpoint dan kemampuan yang terintegrasi vs. pembacaan dokumentasi manual
- Penggunaan Target: Awalnya dirancang untuk konsumsi model AI vs. penggunaan umum untuk manusia/aplikasi
- Overhead Protokol: Lapisan abstraksi tambahan vs. panggilan API langsung
- Ekosistem: Potensi kumpulan plugin bersama vs. integrasi API individual
Kekuatan Pasar dan Timing
Diskusi ini mengungkap dinamika pasar yang menarik. Ledakan AI telah menciptakan insentif baru bagi perusahaan untuk mengekspos API dan fungsionalitas yang sebelumnya terkunci atau hanya tersedia melalui kontrak enterprise. Developer mencatat bahwa permintaan dari AI agents untuk akses programatik mendorong vendor untuk menciptakan API yang lebih terbuka dan user-friendly.
Tren ini mencerminkan gelombang keterbukaan API sebelumnya, seperti budaya mashup era Web 2.0 , meskipun skeptis memperingatkan bahwa sejarah menunjukkan periode terbuka ini sering berakhir ketika hype awal mereda dan perusahaan kembali ke pendekatan yang lebih restriktif.
Tantangan Implementasi Praktis
Meskipun manfaat teoretisnya terdengar menarik, developer yang bekerja dengan MCP dalam praktik melaporkan hasil yang beragam. Beberapa telah berhasil membangun tools yang memanfaatkan MCP untuk tugas-tugas seperti menyelidiki audit logs, menunjukkan utilitas dunia nyata. Namun, yang lain mempertanyakan apakah MCP menambah nilai yang berarti dibandingkan integrasi API langsung, terutama untuk aplikasi non-AI.
Asumsi desain protokol seputar konsumsi model AI dapat menciptakan keterbatasan ketika digunakan untuk tujuan lain, khususnya seputar autentikasi, komunikasi real-time, dan alur data kompleks yang bukan pertimbangan utama untuk use case AI.
Perdebatan ini pada akhirnya mencerminkan pertanyaan yang lebih luas tentang evolusi protokol dan standardisasi dalam pengembangan software. Apakah MCP mewakili inovasi sejati atau marketing yang cerdas masih harus dilihat, tetapi dampaknya dalam mendorong aksesibilitas API tampaknya menjadi kontribusi paling nyata terhadap ekosistem developer sejauh ini.