Istilah MCP untuk AI bisnis merujuk pada penggunaan Model Context Protocol: standar untuk menghubungkan aplikasi AI dengan sumber data dan alat eksternal. Perannya penting untuk integrasi, tetapi keberadaan MCP tidak otomatis membuat AI memahami proses atau berhak mengubah transaksi perusahaan.
Bagi solution architect dan Head of IT, pertanyaan awalnya bukan hanya “apakah ERP kami punya MCP?”. Pertanyaan yang lebih berguna adalah operasi apa yang diperlukan, data milik siapa yang dapat diakses, dan keputusan mana yang harus tetap melalui persetujuan manusia.
Apa Yang Dihubungkan Oleh MCP?
Dokumentasi resmi Model Context Protocol menjelaskan MCP sebagai standar terbuka untuk menghubungkan aplikasi AI dengan sistem eksternal. Sistem itu dapat menyediakan konteks atau kemampuan melakukan tugas melalui antarmuka yang dikenali aplikasi AI.
Dalam gambaran sederhana, aplikasi AI berperan sebagai host; komponen client berkomunikasi dengan server MCP; server menyediakan kemampuan yang dihubungkan ke data atau layanan di belakangnya. Sebuah server dapat membungkus operasi sistem yang sudah ada. Kualitas API, hak akses, dan aturan bisnis sistem tersebut tetap menjadi tanggung jawab implementasinya.
Jangan menyamakan MCP dengan model AI baru. MCP juga bukan pengganti ERP atau CRM. Model membantu menafsirkan permintaan; protokol membantu komunikasi; sistem sumber tetap menentukan data serta operasi yang benar-benar tersedia.
Bedakan Tools, Resources, Dan Aturan Bisnis
Secara konseptual, resources menyediakan konteks atau informasi yang dapat dibaca, sedangkan tools mengekspos operasi yang dapat dipanggil. Operasi itu bisa berupa pencarian atau tindakan yang mengubah data. Detail dukungannya harus diperiksa pada client dan server yang benar-benar dipakai.
Misalnya, alat pencarian pesanan berbeda dampaknya dari alat pembatalan pesanan. Keduanya mungkin terlihat sebagai nama alat di aplikasi AI, tetapi persyaratan otorisasinya tidak sama. Label “tersedia” hanya menunjukkan kemampuan yang diekspos, bukan persetujuan perusahaan untuk menjalankannya pada setiap kasus.
Aturan seperti batas diskon, kewenangan pembatalan, atau pemisahan entitas perusahaan sebaiknya ditegakkan pada lapisan aplikasi dan sistem sumber. Prompt yang meminta agent “berhati-hati” tidak menggantikan pemeriksaan akses tersebut.
Contoh Pilot: Membaca Status Pesanan Tanpa Mengubahnya
Berikut skenario ilustratif, bukan portofolio implementasi Layana. Tim layanan pelanggan ingin menanyakan status pesanan dan tindak lanjutnya melalui satu antarmuka AI, sementara data pelanggan berada di CRM dan data pemenuhan berada di ERP.
Untuk pilot awal, batasi kemampuan pada pencarian pelanggan yang sesuai identitas pengguna, pembacaan status pesanan, dan penyusunan ringkasan tindak lanjut. Setiap ringkasan perlu menampilkan referensi pesanan serta waktu data diperoleh. Agent tidak diberi kemampuan mengubah alamat, menetapkan diskon, atau membatalkan pesanan.
Urutan kerjanya dapat berupa verifikasi konteks pengguna, pencarian nomor pesanan, pembacaan status dari sistem sumber, lalu penyusunan jawaban. Jika identitas tidak cocok atau sumber tidak tersedia, hasilnya adalah eskalasi yang jelas. Jawaban dari percakapan lama tidak boleh dianggap sebagai status transaksi terbaru.
Pisahkan Izin Baca Dan Aksi Tulis Sejak Awal
Susun matriks per operasi: pengguna atau identitas layanan, entitas yang boleh diakses, atribut yang boleh dikembalikan, dan dampak tindakan. Hindari satu kredensial serba bisa untuk seluruh alat. Ketika kebutuhan bertambah, tambahkan operasi yang sempit dengan penilaian risiko sendiri.
- Pemilik proses: menentukan kapan satu kasus dianggap selesai dan kapan perlu eskalasi.
- Administrator sistem sumber: menetapkan izin, batas data, serta pencabutan akses.
- Tim integrasi: memetakan parameter, respons, error, dan identitas permintaan.
- Reviewer bisnis: menyetujui tindakan yang mempunyai dampak operasional atau komersial.
Jika nanti aksi tulis diperlukan, approval harus mengikat tindakan, sasaran, dan parameter yang spesifik. Setelah timeout, periksa hasil di sistem sumber sebelum mencoba ulang. Pengujian aksi tulis AI agent membantu memisahkan bukti permintaan terkirim dari bukti transaksi sudah terjadi.
MCP Tidak Menghilangkan Risiko Integrasi AI
Panduan keamanan MCP dari OWASP membahas pembatasan hak, integritas definisi alat, validasi input-output, dan pengawasan tindakan sensitif. Ini penting karena data serta hasil alat dapat memengaruhi langkah yang dipilih model.
Perlakukan deskripsi alat, dokumen, dan hasil server sebagai masukan yang harus diperiksa. Jangan menjalankan instruksi baru hanya karena instruksi itu muncul dalam isi dokumen bisnis. Pisahkan data untuk dianalisis dari otorisasi untuk bertindak.
Untuk ancaman yang lebih khusus, baca prompt injection pada AI agent bisnis. Namun, jangan mempersempit semua risiko menjadi prompt injection: salah entitas, data kedaluwarsa, akses terlalu luas, atau kegagalan sistem tujuan juga dapat menghasilkan keputusan yang salah.
Kapan MCP Layak Dipertimbangkan?
Pertimbangkan MCP jika aplikasi AI yang dipilih mendukungnya dan perusahaan memiliki kebutuhan mengekspos beberapa kemampuan sistem secara terstruktur. Nilai manfaat interoperabilitas terhadap pekerjaan tambahan untuk mengelola server, perubahan schema, identitas, dan operasi.
Integrasi API langsung atau workflow tetap tetap dapat menjadi pilihan untuk alur yang sederhana. Jangan menambahkan MCP hanya karena sedang populer. Bukti yang diperlukan adalah bahwa pilihan tersebut membantu kebutuhan integrasi dan dapat dipelihara oleh tim, bukan sekadar berhasil menunjukkan daftar alat.
Petakan endpoint dan aturan bisnis melalui layanan sistem integrator Layana. Kemampuan sistem sumber yang belum ada tidak muncul otomatis setelah sebuah server MCP dipasang.
Ukur Pilot Dari Ketepatan Data Dan Kepatuhan Akses
Gunakan contoh pesanan yang diketahui jawabannya, termasuk data yang tidak boleh dibaca pengguna uji. Catat ketepatan referensi, status dan waktu data; tingkat kasus yang memerlukan koreksi; serta waktu penyelesaian termasuk verifikasi manusia.
Uji pula identitas yang salah, pencabutan akses, respons kosong, schema berubah, dan timeout. Tetapkan apakah sistem harus berhenti, meminta klarifikasi, atau berpindah ke proses manual. Satu koneksi berhasil bukan bukti seluruh skenario tersebut sudah lolos.
Untuk membahas penerapan AI pada proses bisnis, siapkan daftar sistem, contoh pertanyaan pengguna, dan operasi yang ingin dibatasi. Lalu diskusikan peta integrasi dan ruang lingkup pilot sebelum memberikan akses yang lebih luas.
Gambar utama merupakan ilustrasi AI konseptual, bukan dokumentasi sistem MCP yang telah diterapkan atau proyek Layana.