Bangun dan Jalankan Server MCP Anda Sendiri Secara Lokal untuk Agen AI
Pendahuluan: Apa Itu Model Context Protocol (MCP)?
Model Context Protocol (MCP) adalah standar terbuka yang dikembangkan oleh Anthropic untuk memungkinkan integrasi tanpa batas antara model bahasa besar (LLM) dan alat, sistem, dan sumber data eksternal. MCP menyediakan antarmuka model-agnostik terstandarisasi untuk membaca file, menjalankan fungsi, dan menangani perintah kontekstual, memfasilitasi komunikasi antara asisten AI dan lingkungan terstruktur.
Sebelum MCP, agen menggunakan “alat” dengan cara yang lazim dan sering kali berantakan. MCP memperkenalkan a bahasa umum yang dapat dipahami oleh semua agen, artinya Anda kini dapat membuat alat satu kali dan membuatnya dapat digunakan di seluruh dunia setiap llm agen yang mendukung MCP — baik itu chatbot, asisten pribadi, atau agen otomatisasi tugas. Bayangkan MCP sebagai bahasa universal untuk alat AI. Kini, berbagai sistem dapat berkolaborasi dengan lebih mudah, efisien, dan dalam skala besar.
Catatan:
Panduan ini difokuskan pada praktis membangun server MCP menggunakan contoh nyata. Jika Anda tertarik menyelam lebih dalam bagaimana MCP bekerja secara teknissilakan periksa artikel yang tercantum di bagian Referensi di bagian akhir.
Mengapa MCP Penting: Meningkatkan Kemampuan Agen AI
MCP menyederhanakan tugas kompleks dalam menghubungkan LLM dengan sistem eksternal dengan menawarkan protokol universal. Hal ini memungkinkan agen AI untuk:
- Akses Data Waktu Nyata: Mengambil informasi terkini secara dinamis.
- Lakukan Operasi Kompleks: Jalankan fungsi dengan andal pada sistem eksternal.
- Pertahankan Konteks: Pertahankan konteks terkait tugas di seluruh interaksi.
Dengan mengintegrasikan MCP, Anda dapat memperluas kemampuan agen secara signifikan — menjadikannya lebih cerdas, efisien, dan selaras dengan kebutuhan dunia nyata. Memahami MCP tidak hanya penting bagi pengembang; ini menjadi penting bagi siapa pun yang bekerja dengan alat AI modern. Laju inovasi sangat cepat, dan tidak selalu mengikuti perkembangan teknologi dasar seperti MCP dapat membuat individu tertinggal secara signifikan. Baik Anda seorang pengembang, manajer produk, analis data, atau penggemar teknologi, mempelajari cara kerja MCP kini menjadi sebuah kebutuhan, bukan sebuah pilihan.
Menyiapkan Repositori
1. Kloning Contoh Repositori Server MCP
Pertama, tarik templat contoh server MCP ke mesin lokal Anda:
git clone https://github.com/gupta-ujjwal/mcp-server-templates.git
cd mcp-server-templates
2. Membuat dan Mengaktifkan Lingkungan Virtual
Menciptakan lingkungan virtual memastikan semua dependensi proyek diisolasi dan dikendalikan.
python -m venv venv
source venv/bin/activate # On Windows: venv\Scripts\activate
Shell Anda sekarang akan dicakup dalam lingkungan ini.
3. Instal UV dan Ketergantungan Proyek
Instal UV: UV adalah alternatif pip yang modern dan lebih cepat.
pip install uv
Instal persyaratan proyek:
uv pip install -r requirements.txt
Ini menarik FastMCP dan perpustakaan tambahan apa pun yang diperlukan.
Menjelajahi Template yang Disediakan
Repositori ini menyediakan tiga templat server praktis untuk mencakup kasus penggunaan MCP yang umum:
1. Panggilan API Eksternal (Server Cuaca)
Ideal ketika agen Anda membutuhkan data real-time dari sumber luar.
- Terhubung ke API cuaca nyata
- Menunjukkan cara mengambil dan menyajikan data eksternal melalui MCP
2. Tugas Komputasi (Server Kalkulator)
Untuk agen yang perlu melakukan komputasi secara lokal.
- Server aritmatika dasar
- Templat untuk kebutuhan pemrosesan yang lebih kompleks
3. Manajemen File Lokal (Server Catatan)
Saat agen perlu berinteraksi dengan file secara lokal.
- Menangani membaca, menulis, dan mengelola file teks
- Titik awal yang bagus untuk membangun alat manajemen konten
Setiap server memiliki README.md sendiri dengan instruksi pengoperasian yang tepat. Biasanya, Anda dapat menjalankan server seperti ini:
mcp dev server/server_file.py
Ini akan memulai inspektur MCP lokal di Anda dapat berinteraksi dan bermain-main dengan alat yang disediakan server MCP Anda.
Mengapa Template Ini Penting
Contoh-contoh berikut memberi Anda dasar yang kuat untuk membangun:
- Layanan pengambilan data
- Layanan komputasi
- Interaksi berbasis file lokal
Dan karena mereka menggunakan protokol MCP, agen mana pun yang mendukung MCP dapat berkomunikasi dengan server Anda dengan mudah. Jangan ragu untuk melakukannya perluas templat ini ke dalam kreasi Anda sendiri. Baik Anda memerlukan alat keuangan, peringkas dokumen, atau pengontrol otomatisasi rumah, templat ini akan mempercepat perjalanan Anda.
Hal yang Harus Anda Coba Selanjutnya
- Jalankan salah satu server secara lokal dan mengujinya melalui klien MCP atau Tukang Pos.
- Ubah server cuaca untuk mengambil harga mata uang kripto atau skor olahraga.
- Perluas server kalkulator untuk menyelesaikan persamaan aljabar atau konversi satuan.
- Perluas server catatan menjadi pengelola tugas yang mengatur tugas Anda.
- Bangun server yang benar-benar baru ide menggunakan templat sebagai landasan peluncuran Anda.
Keuntungan Tambahan — Mengintegrasikan Server MCP dengan Pengaturan Agen AI Lokal Anda
Setelah server contoh Anda aktif dan berjalan, Anda dapat menghubungkannya dengan lingkungan AI lokal seperti ClaudeDesktop, Copilot, Cursor, atau lainnya. Berikut contoh penyiapan untuk VS Code — logika yang sama berlaku jika Anda mengonfigurasinya di tempat lain.
Di file settings.json Anda, tambahkan:
{
"mcp": {
"servers": {
"weather": {
"command": "bash",
"args": [
"-c",
"source {AbsolutePathToTheFolder}/venv/bin/activate && uv --directory {AbsolutePathToTheFolder} run weather.py"
]
}
}
}
}
Ganti {AbsolutePathToTheFolder} dengan jalur absolut proyek Anda. Hal ini memungkinkan agen atau ekstensi AI Anda untuk secara otomatis memulai server MCP lokal Anda bila diperlukan — membuat alur kerja pengembangan menjadi lebih cepat dan lancar.
Apa Selanjutnya?
Sekarang setelah Anda memahami cara membangun server MCP yang memberi sistem AI akses ke alat eksternal, Anda mungkin bertanya-tanya bagaimana agen mengatur alat ini untuk menyelesaikan tugas-tugas kompleks. Dalam artikel terbaru saya, saya menguraikan evolusi dari alur kerja sederhana menjadi agen AI dan membangun asisten portofolio yang menggunakan banyak alat dengan LangGraph: Dari Alur Kerja hingga Agen AI
Referensi
- Pengenalan Protokol Konteks Model
- Repositori GitHub FastMCP
- mcp-server-template GitHub
- https://www.philschmid.de/mcp-introduction
- https://dev.to/pavanbelagatti/model-context-protocol-mcp-101-a-hands-on-beginners-guide-47ho
Bangun dan Jalankan Server MCP Anda Sendiri Secara Lokal – Perkuat Agen Pengembang Anda awalnya diterbitkan di Stackademic on Medium, tempat orang-orang melanjutkan percakapan dengan menyorot dan menanggapi cerita ini.
PakarPBN
A Private Blog Network (PBN) is a collection of websites that are controlled by a single individual or organization and used primarily to build backlinks to a “money site” in order to influence its ranking in search engines such as Google. The core idea behind a PBN is based on the importance of backlinks in Google’s ranking algorithm. Since Google views backlinks as signals of authority and trust, some website owners attempt to artificially create these signals through a controlled network of sites.
In a typical PBN setup, the owner acquires expired or aged domains that already have existing authority, backlinks, and history. These domains are rebuilt with new content and hosted separately, often using different IP addresses, hosting providers, themes, and ownership details to make them appear unrelated. Within the content published on these sites, links are strategically placed that point to the main website the owner wants to rank higher. By doing this, the owner attempts to pass link equity (also known as “link juice”) from the PBN sites to the target website.
The purpose of a PBN is to give the impression that the target website is naturally earning links from multiple independent sources. If done effectively, this can temporarily improve keyword rankings, increase organic visibility, and drive more traffic from search results.
