Model Context Protocol (MCP) akan mendapatkan pembaruan penting minggu depan. Protokol ini terutama digunakan untuk memungkinkan model AI mengakses sumber daya dan layanan eksternal secara aman, seperti kalender, database, dan alat internal perusahaan. Bagi pengguna biasa, perubahan ini mungkin tidak terlalu terasa, tetapi berdampak lebih besar pada perusahaan yang menerapkan layanan terkait.
MCP dianggap sebagai protokol dasar untuk interoperabilitas AI. Fungsinya adalah memungkinkan chatbot atau agen untuk memanggil berbagai sistem melalui cara yang seragam, tanpa perlu mengembangkan antarmuka terpisah untuk setiap koneksi eksternal. Seiring perusahaan mulai mendorong integrasi AI ke dalam alat internal, pentingnya protokol dasar semacam ini semakin meningkat.
Cara menangani ID sesi akan disesuaikan
Berdasarkan spesifikasi versi baru yang diumumkan pada Mei, pembaruan ini berfokus pada cara penanganan Session ID. Session ID dapat dipahami sebagai tanda yang digunakan server untuk mengenali sesi percakapan yang sama. Dalam mekanisme saat ini, klien menyelesaikan negosiasi kemampuan saat pertama kali terhubung ke server dan mendapatkan Session ID, yang kemudian harus disertakan dalam setiap permintaan berikutnya.
Desain ini tidak menjadi masalah dalam lingkungan skala kecil, tetapi akan meningkatkan kompleksitas saat diterapkan dalam skala besar. Jika layanan MCP sebuah perusahaan melayani jutaan pengguna dan menggunakan load balancing untuk mendistribusikan permintaan ke berbagai server, semua mesin perlu mengenali dan menyinkronkan ID sesi yang sebelumnya dikeluarkan, yang akan menimbulkan beban pemeliharaan tambahan.
Lebih mendekati deployment tanpa status
Mekanisme baru akan mengubah manajemen sesi di sisi server menjadi lebih "stateless". Ini berarti server tidak perlu terus-menerus mengingat tanda konteks setiap sesi seperti sekarang, sehingga cara kerjanya akan lebih mirip dengan mode operasi sebagian besar situs web biasa.
Hasil langsung dari penyesuaian ini adalah bahwa layanan MCP menjadi lebih mudah diskalakan dalam lingkungan lintas wilayah dan multi-mesin. Bagi perusahaan, ini biasanya berarti deploy yang lebih sederhana, biaya pemeliharaan lebih rendah, dan secara teoritis juga membantu mengurangi overhead saat berjalan dalam skala besar.
Menunjukkan bahwa infrastruktur AI masih perlu mengejar ketertinggalan
Pembaruan ini juga menunjukkan bahwa perkembangan industri AI tidak hanya bergantung pada peningkatan kemampuan model. Pelatihan model dan ritme peluncuran produk berjalan cepat, tetapi standar dasar yang mendukung integrasi sistem ini dengan alat eksternal seringkali berkembang lebih lambat.
Dari sudut pandang industri, tingkat kedewasaan protokol seperti MCP dapat memengaruhi sejauh mana perusahaan bersedia meluncurkan solusi integrasi asli yang lebih besar. Terutama setelah konsep agen cerdas memanas tahun ini, apakah infrastruktur terkait dapat mengejar menjadi masalah nyata dalam penerapan AI.