Topik hari ini adalah topik yang hampir semua orang pernah dengar tetapi hanya sedikit yang dapat menjelaskannya, MCP. Anda mungkin pernah melihatnya disebut HTTP untuk agen AI, tetapi apa sebenarnya artinya? Di akhir episode ini, Anda akan memahami apa itu MCP, apa fungsi server Azure MCP, dan mengapa hal itu penting untuk cara alat AI terhubung ke data Anda. Kami akan menguraikannya menjadi blok-blok penyusun utama, dimulai dengan gambaran besar, lalu protokol itu sendiri, lalu implementasi Microsoft, dan terakhir, contoh nyata yang benar-benar dapat Anda gunakan. Kamu berdua, mengapa penting sekarang? Inilah situasi yang kita harapis hati. Semua orang sedang membangun agen AI. Bukan hanya perusahaan teknologi, tetapi juga bank, rumah sakit, produsen, bahkan bisnis kecil. Mereka semua mencoba membangun asisten AI yang benar-benar dapat melakukan banyak. Tidak hanya menjawab pertanyaan, tetapi mengambil tindakannya. Memperbarui catatan, memiksa inventaris, menerapkan kode, atau memperbaiki server yang rusak. Dan disinilah masalahnya muncul. Agen-agen ini perlu terhubung ke alat dan data nyata. Basis data, akun penyimpanan, sistem tiket, platform CRM. Cara kebanyakan orang melakukannya saat ini adalah dengan soal itu. Mereka menulis kode integrasi khusus untuk setiap alat, setiap API, setiap sumber data. Satu konektor untuk basis data, satu lagi untuk penyimpanan berkas, dan yang ketiga untuk sistem memat. Masih memerlukan autentikasinya sendiri, penanganan kesalahannya sendiri, cara memformat permintaan dan responsnya sendiri. Pendekatan indera pemakan waktu dan tidak dapat ditingkatkan sekarang. Setiap asisten AI yang Anda buat memerlukan tumpukan kode perkatnya sendiri untuk berkomunikasi dengan layanan yang dibutuhkan. Beralihlah dari satu platform AI ke platform AI lainnya, dan Anda membangun kembali semuanya dari awal. Sebagian besar demo AI yang Anda lihat berfungsi dengan baik secara terpisah. Mereka menjawab pertanyaan, menghasilkan teks, tampak mengesankan. Tetapi saat mereka perlu menyentuh sistem nyata, mereka hancur. Disitulah letak kompleksitasnya. MCP mengubah ini. MCP memberi AI cara standar untuk menjangkau dan mengambil apa yang dibutuh. Satu protokol, satu cara berkomunikasi dengan alat. Asisten AI manapun yang berbicara MCP dapat menggunakan server MCP manapun. Ini seperti perbedaan antara memiliki kendali jarak jauh terpisah untuk setiap perangkat di rumah Anda versus satu kendali jarak jauh universal yang berfungsi dengan semuanya. Baiklah, mari kita mulai dengan definisi yang paling sederhana. Apa itu MCP? Penjelasan protokolnya. Apa sebenarnya MCP? Mari saya jelaskan dengan bahasa sederhana. Ini adalah dari modal konteks protokol, dan ini adalah standar terbuka yang beritahu agen AI cara berkomunikasi dengan alat eksternal, APA, dan sumber data. Anggap saja ini sebagai bahasa umum untuk AI. Sebelum MCP, setiap asisten AI harus mempelajari bahasa yang berbeda untuk setiap alat yang ingin digunakan. MCP berkata, mari kita sepakati satu bahasa dan setiap alat hanya perlu berbicara dalam satu bahasa itu. Di balik layar, ini didasarkan pada JSON RPC 2.0, format pesan sederhana untuk mengirim permintaan dan mendapatkan respon. Tidak ada yang mewah dan sudah ada selama bertahun-tahun. Yang ditambahkan MCP diatasnya adalah Stub. Ini mendefinisikan tiga hal utama yang dapat dilakukan agen AI dengan server MCP, alat sumber daya dan perintah apapun. Alat adalah tindakan yang dapat diambil AI seperti membuat catatan atau menjalankan query. Sumber daya adalah potongan data yang dapat dibaca AI seperti profil pelanggan atau file log. Dan perintah adalah tempat yang memandu bagaimana AI harus berperilaku dalam situasi tertentu. Berikut cara penelitian untuk memikirkan. Bayangkan Anda memiliki kendali jarak jauh universal. Kendali jarak jauh itu dapat berkomunikasi dengan TV, sistem suara, kotak streaming. Satu kendali jarak jauh banyak perangkat. MCP adalah kendali jarak jauh untuk agen AI. Oke, satu protokol banyak alat. Anda membangun satu server MCP yang mengekspos alat dan data Anda dan agen AI yang kompatibel dengan MCP dapat menggunakannya. GitHub, Copilot, Cloud, Jet, GPT, agen khusus semuanya menggunakan protokol yang sama. Dan ini bukanlah hal milik Microsoft. MCP awalnya dibuat oleh antropik perusahaan dibalik cloud, tetapi telah diadopsi oleh OpenAI, Google, Microsoft, dan banyak lainnya. Ini menjadi cara standar bagi agen AI untuk terhubung ke dunia luar. Bukan vendor lock-in, tetapi standar terbuka yang dapat digunakan semua orang. Masalah ini pecahkan MCP. Berikut cara lama dalam melakukan surat. Sebelum MCP, setiap integrasi AI adalah proyek khusus. Katakanlah Anda ingin asisten AI Anda meriksa tingkat inventaris di basis data Anda. Bagus. Sekarang Anda perlu skode. Anda perlu mencari tahu autentikasi. Bagaimana AI membuktikan bahwa ia diizinkan membaca data tertentu. Anda perlu menangani kesalahan. Apa yang terjadi saat basis data mati? Anda perlu memformat respons. Bagaimana keluaran basis data diubah menjadi sesuatu yang dapat dipahami AI? Pengembangan per minggu-minggu untuk satu koneksi ke satu basis data. Telah pajak integrasi. Satu asisten AI, satu basis data, per minggu-minggu kerja. Sekarang kalikan itu dengan setiap alat yang perlu disentuh AI-nya. CRM, sistem tiket, penyimpanan file, log pembantauan. Masing-masing memerlukan kode kustomnya sendiri, pola autentikasinya sendiri, penanganan kesalahannya sendiri, dan tidak ada kode yang berfungsi dengan alat lain. Anda membangun hal yang sama berulang-ulang hanya sedikit berbeda setiap kali. Dan inilah masalah keamanan. Setiap integrasi kustom memiliki autentikasinya sendiri. Beberapa menggunakan kunci API, beberapa menggunakan OAuth, beberapa menggunakan sertifikat, beberapa menggunakan autentikasi dasar. Anda berakhir dengan selusin cara berbeda untuk data AI Anda dan tidak ada cara yang konsisten untuk mengaturnya. Apa yang memiliki akses? Apa yang dapat mereka lakukan? Di mana log-nya? Sebagian besar organisasi tidak dapat menjawab pertanyaan tersebut untuk integrasi AI mereka karena integrasi tersebut dibangun oleh tim yang berbeda. Pada waktu yang berbeda dengan standar yang berbeda. Masalah fragmentasi itu nyat. Katakanlah Anda membangun asisten AI Anda di OpenAI. Anda menulis semua integrasi Anda untuk format pembanggilan fungsi OpenAI. Kemudian 6 bulan kemudian, perusahaan Anda memutuskan untuk beralih ke cloud atau Anda ingin menggunakan keduanya. Sekarang Anda membangun kembali setiap integrasi. Alat yang sama, data yang sama, format yang berbeda. Itu bukan kemajuan untuk pekerjaan chip. BIS Bandar bertambah dengan cepat. Sebagian besar organisasi besar sudah menjalankan lusinan agen AI. Menurut IDC, rata-rata perusahaan menjalankan 47 agen. Masih memaliki tumpukan konektor khusus sendiri. Dan berikut statistik yang mungkin menunjukkan Anda. 68% CEO bahkan tidak dapat melaporkan total pengeluaran agen AI. Mereka tidak tahu berapa yang mereka belanjakan untuk integrasi ini karena tersebar di seluruh tim, proyek, dan anggaran. MCP membalikkan seluruh model ini. Alih-alih menulis kode khusus untuk setiap alat AI, Anda membangun satu server MCP. Server tersebut mengekspos peralatan dan data Anda melalui antarmukas tanda. Gen yang kompatibel dengan MCP dapat menggunakannya. Copilot Cloud C-CBT agen khusus peralatan internal Anda sendiri. Jadi, tulis sekali gunakan dimana saja. Telah perubahannya. Apa itu server Azure MCP? Jadi, kita telah membahas masalah yang dipecahkan MCP. Sekarang mari kita bahas jawaban Microsoft untuk ini. Server Azure MCP adalah versi resmi Microsoft dari MCP. Anggap saja sebagai jembatan yang memungkinkan agen AI mengakses sumber daya Azure Anda dengan aman dan mengolahnya. Dan saya ingin menjelaskan tentang apa sebenarnya benda ini. Ini bukan produk terpisah yang memberi. Ini bukan lain Azure baru. Ini adalah alat server sumber terbuka yang berada tepat di antara asisten AI dan lingkungan Azure Anda. Ini berfungsi dengan moda agen GitHub Copilot. Ini berfungsi dengan sematic kernel. Ini berfungsi dengan port desktop. Dan ini berfungsi dengan agen MCP khusus apapun yang Anda buat sendiri. Klien manapun yang menggunakan MCP dapat terhubung dengan ini. Setelah terhubung, agen tersebut mendapatkan akses ke sumber daya Azure Anda melalui bahasa alami yang sederhan. Anda tidak perlu mengetahui panggilan apa yang tepat. Anda tidak perlu mengingat metode SDK. Anda hanya perlu bertanya. Inilah intinya, Azure memiliki lusinan, layanan penyimpanan basis data pementauan konfigurasi kontainer. Masing-masing dilengkapi dengan SDK, API, pola autentikasinya sendiri. Server Azure MCP menggabungkan semuanya menjadi satu antarmuka terpadu, satu server, satu protokol, semua alat. Mengapa Microsoft membangun? Karena masalah fragmentasi sangat buruk di Azure. Bayangkan Anda sedang membangun agen AI yang perlu meriksa log Azure Monitor, memperbarui pengaturan konfigurasi aplikasi, dan menyebarkan versi kontainer baru. Itu berarti ada tiga SDK berbeda, tiga alur autentikasi berbeda, tiga cara berbeda untuk menangani kesalahan. Server Azure MCP menggabungkannya menjadi satu sesi, satu autentikasi, satu cara kerja yang konsisten. Nah, inilah bagian pentingnya. Ini bukan hanya untuk pengembang. Ya, pengembang akan menggunakannya, tetapi kekuatan sebenarnya adalah memungkinkan kontrol bahasa alami sumber daya Azure. Seseorang yang tidak mengenal PowerShell atau Azure CLI dapat bertanya kepada asisten AI mereka, tunjukkan kesalahan terakhir selama satu jam untuk layanan pembayaran, dan dapatkan jawaban. Server MCP menangani penerjemahan. Ia mengubah permintaan bahasa alami menjadi panggilan API yang sesuai, menjalankannya terhadap Azure Monitor, dan mengembalikan hasilnya. Hingga saat ini, server Azure MCP sudah terpasang di Visual Studio 2026. Server ini bersifat sumber terbuka di GitHub. Server ini pelihara secara aktif oleh tim Azure SDK Microsoft. Dan masih dalam perhatian jauh publik, artinya Anda dapat menggunakannya sekarang, dengan lebih banyak kemampuan yang ditambahkan secara berkat. Layanan inti yang dapat Anda akses. Jadi apa yang sebenarnya dapat Anda lakukan dengan server Azure MCP? Mari kita lihat layan spesifik yang dapat dijangkau. Daftarnya terus bertambah, tetapi berikut yang didukung saat ini. Azure Storage. Anda dapat mencantumkan akun penyimpanan, mengelola kontainer blob, tabel query, semuanya melalui bahasa alami. Daripada menulis skrip untuk memeriksa penyimpanan Anda, Anda cukup bertanya. Tunjukkan kontainer di akun penyimpanan produksi saya. Server MCP menangani panggilan API memformat respons dan memberi Anda jawabannya. Azure Cosmos DB, yang ini sangat besar. Anda dapat membuat query basis data, mengelola kontainer, dan menjalankan query scale Anda, tanpa scale-an. Jika Anda membangun agen AI yang perlu mencari catatan pelanggan atau rewrite pesanan, beginilah cara mendapatkan data resmi. Tidak ada konektor khusus, tidak ada kode SDK, hanya panggilan alat melalui MCP. Azure Monitor. Di sinilah kekuatan sebenarnya muncul. Anda dapat membuat query log menggunakan KQL, Kusto Query Language, tanpa melulis sendiri satu pun perintah KQL. Word daftar ruang kerja, periksa tabel yang tersedia, tanyakan, tunjukkan kesalahan 24 jam terakhir, dan server MCP menerjemahkannya ke dalam query yang tepat, menjalankannya terhadap log analytics, dan mengembalikan hasilnya. Bagi siapapun yang pernah kesulitan dengan sintaks KQL, ini saja sepadan dengan harganya. Konfigurasi aplikasi Azure, Anda dapat mengelola pasangan nilai kunci, menangani konfigurasi yang diaktifkan, mengunci, dan membuka kunci pengatur. Jika aplikasi Anda membaca konfigurasi dari konfigurasi aplikasi Azure, agen AI Anda dapat memperiksa nilai-nilai tersebut, memperbaruinya, dan meverifikasi perubahan semuanya melalui percakapan, semuanya melalui percakap. Dan bukan hanya layanan, Azure CLI dan Azure Developer CLI AZD juga diekspos sebagai alat. Itu berarti agen AI Anda dapat menjalankan perintah Azure secara langsung. Ia dapat menyediakan sumber daya, menyebarkan aplikasi, mengelola infrastruktur, perintah yang sama yang Anda ketik di terminal, tetapi dipicu oleh bahasa alami melalui asisten AI. Artinya dalam prakteknya adalah bahwa satu MCP dapat menggantikan lusinan SDK dan panggilan API. Anda tidak perlu menginstall Azure Storage SDK, Cosmos DB SDK, monitor SDK, dan mempelajari tiga pola autentikasi yang berbeda. Anda menginstall satu server MCP, mengautentikasi sekali, dan semua kemampuan tersebut tersedia melalui satu antarmuka. Pikirkan tentang skenario pemecahan masalah yang umum. Aplikasi Anda memunculkan kesalahan. Anda perlu memeriksa log, melihat konfigurasi, memverifikasi akun penyimpanan dapat diakses, dan memeriksa koneksi basis data. Sebelum MCP, ada empat alat yang berbeda, empat login yang berbeda, empat cara berbeda untuk mendapatkan informasi. Dengan server Azure MCP itu adalah satu percakapan. Tunjukkan kesalahannya, periksa konfigurasi saya, verifikasi penyimpanan saya, dan uji koneksi basis data saya. Server menangani semuanya. Cara kerjanya sebenarnya. Mari kita lebih dalam. Bagaimana cara kerjanya di balik layan? Autentikasi menggunakan Entra ID, yaitu Azure Active Directory Anda, melalui Azure Identity Library. Saat agen AI Anda membuat permintaan, ia mengautentikasi menggunakan identitas Azure Anda. Kredensial yang sama yang Anda gunakan untuk masuk ke portal Azure, tidak ada kunci api terpisah, tidak ada akun layan bersama, hanya identitas Anda. Anggap saja seperti meja resepsi, server memeriksa ID Anda sebelum mengizinkan Anda masuk. Sekarang otorisasi menghormati Azure RBAC, kontrol akses berbasis peran. Server MCP tidak memberikan izin baru apapun. Server hanya mengizinkan apa yang sudah diizinkan oleh akun Anda. Jika Anda dapat membaca akun penyimpanan di portal, server MCP dapat membacanya. Jika Anda dapat menghapus basis data, server MCP juga tidak dapat melakukannya. Server MCP mewarisi model keamanan Azure yang sudah. Server MCP tidak menambahkan serangan. Jadi, jika Anda sudah mercayai Azure untuk menjalankan aplikasi Anda, Anda sudah mercayai model keamanan di sini. Untuk transportasi, ada dua opsi. HTTP yang dapat dialirkan untuk koneksi jarak jauh, saat asisten AI Anda berjalan di cloud atau di komputer lain, dan SDDO untuk pengembangan lokal saat Anda menjalankan semuanya di komputer Anda sendiri. Opsi HTTP yang dapat dialirkan adalah yang direkomendasikan Microsoft untuk produksi karena berfungsi baik dengan penyeimbang beban dan proksi. Anggap saja seperti panggilan telepon untuk jarak jauh dan percakapan langsung untuk log. Asi penting di sini. Server MCP mempertahankan status selama percakapan. Jadi, saat agen Anda mengajukan pertanyaan, mendapat jawaban, lalu mengajukan pertanyaan lanjutan, server mengingat apa yang terjadi sebelumnya. Alat dapat dibuat berdasarkan mengenai. Anda dapat meminta log, mengidentifikasi masalah, membuat perbaikan, dan menyebarkannya semuanya dalam satu sesi tanpa kehilangan konteks. Ini seperti mengobrol sambil minum kopi dan melanjutkan dari tempat amat tinggal. Server menggunakan Azure SDK di balik layar yang berarti ia mewarisi semua logika coba lagi bawaan dan penanganan kesalahan yang disediakan SDK tersebut. Jika permintaan gagal karena masalah jaringan sementara, permintaan akan dicoba lagi secara otomatis. Jika layanan tidak tersedia, layanan tersebut akan menangani kesalahan dengan baik. Anda tidak perlu menulisnya sendiri. Layanan tersebut sudah ada di dalam. Sekarang, model keamanan menggunakan sesuatu yang disebut atas nama autentikasi, atau OBO, yang penting. Saat agen AI Anda memanggil suatu alat, server MCP meneruskan identitas Anda ke layanan hilir. Akun penyimpanan melihat identitas Anda, bukan identitas server. Basis data melihat identitas Anda, bukan akun layanan bersama. Ini berarti setiap tindakan dapat dikaitkan dengan Anda. Setiap log audit menunjukkan siapa yang melakukan. Tidak ada akun layanan anonim yang melakukan hal yang tidak dapat dilacak. Server berkata saya di sini atas nama Miro. Dan layanan tersebut melihat Anda, bukan server. Untuk perusahaan yang membutuhkan kontrol lebih, Anda dapat menggunakan Azure API Management di server MCP. Ini memberi Anda kebijakan tetap kelola, pembatasan tarif, jejak audit, dan peneliksaan keamanan konten di lapisan protokol. Anda dapat mengontrol alat mana yang tersedia, siapa yang dapat menggunakannya, dan seberapa selesai. Ini adalah manajemen API yang sama yang sudah Anda gunakan untuk APRS Anda yang sekarang diterapkan ke alat MCP. Berikut inti pembahasannya. Server Azure MCP tidak menciptakan mekanisme keamanan baru yang menggunakan mekanisme yang sudah dimiliki Azure. Entra ID untuk autentikasi, RPC untuk otorisasi, SDK untuk keandalan, manajemen API untuk tata kelola. Jika Anda sudah mercayai Azure untuk menjalankan aplikasi Anda, berarti Anda sudah mercayai model keamanan yang digunakan server MCP. Contoh dunia nyata dalam tim. Mari kita buat ini nyata dengan contoh yang benar-benar Anda teman. Bayangkan Anda menjalankan aplikasi kontender di Azure. Anda membuka URL dan mendapatkan kesalahan 404. Aplikasi tidak dapat dimulai. Portal Azure menunjukkan kesalahan aktifasi tetapi tidak dapat. Tidak ada yang membuat. Anda terjebut. Cara lama menangan ini menyakitkan. Anda membuka portal. Anda menggali pengaturan aplikasi konten. Anda meriksa log penuh. Anda menulis perintah CLE untuk menarik informasi diagnostik. Anda membandingkan file konfigurasi antar lingkungan. Anda menelusuri urutan startup secara manual untuk mencari tahu apa yang rusak. Ini melakukan berjam-jam. Dan diasumsikan Anda sudah tahu apa yang harus dicari. Dengan server Azure MCP, pengalamannya benar-benar beda. Anda menyalin pesan kesalahan, melempelkannya ke kopilot, mengaktifkan alat Azure MCP, dan membiarkan agen melakukan diagnosis. Itu saja. Agen membaca file proyek Anda, melihat pengaturan aplikasi Anda, memeriksa konfigurasi aplikasi konten, dan mengidentifikasi masalahnya. String koneksi konfigurasi aplikasi Azure Anda adalah nilai placeholder. Itu tidak pernah dikonfigurasi untuk proyek. Ketika aplikasi konten mencoba mulai, ia tidak dapat terhubung ke konfigurasi aplikasi, munculkan pengecualian, dan gagal mulai. Agen tidak hanya menemukan masalahnya, tetapi juga mengusulkan perbaikan. Buat penyimpanan konfigurasi aplikasi yang sebenarnya tetapkan variabel lingkungan dalam aplikasi konten, perbarui kode untuk membaca dari variabel lingkungan alih-alih placeholder yang dikodekan secara permanen, terapkan ulang, dan agen memandu Anda melalui setiap langkah, meminta izin sebelum membuat perubahan. Disinilah hal itu menjadi musam. Agen mengatur beberapa operasi Azure secara berurutan. Agen meminta Azure Resource Graph untuk menemukan aplikasi konten yang terkait dengan proyek Anda. Agen mengidentifikasi grup sumber daya. Agen membuat penyimpanan konfigurasi aplikasi dalam grup yang sama. Agen memperbarui aplikasi konten dengan variabel lingkungan baru. Ia membuat perubahan kode dalam proyek Anda. Ia memulai penerapan. Lalu ia memverifikasi titik akhir berfungsi. Seluruh beberapa menit, Agen menangani setiap operasi Azure, membaca sumber daya, membuat yang baru, memperbarui konfigurasi, memicu penerapan, memverifikasi hasil. Anda tidak menulis ataupun perintah jeli. Anda tidak menafigasi portal. Anda hanya menjelaskan masalah dan menjelaskan langkah. Artinya bagi Anda adalah pemecahan masalah yang rumit menjadi percakapan, bukan proses manual. Anda tidak perlu menjadi pakar Azure untuk meniagnosis dan memperbaiki masalah. Agen memberikan keahlian, Anda memberikan konteks dan persetujuan. Dan Anda dapat mencobanya sendiri dengan aplikasi. Anda tidak memerlukan izin khusus. Anda tidak perlu menjadi pengembang. Anda hanya memerlukan langgana asisten AI yang kompatibel dengan MCP. Bagaimana semuanya terhubung? Gambaran besar. Jadi sekarang Anda memahami bagian-bagian. MCP adalah protokol standar. Server Azure MCP adalah implementasi Microsoft. Dan layanan Azure adalah alat yang terhubung dengan ini. Namun nilai sebenarnya bukanlah bagian tunggal. Semuanya bekerja bersama melalui satu protokol. Seperti apa praktiknya? Bayangkan satu agen yang dapat meminta log monitor Azure memeriksa pengaturan konfigurasi aplikasi, membuat sumber daya baru, dan menyebarkan kode yang diperbarui semuanya dalam satu sesi. Itu bukan empat integrasi terpisah. Itu satu server MCP yang melakukan empat hal secara berurutan dengan konteks yang dibawa melalui setiap langkah. Output dari satu alat menjadi input untuk alat berikutnya. Status sesi membuat semuanya tetap terhubung. Ini menciptakan efek interaksi yang tidak Anda dapatkan dengan alat yang terisolasi. Agen membaca log, menemukan masalah konfigurasi, membuat perbaikan, dan menyebarkannya tanpa Anda harus menyalin informasi secara manual di antara langkah-langkah. Efek jaringan juga berlaku. Saat lebih banyak server MCP dibangun, setiap asisten AE mendapatkan akses ke lebih banyak kemampuan. Microsoft telah memiliki server MCP untuk Azure DevOps, Playwright, dan pemrosesan dokumen. Pihak ketiga juga membangunnya. Setiap server baru menambahkan alat yang dapat digunakan oleh agen yang kompatibel dengan MCP. Ekosistem tumbuh lebih berharga dengan setiap server yang ditambahkan. Sekarang mari kita lihat ke mana arahnya. Server Azure MCP sudah terintegrasi ke dalam Visual Studio 2026. Server Azure DevOps MCP sudah tersedia secara umum. Azure IP Management kini mendukung MCP sehingga perusahaan dapat mengatur dan mengamankan alat MCP mereka dengan cara yang sama seperti mereka mengatur IP mereka. Microsoft juga mengumumkan Agent Orchestrator di Build 2026. Layanan terkelolai yang menangani penyeimbangan beban, pemantauan kesehatan, dan atribusi biaya di ribuan agen. Pengguna awal melihat pengurangan biaya komputasi per agen sebesar 30 hingga 45 persen lalui perutean model yang jelas. Gambaran besar yang jelas. MCP menjadi lapisan integrasi universal untuk AI. Dan server Azure MCP adalah jalan masuk bagi pengguna Azure. Organisasi yang mengadopsi MCP sekarang akan dapat terhubung ke platform AI manapun tanpa membangun kembali integrasi mereka. Alat, data, model keamanan Anda, semuanya dapat diakses melalui satu protokol dari asisten AI manapun yang menggunakannya. Itulah pengetahuan penting untuk hari ini. MCP memberi agen AI cara standar untuk berbicara dengan alat dan server Azure MCP memberi mereka akses ke seluruh lingkungan Azure Anda. Jika Anda membangun dengan AI di Azure, mulailah menjelajahi MCP hari ini. Berlanggananlah di platform podcast favorit Anda dan bagikan ini dengan seseorang yang memulai perjalanan mereka. Berikan komentar jika ada yang menarik. Saya membaca semuanya. Saya Mirko Peters dan ini adalah episode lain dari Microsoft Knowledge Nuggets. Terima kasih.