Halo semuanya, dan selamat datang di episode lain dari Microsoft Knowledge Nuggets di sini di M365. FM, saya membawa acara Anda Mirko Peter. Hari ini kita akan membahas sesuatu yang sudah didengar oleh semua orang yang membangun dengan AI, tetapi hampir tidak ada yang bisa menjelaskannya dengan bahasa sederhana. Ini adalah protokol konteks model atau MCP. Pak Eony, Anda sedang di Teams dan Anda mengajukan pertanyaan sederhana kepada asisten AI Anda, seperti bagaimana status proyek Johnson. Dan dia menjawab, maaf, saya tidak bisa mengakses informasi itu. Terdengar akrak, AI itu cerdas, modelnya kuat, tetapi tidak bisa melihat data Anda. AI terputus dari sistem tempat pekerjaan Anda yang sebenarnya berada. Itulah masalah inti yang dipecahkan oleh MCP. Di akhir episode ini, Anda akan memahami apa sebenarnya MCP itu, mengapa hal ini penting bagi siapapun yang menggunakan Microsoft di M365, dan bagaimana hal itu mengubah apa yang bisa dilakukan AI untuk Anda. Kita akan membaginya menjadi blok-blok penyusun. Masalahnya, solusinya, cara kerjanya, dan apa artinya di dalam Microsoft. Jadi mari kita mulai dengan masalahnya, karena Anda mungkin pernah merasakannya sendiri. Masalahnya, setiap alat AI harus dibuat khusus. Sebelum MCP ada, jika Anda ingin asisten AI melakukan sesuatu yang berguna, menarik file, dari SharePoint mencari catatan pelanggan di Dynamics, Anda harus menulis kode khusus untuk masing-masingnya. Setiap koneksi, setiap sumber data, kode yang terpisah. Gini masalahnya. Setiap sistem menggunakan bahasa APN-nya sendiri. Kalender Anda menggunakan satu format, SharePoint menggunakan format lain, Dynamics menggunakan format yang berbeda lagi. Autentikasi berbeda, aturan berbeda, cara meminta data, dan mendapatkannya kembalipun berbeda. Jika Anda ingin ia, Anda berbicara dengan tiga sistem, Anda harus membangun tiga konektor khusus. Pikirkan dengan cara ini. Layangkan Anda berada di ruang tamu Anda dengan TV, stereo, dan lampu pintar. Masing dilengkapi dengan remote control sendiri, dan tidak satupun dari remote tersebut bekerja dengan perangkat lain. Anda memerlukan remote TV untuk TV, remote stereo untuk stereo, dan aplikasi terpisah untuk lampu. Seperti itulah pengembangan AI sebelum MCP. Setiap alat membutuhkan integrasi khususnya sendiri. Bagi pengguna Microsoft, ini sangat terasa nyata. Pikirkan tentang apa yang ingin dilakukan co-pilot saat Anda mengajukan pertanyaan. AI mungkin memeriksa kalender exchange Anda untuk rapat membaca email terbaru dari klien tertentu, atau mencari catatan pelanggan di Dynamics. Itu adalah tiga koneksi API yang berbeda, tiga integrasi terpisah, masing-masing memerlukan pekerjaan pengembangan khusus. Hasilnya, kebanyakan alat AI mengambil jalan pintas dan tetap bersifat umum. Anda bertanya tentang pekerjaan Anda sendiri, dan AI akan menjawab, saya tidak bisa mengakses data ini, atau Anda perlu mengonfigurasi koneksi terlebih dahulu. Integrasi nyata berarti pengembangan custom yang mahal, dan sebagian besar organisasi tidak pernah mencapai. Nah, ini bagian kuncinya. Model bahasa besar itu sendiri sangatlah kuat. Ia bisa menalar, meringkas, membuat, dan menganalisis, tetapi tanpa akses ke data Anda yang sebenarnya, ia buta. Ibarat memiliki asisten terpintar di dunia yang terkunci di ruangan tanpa jendela, mereka bisa berpikir dengan brilian, tetapi tidak bisa membantu Anda dengan hal nyata. Solusinya, MCB sebagai konektor universal. Jadi, bagaimana jika ada satu konektor universal? Satu cara standar untuk menghubungkan AI, apapun ke sumber data manapun, tanpa menulis kode kustom untuk setiap koneksi. Begini, itulah yang dilakukan protokol kontek model, disingkat MCP. Antropic, perusahaan di balik cloud, memperkenalkannya pada akhir 2024 dan langsung populer. MCP adalah standar terbuka yang mendefinisikan satu cara konsisten bagi aplikasi AI untuk berkomunikasi, untuk berkomunikasi dengan alat dan sumber data. Anggap saja seperti USB-C. Sebelum USB-C, setiap rangkat membutuhkan kabel khusus. Ponsel Anda menggunakan satu jenis laptop Anda yang lain dan headphone Anda yang ketiga. Anda punya laci penuh kabel yang tidak pernah bisa menukar yang tepat. Lalu USB-C muncul, satu kabel, satu standar, dan semuanya langsung berfungsi. MCP melakukan hal yang sama untuk koneksi AI. Satu protokol bekerja untuk basis data, sistem file, API web, dan ya bahkan layanan Microsoft. Alih-alih membangun konektor kustom untuk setiap sumber data Anda membangun satu server MCP dan aplikasi AI apapun yang kompatibel bisa menggunakannya. Adopsi terjadi dengan cepat. Dalam beberapa bulan, ribuan server MCP siapak yang muncul untuk Google Drive, GitHub, Slack, dan basis data seperti PostgreSQL dan SQLite. Dan bagi pengguna Microsoft disinilah hal ini menjadi sangat menarik. Alat AI Anda sekarang dapat terhubung ke SharePoint, Exchange, dan Power Platform semuanya melalui antarmuka standar yang sama. Intinya Anda tidak perlu lagi mempunyai koneksi kustom. Anda cukup terhubung ke MCP, satu protokol, sumber data apapun, aplikasi AI apapun. Itulah keajaibannya. Arsitekturnya, host, client, dan server. Jadi bagaimana cara kerjanya dibalik layar? Izin kasih. MCP menggunakan pengaturan tiga bagian yang sederhana, host, client, dan server. Setelah Anda memahami ketiga bagian itu, semuanya akan terasa masuk akal. Host adalah aplikasi AI yang sebenarnya Anda gunakan. Itu bisa berupa copilot di Microsoft 365, cloud desktop, atau agen kustom yang Anda bangun sendiri. Host adalah tempat Anda mengajukan pertanyaan. Ini yang menghadap pengguna. Di dalam host tersebut terdapat sesuatu yang disebut client MCP. Ini adalah bagian yang menggunakan protokol MCP. Anda tidak melihat atau berinteraksi secara langsung, tetapi inilah penerjemahnya, komponen yang tahu cara berkomunikasi dengan server MCP. Kemudian ada server. Server MCP adalah program ringan yang berada di antara aplikasi AI Anda dan sumber data Anda yang sebenarnya, daya yang sebenarnya. Server ini menampilkan alat dan sumber daya yang dapat digunakan AI. Server tahu cara menjangkau situs SharePoint kotak surat ekstrim dan basis data dynamics Anda. AI tidak perlu mengetahui detail tersebut. Ia berkomunikasi dengan server. Beginilah cara data mengalir. Saat Anda mengajukan pertanyaan kepada AI, permintaan tersebut masuk dari host ke client MCP. Klient mengirimkan pesan melalui protokol MCP ke server. Server mengakses sumber data Anda, mengambil yang Anda butuhkan, dan mengirimkannya kembali. Host ke klien, ke protokol, ke server, ke data Anda. Bersih, sederhana, dan terstandarisasi. Bayangkan seperti suara setelah. Host adalah Anda yang sedang duduk di meja. AI MCP adalah pelayan yang mencatat pesanan Anda dan membawanya ke dapur. Dan server MCP adalah dapurnya sendiri. Anda tidak perlu tahu bagaimana cara kerja reporter. Anda cukup memberitahu pelayan apa yang Anda inginkan dan makalan pun. Satu host dapat terhubung ke beberapa server sekaligus. Jadi, AI Anda di Teams dapat menjangkau dokumen SharePoint, kalender exchange, dan catatan dinamics Anda dalam satu percakapan. Komunikasi antara klien dan server menggunakan sesuatu yang disebut JSON-RPC. Hanya cara yang ringan dan terstandarisasi untuk mengirim pesan bolapan. Tanpa beban berlebih tanpa pengaturan khusus. Apa isi server MCP alat, sumber daya, dan perintah prompt? Jadi, apa yang sebenarnya diberikan server MCP kepada AI saat mereka teruk? Tiga hal, alat, sumber daya, dan templat perintah. Anggaplah ini sebagai perangkat yang digunakan AI saat perlu menyelesaikan sesuatu. Mari kita bahas yang sederhana. Pertama, alat. Alat-alat tindakan yang dapat dilakukan AI yang benar-benar mengubah sesuatu di dunia. Sebuah alat dapat mencari basis data, mengirim email, atau dokumen. Setiap kali AI menggunakan alat, sesuatu akan terjadi. File disimpan, pesan dikirim, catatan, diperbarui. Alat adalah kata kerja no system. Alat inilah yang membuat sekaliannya. Sekarang sumber daya. Sumber daya adalah informasi hanya baca yang dapat dilihat oleh AI. Sumber daya bisa berupa daftar pelanggan dari Dynamics, dokumen kebijakan di SharePoint, atau catatan rapat dari Teams. AI dapat membaca, menganalisis, dan merujuknya, tetapi tidak bisa mengubahnya secara langsung melalui sumber daya. Sumber daya hanya memberikan konteks yang dibutuhkan AI untuk bekerja lebih cepat. Kemudian ada templat perintah. Ini adalah instruksi bawaannya. Emang hematlah Tuhan. Alih-alih menyusun perintah yang sempurna setiap saat server memberikan Anda perintah yang sudah dioptimalkan. Misalnya, server MCP SharePoint mungkin menyertakan templat untuk meringkas isi folder. Anda cukup mengatakan ringkas folder ini, dan templat tersebut menangani sisanya. Ini seperti memiliki pintasan khusus untuk hal-hal yang sering Anda lakukan. Berikut contoh konkret untuk menyatukan semua. Bayangkan server MCP SharePoint. Server ini menawarkan alat bernama cari dokumen yang menemukan file berdasarkan kata kunci. Server ini menawarkan sumber daya bernama daftar situs, yang memberikan akses baca saja ke semua situs SharePoint yang tersedia. Dan server ini menyertakan templat perintah bernama ringkas isi folder, yang memberi tahu AI cara menyajikan ringkasan yang rapi. Semua yang dibutuhkan AI untuk membantu Anda dengan SharePoint ada di satu tempat. Nah, ini bagi yang menarik. AI menemukan semua ini secara otomatis saat terhubung ke server. Tidak perlu pemrograman awal. Server pada dasarnya memperkenalkan dirinya sendiri. Inilah alat, sumber daya, dan templat perintah saya. Dan AI mencari tahu cara menggunakannya. Itulah yang membuat MCP hebat. Server memberi tahu AI apa saja yang mungkin, dan AI menangani sisanya. Ini ada sistem sekandiri. Ketiga kategori ini bekerja sama, sehingga AI memiliki gambaran lengkap tentang apa yang bisa dilakukannya. MCP bertemu Microsoft yang sudah ada di sini. Jadi mari kita bawa ini ke dunia Microsoft. Di sinilah hal ini menjadi nyata bagi siapapun yang menggunakan Microsoft 365 atau Azure. Mari kita luruskan mitosum besar. Beberapa orang berpikir MCP hanyalah eksperimen sampingan bagi Microsoft. Ini adalah strategis. Anda bisa melihatnya dengan jelas di Azure AI Engine Service. Jika Anda membangun EGNA Custom di Azure, Anda sekarang dapat menambahkan server MCP jarak jauh langsung dari dalam Azure AI Foundry. Anda mengonfigurasi label server, URL, dan header autentikasi opsional, dan agen Anda dapat mulai memanggil alat dari server tersebut. Dokumentasi Microsoft sendiri menyebutnya sebagai integrasi kelas 1. Itu bukan bahasa untuk proyek sampingan. Namun di dalam deskadar Azure, Microsoft telah menerbitkan referensi server MCP resmi untuk power platform, termasuk power automate, power apps, dan bahkan proses mining. Ini bukan proyek komunitas. Ini langsung dari Microsoft. Ambil contoh server MCP power app. Ini mencakup alat yang disebut invoke data entry. Ini masih dalam prakteknya. AI dapat mengambil input tidak terstruktur, seperti email, pesan obrolan, atau dokumen hasil pindai, lalu mengubahnya menjadi catatan terstruktur di Dataverse. AI mengusulkan catatan tersebut dan Anda menjujui. Terlibatan manusia sudah terlintik-terlintik. Server MCP power automate membawa hal ini lebih jauh lagi. Anda mendeskripsikan alur kerja dalam bahasa yang sederhana. Contohnya, saat email baru tiba dengan subjek mendesak buat tugas di planner dan beritahu manajer saya, AI membangun alur tersebut untuk Anda. Tidak perlu menarik dan melepas karakter. Tidak perlu mencari pemicu. Cukup deskripsikan apa yang Anda inginkan dan server MCP menajumahkannya menjadi otomatisasi yang nyata. Microsoft juga telah memperlihatkan server MCP untuk konten Microsoft Learn. Bayangkan agen AI yang menanyakan seluruh pustaka dokumentasi Microsoft sebagai sumber daya. Bukan dengan mengambil data web, melainkan melalui server MCP terstruktur yang menyajikan dokumentasi sebagai data terstruktur. Hal itu sudah berfungsi saat ini. Inilah arah tujuan alat dalam Microsoft Anda. Alat tersebut kini dapat diakses oleh MCP sejak dari rencana. Platform ini semakin terbuka. Dan seiring berjalannya, waktu pengalaman Microsoft 365 Anda akan menjadi semakin cerdas. Integrasi ini sedang terjadi sekarang dan sudah terpasang di fondasinya. MCP bukan hanya untuk pengembang. Ini untuk siapa saja yang menggunakan Microsoft 365 dan ingin AI mereka bekerja secara mulus dengan data mereka. Sekarang rinyata, AI yang akhirnya benar-benar berfungsi. Jadi seperti apa ini sebenarnya dalam praktek? Ijinkan saya memandu Anda melalui contohnya. Anda sedang berada di Microsoft Teams dan Anda mengetik ini ke Co-Pilot. Bagaimana status proyek ACME dan siapa yang terlambat menyelesaikan tugas mereka? Anda menekan enter. Kini, di balik layar, terjadi sesuatu yang berbeda dari tahun lalu. Asisten AI Anda terhubung ke server MCP yang ditautkan ke proyek online atau planner. Server tersebut mengiklankan alat yang dapat digunakannya, seperti daftar tugas, mendapatkan status tugas, memiksa penugasan, dan mendapatkan dinimasa proyek. AI tidak perlu dibimbing di sini. Ia menemukan alat-alat tersebut secara otomatis karena server benar-benar mengatakan inilah yang bisa saya lakukan. Dan AI menjawab, bagus, saya akan menggunakannya. Tidak ada yang perlu mengatakan, hey, lihat titik akhir api ini dulu. Itu langsung berfungsi. Jadi, AI memanggil alat daftar tugas, lalu mendapatkan status tugas untuk setiap tugas untuk setiap tugas, kemudian meriksa penugasan. Server MCP menangani semua autentikasi dan pengambilan data di balik layar. Beberapa detik kemudian, AI kembali dengan respons yang rapi. Proyek ACME berjalan cana. Ada tiga tugas yang terlambat, semuanya ditugaskan kepada SAR. Apakah Anda ingin saya mengiriminya pengingat? Inilah hal yang penting. Tidak ada kode khusus yang ditulis untuk query. Tidak ada pengembang yang menghabiskan dua minggu membangun konektor antara copilot dan proyek online. Server MCP menangani seluruh integrasi tersebut. Satu server, satu protokol standar, dan AI tahu persis cara menggunakannya. Sekarang mari kita bawa lebih jauh. Setelah mendapatkan status proyek, Anda bertanya, periksa kalender saya untuk rapat dengan SAR besok dan buat draft pembaruan status berdasarkan apa yang sedang terjadi. AI menggunakan server MCP Exchange untuk memeriksa kalender Anda, mencari email terkait melalui server yang sama, lalu memanggil server MCP World untuk membuat draft pembaruan. Satu percakapan, berbagai sumber data, nol pengembangan khusus. Itulah momen aha dengan MCP. Ini membuat AI berguna di dalam lingkungan kerja Anda yang sebenarnya bukan hanya chatbot generik yang hanya bisa menjawab pertanyaan umum, tetapi asisten yang melihat data Anda, memahami konteks Anda, dan mengambil tindakan melalui satu standar sederhana. Keamanan menjaga data Anda tetap aman. Semua fleksibilitas itu menimbulkan pertanyaan besar. Jika AI Anda tiba-tiba dapat menjangkau SharePoint, Exchange, dan Dynamics melalui MCP, bagaimana Anda mencegah data itu tetap aman? Beri kejawaban singkat. MCP seaman yang Anda buat? Protokol ini tidak melewati langkah-langkah keamanan Anda yang sudah ada. Protokol ini bekerja bersama. MCP mendukung OAU 231, standar autentikasi industri yang sama yang melindungi login Microsoft Anda. Saat server MCP memerlukan autentikasi, klien AI Anda harus membuktikan bahwa ia diotorisasi sebelum dapat mengakses data apapun. Layanan dapat menggunakan header autentikasi, kunci API, atau akses berbasis token. Pola yang sama yang sudah Anda gunakan untuk mengamalkan API. Namun ada lapisan tambahan yang sangat penting untuk penggunaan perusahaan. AI harus meminta izin terlebih dahulu sebelum benar-benar dapat menjalankan pencarian, mengirim pesan, atau mengubah catatan, atau mengubah catat. Ia meminta Anda. Anda melihat permintaan tersebut langsung diantar muka obra. Anda meninjau apa yang akan dilakukan alat tersebut, lalu Anda menyetujui atau enak. Itu berarti tidak ada alat yang dipanggil tanpa persetujuan eksplisitan. AI Anda dapat menyarankan tindakan, tetapi tidak dapat mengeksekusinya tanpa Anda mengatahkannya. Itu adalah jaring pengaman yang baik. Satu hal yang harus jelas padai. Ribuan server MCP publik tersedia, dan tidak semuanya, dapat dipercaya. Ada registri publik tempat siapapun dapat mempublikasikan server. Beberapa sangat bagus, beberapa tidak. Tanggung jawab ada pada Anda untuk menggunakan server yang Anda percaya. Di lingkungan Microsoft, Anda memiliki keunggulan. Server MCP Anda dapat menggunakan kontrol identitas dan akses yang sama dengan layanan Microsoft Anda yang sudah ada. Jika pengguna tidak memiliki izin untuk membaca pustaka dokumen SharePoint, server MCP tidak dapat melampaui. Server tersebut mewarisi batasan autentikasi, kebijakan, dan tata kelola yang sama. Memulai pengalaman MCP pertama Anda. Jadi Anda sudah yakin dan ingin mencobanya sendiri. Dari mana Anda memulai? Cara termudah adalah dengan memilih host yang kompatibel dengan MCP. Cloud Desktop memiliki dukungan MCP bawaan dan GitHub Copilot juga berfungsi. Keduanya mungkinkan Anda menghubungkan server hampir tanpa pengaturan. Selanjutnya, periksa registri MCP publik. Terdapat ribuan server siap pakai untuk layanan seperti Google Drive, Slack, basis data, sistem berkas, dan ya layanan Microsoft juga. Dan jika Anda pengguna Microsoft, mulailah dengan referensi server MCP Microsoft sendiri untuk power platform. Pengaturannya sederhana. Kebanyakan host menggunakan file JSON tempat Anda mencantumkan server Anda. Anda memberi nama pada masing-masing server, menyediakan perlinta atau URL untuk mengaksesnya dan mengonfigurasi kredensial autentikasi. Selesai, dan host akan menangani sisanya. Tidak perlu coding untuk penggunaan dasar, jadi Anda tidak harus menjadi pengembang atau menulis kode integrasi apapun. Cukup konfigurasikan file JSON dan tiba-tiba AI Anda dapat mengakses data yang sebelumnya tidak bisa disediakan. File JSON seperti file konfigurasi yang memberitahu host Anda server mana yang harus dihubungkan. Anggaplah MCP sebagai penerjemah universal untuk AI Anda. Alih-alih mempelajari bahasa berbeda untuk setiap layanan, AI cukup menggunakan satu protokol. Mulailah dari yang kecil dengan menghubungkan satu sumber data seperti kalender Anda melalui server exchange. MCP lalu ajukan pertanyaan kepada AI tentang jadwal Anda dan lihat bagaimana ia menemukan alat yang tersedia. Uci persetujuan human in the loop, yang berarti Anda dapat menyetujui setiap tindakan sebelum AI melakukannya. Hal itu membuat Anda tetap memegang kemampuan. Pastikan Anda memahami model keamanan sebelum melakukan ekspansi. Setelah Anda merasa nyaman, kembangkan dengan menambahkan server lain untuk kustaka dokumen Anda, lalu sistem manajemen tugasan. Setiap server menambahkan kemampuan baru dan masing-masing mengikuti protokol yang sama. Jika Anda ingin membangun server MCP sendiri, mungkin untuk mengekspos aplikasi bisnis khusus atau basis data internal Azure Functions dari Microsoft sangat cocok sebagai backend. Anda membungkus API atau sumber data yang sudah ada ke dalam server MCP hanya dengan beberapa baris kode. Polanya sederhana. Expose alat sebagai fungsi, expose data sebagai sumber daya dan biarkan protokol menangani sisanya. Ini adalah cara langsung untuk memberikan akses AI Anda ke sumber data Anda sendiri. Jadi itulah model konteks protokol. Satu standar yang akhirnya memungkinkan alat AI menjangkau data nyata Anda. File SharePoint, Calendar Exchange, dan catatan dinamis Anda. Sebelum ada MCP, Anda harus membangun koneksi khusus untuk setiap sistem. Sekarang Anda cukup gunakan satu protokol dan AI Anda bisa terhubung ke semuanya. AI menjadi berguna di dalam lingkungan kerja Anda yang sebenarnya. Ini bukan sekadar kemudahan, ini mengubah cara Anda bekerja dengan AI. Mulailah dengan satu server MCP, hubungkan satu sumber data, dan lihat perbedaannya. Jika ini bermanfaat, bagikan kepada rekan yang kesulitan karena AI tidak bisa mengakses data mereka. Berlanggananlah untuk mendapatkan lebih banyak tips bermanfaat seperti ini. Saya Mirko Peter, sampai jumpa di episode berikutnya. Terima kasih.