Panduan Model Context Protocol (MCP)

TL;DR — MCP (Model Context Protocol) adalah sebuah standar cara untuk AI apps seperti Claude atau ChatGPT untuk plug ke di luar alat dan data — Anda files, sebuah database, sebuah penelusuran API — karena itu sebuah AI agent dapat sebenarnya gunakan them. -nya creators panggil ini “a USB-C port for AI applications.” (terjemahan) “sebuah USB-C port untuk AI applications.” ini adalah bukan yang sama sebagai llms.txt (sebuah statis file itu hanya lists halaman), dan ini isn’t sebuah Google peringkat factor.

apa MCP adalah, di satu kalimat

Model Context Protocol adalah sebuah open protocol untuk connecting AI applications untuk external data sources dan alat. Evidence for this claim Model Context Protocol is an open protocol for connecting AI applications to external systems. Scope: The MCP specification and official documentation; individual host and server implementations vary. Confidence: high · Verified: 2026-07-14 MCP: Introduction -nya architecture defines hosts, clients, dan server plus server primitives including resources, prompts, dan alat. Evidence for this claim MCP defines host, client, and server roles and server primitives including resources, prompts, and tools. Scope: Current MCP architecture; negotiated capabilities determine which features a connection supports. Confidence: high · Verified: 2026-07-14 MCP: Architecture

Model Context Protocol adalah sebuah open standar itu lets AI applications connect untuk external alat dan data sources melalui satu umum plug, alih-alih sebuah custom integration untuk setiap combination. Anthropic — company behind Claude — dibuat ini dan released ini sebagai open sumber di November 2024.

analogy everyone menggunakan (including Anthropic) adalah sebuah USB-C port untuk AI. sebelum USB-C, setiap device memiliki -nya sendiri connector. MCP adalah trying untuk menjadi satu connector itu apa pun AI app dan apa pun alat atau data sumber dapat agree pada.

mengapa ini penting right now

Anda’re mungkin hearing “MCP” (terjemahan) “MCP” karena surge di AI agents — AI itu doesn’t hanya jawaban sebuah pertanyaan tetapi membuka dan melakukan sesuatu: looks up Anda calendar, kueri sebuah database, files sebuah ticket, memeriksa sebuah product’s live price. untuk sebuah agent untuk melakukan apa pun dari itu, ini perlu sebuah reliable cara untuk gunakan di luar world. itu’s apa MCP menyediakan.

Ahrefs, Dalam panduan untuk agentic SEO, puts poin bluntly:

“MCP (Model Context Protocol) adalah bagaimana Anda agent reaches the di luar world. ini’s the standar plug itu connects an agent to data dan actions.” (terjemahan) “MCP (Model Context Protocol) adalah bagaimana Anda agent reaches di luar world. ini adalah standar plug itu connects sebuah agent untuk data dan tindakan.”

dan, memorably:

“tanpa MCPs, Anda agent adalah just a chatbot dengan opinions.” (terjemahan) “tanpa MCPs, Anda agent adalah hanya sebuah chatbot dengan opinions.”

bagian people mendapatkan confused tentang

MCP adalah bukan llms.txt. ini situs memiliki sebuah terpisah llms.txt explainer, dan pendek versi adalah: llms.txt adalah sebuah statis file Anda put di situs Anda itu lists halaman untuk sebuah AI untuk dibaca — sebuah satu-cara pointer. MCP adalah sebuah live protocol itu lets sebuah AI agent panggil functions, pull data, dan take tindakan di nyata time. satu adalah sebuah map; lainnya adalah sebuah set dari controls.

dan setting up sebuah MCP server won’t boost Anda rankings. There’s tidak evidence MCP adalah sebuah penelusuran atau AI-jawaban sinyal peringkat. apa ini dapat melakukan adalah membuat Anda data dan alat usable oleh agents performing tasks. itu’s sebuah nyata dan growing gunakan case — tetapi ini adalah sebuah berbeda hal dari showing up di hasil pencarian atau getting cited di sebuah AI jawaban.

ingin architecture, riwayat, security caveats, dan di mana ini touches SEO workflows? Beralihlah ke lanjutan tab.

TL;DR — MCP adalah sebuah open, JSON-RPC-based protocol (Anthropic, open-sourced Nov 25, 2024) untuk connecting AI applications untuk external alat dan data. ini berjalan host → client → server, dengan server exposing alat, resources, dan prompts. ini solves N×M integration masalah (turn ini ke N+M). ini adalah sebuah protocol, bukan “function calling,” (terjemahan) “function calling,” dan bukan llms.txt. OpenAI adopted ini di March 2025; Anthropic donated ini untuk Linux Foundation’s Agentic AI Foundation di Dec 2025. ada tidak Google/Bing “MCP for SEO” (terjemahan) “MCP untuk SEO” panduan — exposing sebuah MCP server menyajikan agents doing tasks, bukan penelusuran visibilitas — dan ini carries nyata, unresolved prompt-injection dan alat-poisoning risks.

masalah MCP solves

MCP menstandardkan batas komunikasi antara host AI dan kapabilitas eksternal; protokol ini tidak otomatis membuat data yang terhubung dapat dipercaya atau mengotorisasi setiap tindakan. Evidence for this claim Model Context Protocol is an open protocol for connecting AI applications to external systems. Scope: The MCP specification and official documentation; individual host and server implementations vary. Confidence: high · Verified: 2026-07-14 MCP: Introduction Spesifikasi menetapkan peran berbeda untuk host, klien, dan server serta mendokumentasikan negosiasi kapabilitas. Evidence for this claim MCP defines host, client, and server roles and server primitives including resources, prompts, and tools. Scope: Current MCP architecture; negotiated capabilities determine which features a connection supports. Confidence: high · Verified: 2026-07-14 MCP: Architecture

sebelum MCP, wiring sebuah AI application untuk sebuah data sumber dimaksudkan sebuah bespoke integration untuk itu spesifik pairing. Connect N AI apps untuk M alat dan Anda’re pada hook untuk roughly N×M custom integrations — combinatorics mendapatkan ugly fast. MCP standardizes interface karena itu setiap app implements MCP setelah dan setiap alat implements MCP setelah, collapsing masalah untuk N+M. ini adalah yang sama argument itu dibuat protocols seperti HTTP atau Language server Protocol layak having.

di launch, Block CTO framed “mengapa” (terjemahan) “mengapa” ini cara:

“Open technologies like the Model Context Protocol are the bridges that connect AI to real-world applications, ensuring innovation is accessible, transparent, and rooted in collaboration.” (terjemahan) “Teknologi terbuka seperti Model Context Protocol adalah jembatan yang menghubungkan AI dengan aplikasi dunia nyata, sehingga inovasi dapat diakses, transparan, dan berakar pada kolaborasi.”

architecture: host, client, server

MCP berjalan pada sebuah host–client–server model. Three roles:

• host — AI application sendiri (Claude desktop, Claude kode, sebuah IDE-based coding agent, sebuah chat app dengan connectors).
• Client — host spins up satu MCP client per server ini connects untuk. client manages itu satu connection.
• server — sebuah program itu exposes beberapa capability atau data. satu server mungkin wrap Anda file sistem; lainnya Anda database; lainnya sebuah web-penelusuran API.

Host dapat terhubung ke banyak server sekaligus, masing-masing melalui kliennya sendiri. Server lokal biasanya berkomunikasi lewat STDIO (masukan/keluaran standar, satu klien); server jarak jauh biasanya memakai Streamable HTTP (banyak klien), dengan OAuth untuk penerapan yang membutuhkan otorisasi terdelegasi. Di baliknya, MCP memakai JSON-RPC 2.0. Inti 2026-07-28 saat ini bersifat tanpa status: versi protokol, metadata klien, metode, dan nama alat/sumber daya/prompt yang berlaku dikirim bersama setiap permintaan, sedangkan server/discover menampilkan versi modern dan kapabilitas yang didukung server. Hasil penemuan dan daftar yang dapat disimpan dalam cache dapat menerbitkan petunjuk ttlMs dan cacheScope. Klien era 2025 yang lebih lama masih memakai jabat tangan inisialisasi dan mungkin memakai sesi Streamable HTTP, sehingga server produksi umumnya perlu mendukung kedua era selama transisi. Catatan rilis 2026-07-28 dan panduan migrasi SDK TypeScript membatasi perilaku ini pada revisi protokol tersebut dan jalur kompatibilitasnya.

three server primitives

setiap MCP server exposes -nya capabilities melalui three core membangun blocks:

• alat — executable functions agent dapat panggil untuk melakukan sesuatu (run sebuah kueri, kirim message, fetch sebuah live price).
• Resources — contextual data agent dapat dibaca (sebuah file, sebuah database record, sebuah API respons).
• Prompts — reusable interaction templates itu package sebuah umum workflow.

setiap primitive jenis memiliki -nya sendiri penemuan, dibaca, dan eksekusi semantics, dan mereka aren’t interchangeable — sebuah client lists apa’s available dengan sebuah */list panggil (tools/list, resources/list, prompts/list), lalu dibaca atau invokes sebuah spesifik satu oleh name (tools/call untuk run sebuah alat; sebuah get/read style panggil untuk sebuah resource atau prompt). Treating setiap server capability sebagai “a tool” (terjemahan) “sebuah alat” glosses di atas itu sebuah resource adalah dimaksudkan untuk menjadi dibaca, bukan dijalankan, dan sebuah prompt adalah sebuah template untuk insert, bukan sebuah tindakan untuk run.

Ekstensi kini menjadi jalur resmi bagi kapabilitas di luar inti. MCP Apps dapat melampirkan antarmuka yang dirender server pada hasil alat, sedangkan Tasks berpindah dari bentuk inti eksperimental menjadi ekstensi untuk pekerjaan tahan lama yang berjalan panjang. Revisi 2026-07-28 juga menghentikan roots, sampling, dan logging dari inti. Alat, sumber daya, dan prompt tetap menjadi primitif sisi server yang perlu dipahami lebih dahulu; dukungan untuk satu primitif atau ekstensi tidak pernah berarti semuanya didukung. Catatan rilis 2026-07-28 menjelaskan perubahan ekstensi dan penghentian tersebut.

MCP vs llms.txt vs function calling vs WebMCP

ini four mendapatkan conflated constantly. Keeping them apart adalah sebagian besar dari nilai dari ini halaman:

dua distinctions layak spelling out:

• MCP adalah bukan “function calling.” (terjemahan) “function calling.” Function calling adalah sebuah model-tingkat fitur: sebuah model adalah told yang mana functions exist dan picks satu untuk panggil. MCP adalah cross-vendor protocol itu standardizes bagaimana alat dan data mendapatkan ditemukan, described, dan invoked di seluruh banyak apps dan banyak server, independent dari apa pun single model. MCP server sering menerapkan mereka alat menggunakan function-calling-style definitions — tetapi MCP adalah interoperability layer pada top, bukan sebuah synonym.
• WebMCP adalah bukan MCP. WebMCP adalah sebuah terpisah, browser-native proposal itu menggunakan MCP-seperti concepts untuk expose sebuah spesifik situs web’s functionality — tambahkan-untuk-cart, checkout, form submission — untuk sebuah agent sudah di browser. MCP adalah broader, older protocol untuk connecting AI applications untuk external alat dan data di umum. untuk identity/penemuan side dari ini sama landscape, melihat llms.txt artikel, plus entity SEO dan schema markup untuk AI.

sebuah brief timeline

• 25 November 2024 — Anthropic membuka sumber MCP, bersama mitra awal dan server siap pakai (Google Drive, Slack, GitHub, Git, Postgres, dan lainnya).
• 26 Maret 2025 — OpenAI mengumumkan adopsi MCP, dengan dukungan yang akan hadir di Agents SDK, lalu aplikasi desktop ChatGPT dan Responses API. Google DeepMind juga bergerak mendukungnya. Pada titik ini MCP berubah dari proyek Anthropic menjadi standar industri de facto.
• 9 Desember 2025 — Anthropic menyumbangkan MCP kepada Agentic AI Foundation (AAIF) yang baru dibentuk, sebuah dana terarah di bawah Linux Foundation yang didirikan bersama Block dan OpenAI serta didukung vendor besar lain. Tujuannya secara eksplisit menjaga protokol tetap terbuka, netral terhadap vendor, dan tidak dimiliki satu perusahaan.
• 28 Juli 2026 — revisi protokol terbesar sejak peluncuran menghadirkan inti tanpa status, ekstensi kelas utama, metadata perutean dan cache, penguatan otorisasi, serta kebijakan penghentian resmi. Catatan rilis

adalah MCP sebuah Google atau Bing peringkat factor?

tidak — dan ini adalah penting untuk say karena itu plainly. Google memiliki bukan issued formal penelusuran Central panduan pada MCP. tidak ada “MCP for SEO” (terjemahan) “MCP untuk SEO” document dari Google penelusuran Central, tidak penelusuran Off Record episode, tidak penelusuran Essentials halaman addressing ini. apa exists adalah sebuah umum Google Cloud explainer aimed di pengembang, yang mana adalah sebuah vendor overview, bukan sebuah peringkat-sinyal document.

pada Microsoft side, gambaran adalah serupa: Microsoft memiliki adopted MCP heavily sebagai sebuah platform vendor — ini documents MCP pada Windows, maintains sebuah catalog dari MCP server, dan partnered dengan Anthropic pada official C# SDK. tetapi itu’s infrastructure mendukung, bukan Bing Webmaster Guidelines telling Anda MCP affects penelusuran rankings. ini doesn’t.

closest hal untuk sebuah official Google sinyal di SEO-adjacent territory adalah WebMCP (again: bukan MCP sendiri). Commenting di sebuah discussion tentang llms.txt, Google’s John Mueller menyatakan he prefers WebMCP approach karena ini memiliki concrete, well-scoped goals:

“I like the WebMCP approach, as well as the commerce integrations – they have clear goals & processes: ‘Given the agent is already on your site, how can it properly do task X?’ (for example, determine the final price of a product, including all fees & potential discounts).” (terjemahan) “Saya menyukai pendekatan WebMCP serta integrasi perdagangan karena tujuan dan prosesnya jelas: ‘Jika agen sudah berada di situs Anda, bagaimana agen dapat menjalankan tugas X dengan benar?’ Misalnya, menentukan harga akhir produk, termasuk seluruh biaya dan kemungkinan diskon.”

karena itu: honest jawaban untuk “melakukan MCP help saya SEO?” (terjemahan) “melakukan MCP help saya SEO?” adalah itu exposing sebuah MCP server dapat membuat Anda data dan tindakan usable oleh agents doing tasks, yang mana adalah sebuah genuinely berbeda nilai proposition dari penelusuran atau AI-jawaban visibilitas. Don’t file ini di bawah peringkat factors.

bagaimana MCP menampilkan up di SEO dan marketing workflows

di mana MCP melakukan touch kami world today adalah pada practitioner side — letting AI agents kueri alat kami sudah gunakan:

• Ahrefs memiliki sebuah MCP connector, letting sebuah AI agent pull Ahrefs data directly alih-alih Anda exporting dan pasting ini. Ahrefs’ sendiri agentic SEO guide walks melalui ini (itu piece adalah oleh Mateusz Makosiewicz, reviewed oleh Ryan Law — bukan me).
• Google penelusuran Console MCP server exist di ecosystem karena itu sebuah agent dapat dibaca Anda GSC performa data sebagai bagian dari sebuah workflow.
• sebuah Bing penelusuran MCP server exposes Bing web/news/pencarian gambar sebagai alat sebuah agent dapat panggil.

mental model: MCP adalah “seharusnya we build an API?” (terjemahan) “seharusnya kami bangun sebuah API?” pertanyaan dari agent era. Exposing Anda data melalui sebuah MCP server adalah tentang membuat ini actionable oleh agents, bukan tentang peringkat. jika Anda audience increasingly berfungsi melalui agents, itu usability dapat penting — tetapi treat ini sebagai sebuah distribution/integration decision, bukan sebuah SEO satu. ini adalah “capability/action” (terjemahan) “capability/tindakan” bet, di mana llms.txt adalah “identity/discovery” (terjemahan) “identity/penemuan” bet.

Security: nyata, unresolved risks

Don’t assume MCP adalah safe hanya karena ini adalah sebuah open standar dari sebuah reputable company. moment Anda memberikan sebuah AI agent alat itu dapat act dan expose ini untuk untrusted input, Anda’ve opened sebuah attack surface. Simon Willison — satu dari lebih credible independent voices pada LLM tooling dan security — laid ini out:

“Any time you mix together tools that can perform actions on the user’s behalf with exposure to potentially untrusted input you’re effectively allowing attackers to make those tools do whatever they want.” (terjemahan) “Setiap kali alat yang dapat bertindak atas nama pengguna digabungkan dengan paparan terhadap masukan yang mungkin tidak tepercaya, Anda pada dasarnya memungkinkan penyerang membuat alat tersebut melakukan apa pun yang mereka inginkan.”

He’s careful untuk note ini isn’t sebuah flaw unique untuk MCP:

“ini vulnerabilities adalah bukan inherent to the MCP protocol sendiri—they’re present apa pun time we provide tools to an LLM itu dapat potentially menjadi exposed to untrusted inputs.” (terjemahan) “ini vulnerabilities adalah bukan inherent untuk MCP protocol sendiri—mereka’re present apa pun time kami menyediakan alat untuk sebuah LLM itu dapat potentially menjadi exposed untuk untrusted inputs.”

didokumentasikan risks di MCP context sertakan prompt injection, alat poisoning (malicious instructions hidden di sebuah alat’s deskripsi), dan “rug pulls” (terjemahan) “rug pulls” (sebuah alat itu perubahan perilaku setelah Anda’ve installed ini). sebagai dari ini writing ini adalah live issues, bukan solved ones — karena itu jika Anda’re deploying atau connecting MCP server, treat them seperti apa pun lainnya untrusted integration: least privilege, human approval untuk consequential tindakan, dan care tentang yang mana server Anda trust.

Panduan keamanan spesifikasi MCP menyebut kategori serangan konkret yang perlu dihadapi pembuat server dan klien. Hal ini juga perlu diketahui ketika Anda hanya mengevaluasi server pihak ketiga. Pembajakan sesi di bawah berlaku pada model sesi lama; inti 2026 menghapus sesi Streamable HTTP pada tingkat protokol, sedangkan risiko kepercayaan dan otorisasi lainnya tetap ada. Catatan rilis 2026 membatasi perubahan itu pada revisi protokol saat ini:

• Confused deputy — server MCP proksi yang memakai satu ID klien OAuth statis dapat ditipu agar melewati persetujuan per pengguna untuk API pihak ketiga yang diwakilinya.
• Token passthrough — server yang menerima token klien lalu meneruskannya ke API hilir tanpa pemeriksaan merusak jejak audit dan kontrol keamanan; spesifikasi menyatakan server tidak boleh melakukannya.
• Server-side request forgery (SSRF) — server berbahaya dapat mengarahkan penemuan OAuth ke IP internal atau endpoint metadata cloud dan menipu klien agar mengambilnya.
• Pembajakan sesi lama — pada penerapan lama yang memakai sesi, ID sesi yang mudah ditebak atau tidak acak dapat memungkinkan penyerang menyamar sebagai klien. ID sesi adalah pegangan status, bukan pengganti autentikasi. Panduan keamanan protokol menetapkan batas ini secara eksplisit untuk model sesi lama.
• Kompromi server lokal — server MCP yang dipasang secara lokal berjalan dengan hak pengguna. Server berbahaya atau yang telah disusupi dapat membaca file, mengambil kredensial, atau menjalankan perintah sewenang-wenang. Mitigasinya ialah sandboxing, konfigurasi peluncuran dengan hak minimum, dan meninjau apa yang benar-benar dijalankan oleh “instalasi sekali klik” sebelum menyetujuinya.

None dari ini adalah solved oleh “ini’s an open standar” (terjemahan) “ini adalah sebuah open standar” atau oleh turning pada OAuth. Protocol compliance, menggunakan sebuah official SDK, enabling authorization, atau sandboxing sebuah server setiap close off spesifik attack paths — none dari them, alone atau together, guarantees sebuah integration adalah safe, itu sebuah model akan gunakan alat dengan benar, atau itu sebuah server akan menjadi widely adopted. Authorization mendukung sendiri adalah optional dan versi-scoped di spec, bukan sebuah blanket security guarantee.

umum myths

1. “MCP dan llms.txt sama atau saling bersaing.” Tidak. llms.txt adalah file statis satu arah, sedangkan MCP adalah protokol langsung dua arah. Keduanya memecahkan masalah berbeda.
2. “MCP hanya function calling dengan nama baru.” Tidak. Function calling adalah kapabilitas model; MCP adalah protokol lintas vendor yang dibangun di atas gagasan tersebut.
3. “MCP adalah standar Google atau OpenAI.” Tidak. Anthropic membuatnya pada November 2024. OpenAI dan Google DeepMind mengadopsinya kemudian; kini tata kelolanya berada di Agentic AI Foundation yang netral terhadap vendor.
4. “Membuat server MCP meningkatkan peringkat.” Tidak ada bukti yang mendukung klaim ini. MCP melayani agen yang menjalankan tugas, bukan visibilitas penelusuran.
5. “MCP menggantikan API.” Tidak. Server MCP biasanya merupakan pembungkus tipis yang mengekspos API dan data yang sudah ada dengan cara standar bagi AI.
6. “Karena berasal dari Anthropic, MCP aman secara bawaan.” Tidak. Risiko injeksi prompt dan peracunan alat tetap nyata dan belum sepenuhnya teratasi.

di mana ini sits di AI-penelusuran gambaran

MCP adalah tindakan layer dari agentic stack. sekitar ini, penemuan dan identity layers — llms.txt, entity SEO, schema markup untuk AI, dan bagaimana agentic search sebenarnya plans dan berjalan tasks — round out map. pertahankan layers distinct dan hype mendapatkan sebuah lot easier untuk alasan tentang.

AI summary

sebuah condensed take pada lanjutan versi:

• MCP adalah protokol terbuka yang dirilis Anthropic pada 25 November 2024 untuk menghubungkan aplikasi AI dengan alat dan data eksternal; Anthropic menggambarkannya sebagai “port USB-C untuk aplikasi AI”.
• Arsitektur: host → klien → server. Host menjalankan satu klien per server; server mengekspos alat untuk tindakan, sumber daya untuk data, dan prompt untuk templat. MCP dibangun di atas JSON-RPC 2.0; inti saat ini tanpa status per permintaan, sedangkan klien lama memakai inisialisasi dan sesi.
• Revisi 2026: server/discover, metadata per permintaan, header perutean, dan petunjuk cache menggantikan model jabat tangan dan sesi wajib. MCP Apps dan Tasks menjadi ekstensi; roots, sampling, dan logging dihentikan dari inti.
• Masalah yang dipecahkan: mengubah kerumitan integrasi khusus N×M menjadi N+M.
• MCP bukan llms.txt, yang hanya berupa daftar halaman statis satu arah, dan bukan function calling, yang merupakan kapabilitas model. MCP adalah protokol interoperabilitas lintas vendor. WebMCP adalah usulan terpisah dalam cakupan browser untuk mengekspos tindakan dalam halaman milik situs kepada agen.
• Linimasa: diluncurkan November 2024 → diadopsi OpenAI 26 Maret 2025 → disumbangkan Anthropic kepada Agentic AI Foundation di bawah Linux Foundation 9 Desember 2025.
• Bukan faktor peringkat: Google tidak menerbitkan panduan Search Central tentang MCP; dukungan Bing atau Microsoft merupakan dukungan platform, bukan panduan SEO. Server MCP melayani agen yang menjalankan tugas, bukan visibilitas penelusuran.
• Keamanan: risiko injeksi prompt, peracunan alat, dan rug pull tetap nyata. Spesifikasi menyebut confused deputy, token passthrough, SSRF, pembajakan sesi lama, dan kompromi server lokal; OAuth atau otorisasi bersifat opsional dan terikat versi, bukan jaminan keselamatan menyeluruh.

Official dokumentasi

Primary-sumber dokumentasi pada MCP.

Anthropic / MCP project

• Introducing Model Context Protocol — original November 2024 announcement: N×M masalah, launch partners, dan USB-C rumusan.
• Donating Model Context Protocol dan establishing Agentic AI Foundation — December 2025 governance perpindahan untuk Linux Foundation.
• apa adalah Model Context Protocol (MCP)? — official getting-started intro.
• Architecture overview — host/client/server, primitives, data dan transport layers, JSON-RPC mechanics.
• MCP 2026-07-28 release overview — stateless core, extensions, authorization hardening, caching, dan deprecation policy.
• penemuan (server/discover) — modern capability/versi penemuan dan -nya cacheable respons contract.
• Streamable HTTP transport — per-permintaan protocol dan routing headers plus transport security requirements.
• MCP Specification (2025-11-25) — preceding handshake/session-era spec, masih relevant untuk compatibility.

Google

• apa adalah Model Context Protocol (MCP)? sebuah guide — Google Cloud’s umum pengembang explainer (bukan sebuah penelusuran-peringkat document).

Microsoft / Bing

• Model Context Protocol (MCP) pada Windows overview — Windows pada-Device Agent Registry.
• microsoft/mcp — Microsoft’s catalog dari MCP server implementations.
• Microsoft partners dengan Anthropic untuk buat official C# SDK — official C# SDK.

Quotes dari sumber

pada—record statements. Deep tautan berpindah untuk quoted passage di mana sumber halaman mendukung ini.

Anthropic / launch partners — mengapa MCP

• “Open technologies like the Model Context Protocol are the bridges that connect AI to real-world applications, ensuring innovation is accessible, transparent, and rooted in collaboration.” (terjemahan) “Teknologi terbuka seperti Model Context Protocol adalah jembatan yang menghubungkan AI dengan aplikasi dunia nyata, sehingga inovasi dapat diakses, transparan, dan berakar pada kolaborasi.” — Dhanji R. Prasanna, CTO Block, dalam pengumuman peluncuran Anthropic. Lompat ke kutipan

OpenAI — adopting sebuah rival’s standar

• pada March 26, 2025, OpenAI’s Sam Altman announced OpenAI akan tambahkan MCP mendukung di seluruh -nya products, starting dengan Agents SDK dan dengan ChatGPT desktop dan respons API untuk ikuti. TechCrunch coverage (Paraphrased dari Altman’s public post sebagai dilaporkan oleh TechCrunch — I’m bukan quoting miliknya persis rumusan verbatim di sini.)

Google — WebMCP (bukan MCP sendiri)

• “I like the WebMCP approach, as well as the commerce integrations – they have clear goals & processes: ‘Given the agent is already on your site, how can it properly do task X?’ (for example, determine the final price of a product, including all fees & potential discounts).” (terjemahan) “Saya menyukai pendekatan WebMCP serta integrasi perdagangan karena tujuan dan prosesnya jelas: ‘Jika agen sudah berada di situs Anda, bagaimana agen dapat menjalankan tugas X dengan benar?’ Misalnya, menentukan harga akhir produk, termasuk seluruh biaya dan kemungkinan diskon.” — John Mueller, Google Search Advocate. Lompat ke kutipan Disampaikan melalui tulisan Roger Montti di Search Engine Journal; WebMCP adalah usulan dalam cakupan browser yang berbeda dari MCP.

Security — sebuah independent voice

• “Any time you mix together tools that can perform actions on the user’s behalf with exposure to potentially untrusted input you’re effectively allowing attackers to make those tools do whatever they want.” (terjemahan) “Setiap kali alat yang dapat bertindak atas nama pengguna digabungkan dengan masukan yang mungkin tidak tepercaya, Anda pada dasarnya memungkinkan penyerang membuat alat tersebut melakukan apa pun yang mereka inginkan.” dan “These vulnerabilities are not inherent to the MCP protocol itself—they’re present any time we provide tools to an LLM that can potentially be exposed to untrusted inputs.” (terjemahan) “Kerentanan ini tidak melekat pada protokol MCP; kerentanan muncul setiap kali kita memberikan alat kepada LLM yang mungkin terpapar masukan tidak tepercaya.” — Simon Willison. Lompat ke kutipan

untuk sebuah SEO audience

• “MCP (Model Context Protocol) is how your agent reaches the outside world. It’s the standard plug that connects an agent to data and actions.” (terjemahan) “MCP (Model Context Protocol) adalah bagaimana Anda agent reaches di luar world. ini adalah standar plug itu connects sebuah agent untuk data dan tindakan.” dan “Without MCPs, your agent is just a chatbot with opinions.” (terjemahan) “tanpa MCPs, Anda agent adalah hanya sebuah chatbot dengan opinions.” — Ahrefs Blog, “apa adalah Agentic SEO?” (terjemahan) “apa adalah Agentic SEO?” (Mateusz Makosiewicz, rev. Ryan Law). dibaca piece

MCP server review checklist

• Tentukan tugas pengguna dan alasan MCP lebih tepat daripada halaman statis, panggilan API, atau integrasi fungsi bawaan.
• Terbitkan versi protokol yang didukung dan uji server/discover modern serta jalur inisialisasi lama yang sengaja dipertahankan.
• Validasi header versi protokol, metode, dan perutean nama Streamable HTTP terhadap isi JSON-RPC sebelum meneruskannya.
• Klasifikasikan setiap kapabilitas dengan benar sebagai alat, sumber daya, atau prompt.
• Beri setiap kapabilitas deskripsi faktual yang sempit serta masukan dan keluaran yang tegas.
• Terapkan hak minimum untuk kredensial, sistem file, jaringan, dan operasi tulis.
• Minta konfirmasi sebelum tindakan destruktif, finansial, penerbitan, atau pengiriman pesan eksternal.
• Perlakukan deskripsi server dan konten yang diambil sebagai masukan tidak tepercaya; uji jalur injeksi prompt dan peracunan alat.
• Validasi argumen di sisi server, jangan percaya begitu saja pada parameter buatan model.
• Catat pemilihan alat, masukan yang disanitasi, hasil, dan galat tanpa menyimpan rahasia atau data pribadi yang tidak diperlukan.
• Uji kegagalan, batas waktu, pembatalan, dan perilaku hasil parsial.
• Dokumentasikan kepemilikan, pembuatan versi, pencabutan, dan jalur penonaktifan insiden.

MCP di sebuah glance — cheat sheet

** four things people confuse**

** architecture di three kata:** host → client → server. satu client per server; sebuah host dapat hold banyak.

** three server primitives**

• alat — executable tindakan (melakukan sesuatu).
• Resources — contextual data (dibaca sesuatu).
• Prompts — reusable interaction templates.

Fast facts

• dibuat oleh Anthropic, open-sourced Nov 25, 2024.
• dibangun pada JSON-RPC 2.0; stateless per permintaan di 2026-07-28, dengan server/discover untuk modern capability/versi penemuan.
• Local server: STDIO. Remote server: Streamable HTTP (+ OAuth).
• Legacy 2025 clients masih gunakan initialization; production server dapat perlu keduanya eras.
• MCP Apps dan Tasks adalah extensions; roots, sampling, dan logging adalah deprecated di core.
• OpenAI adopted ini Mar 26, 2025; Google DeepMind too.
• Governed oleh Agentic AI Foundation (Linux Foundation) since Dec 9, 2025.
• tidak Google/Bing “MCP for SEO” (terjemahan) “MCP untuk SEO” panduan exists.
• nyata, unresolved prompt-injection / alat-poisoning risks — bukan safe oleh default.

mental models

1. Map vs. controls. llms.txt adalah sebuah map — sebuah statis list dari halaman pointing sebuah AI di apa untuk dibaca. MCP adalah sebuah set dari controls — sebuah live interface sebuah agent menggunakan untuk panggil functions dan take tindakan. jika Anda hanya remember satu hal, remember yang mana adalah yang mana.

2. Capability vs. protocol. Function calling adalah sebuah capability baked ke sebuah model. MCP adalah sebuah protocol itu standardizes bagaimana itu capability reaches banyak alat di seluruh banyak apps. MCP server sering gunakan function-calling-style definitions internally, tetapi protocol adalah interoperability layer pada top — don’t equate dua.

3. N×M → N+M. setiap poin-untuk-poin AI-untuk-alat integration adalah satu dari N×M. menerapkan MCP setelah pada setiap side dan Anda’re di N+M. itu collapse adalah alasan standar exists.

4. Agent capability ≠ penelusuran visibilitas. Exposing sebuah MCP server membuat Anda data usable oleh agents doing tasks. itu adalah sebuah distribution/integration decision, bukan sebuah peringkat satu. Filing MCP di bawah “SEO tactics itu boost rankings” (terjemahan) “SEO tactics itu boost rankings” adalah sebuah category error.

5. alat + untrusted input = attack surface. instan sebuah agent dapat keduanya act dan dibaca untrusted input, prompt injection adalah pada tabel. Treat apa pun MCP server Anda connect seperti untrusted integration: least privilege, human approval untuk consequential tindakan, dan scrutiny dari yang mana server Anda trust.

MCP mistakes untuk hindari

Calling MCP sebuah peringkat factor

MCP membuat data dan tindakan available untuk compatible agents di runtime. ini melakukan bukan membuat server sebuah Google atau Bing sinyal peringkat.

Giving sebuah server broad credentials oleh default

sebuah agent melakukan bukan perlu unrestricted access untuk complete sebuah narrow task. Scope tokens, resources, hosts, dan write permissions untuk minimum diperlukan.

Trusting alat deskripsi sebagai safe instructions

deskripsi dan retrieved konten dapat menjadi poisoned atau berisi prompt injection. Pin trusted server, review capability perubahan, dan pertahankan policy enforcement di luar model text.

Hiding consequential writes behind vague alat names

Names such sebagai “manage” (terjemahan) “manage” atau “process” (terjemahan) “process” obscure impact. State whether sebuah alat dibaca, membuat, updates, menerbitkan, charges, atau mengirim, dan memerlukan confirmation di mana needed.

Exposing sebuah MCP server ketika sebuah document akan melakukan

statis public informasi melakukan bukan automatically perlu sebuah executable integration. gunakan MCP ketika runtime penemuan, retrieval, atau tindakan membuat nyata pengguna nilai.

Resources layak Anda time

saya related writing

• Beginner’s panduan untuk SEO teknis — di mana AI-penelusuran topics fit ke fundamentals.
• Meet baru Web perayap: AI bot adalah Closing di pada mesin pencari bot — broader shift toward AI sistem fetching dan menggunakan web, yang mana MCP adalah sebuah piece dari.

saya speaking

• bagaimana penelusuran berfungsi (SlideShare) — saya walkthrough dari crawling, perenderan, pengindeksan, dan peringkat, untuk context pada bagaimana penelusuran side berfungsi bersama agent side. (saya standing disclaimer applies: “ini adalah saya understanding of systems… bukan going to menjadi 100% complete atau accurate.” (terjemahan) “ini adalah saya understanding dari sistem… bukan going untuk menjadi 100% complete atau accurate.”)

Dari industri

• Introducing Model Context Protocol (Anthropic) — pengumuman awal dan N×M rumusan.
• Model Context Protocol — dokumentasi resmi dan architecture overview — referensi teknis kanonis.
• MCP 2026-07-28 ikhtisar rilis — stateless core dan breaking migration perubahan.
• OpenAI adopts rival Anthropic’s standar untuk connecting AI models untuk data (TechCrunch) — March 2025 adoption moment.
• bagaimana Model Context Protocol adalah shaping future dari AI dan penelusuran marketing (mesin pencari Land, Constance Chen) — main SEO-industry MCP piece (mendahului WebMCP commentary dan AAIF donation).
• apa adalah Agentic SEO? (Ahrefs, Mateusz Makosiewicz, rev. Ryan Law) — MCP sebagai satu ingredient dari agentic SEO, plus Ahrefs’ sendiri MCP connector.
• Model Context Protocol memiliki prompt injection security masalah (Simon Willison) — security caveats, dari sebuah credible independent voice.
• 11 Emerging AI Security Risks dengan MCP (Checkmarx Zero) — sebuah fuller catalog dari risk surface.
• Model Context Protocol (Wikipedia) — neutral overview dengan timeline dan AAIF donation.

uji yourself: Model Context Protocol (MCP)

Five quick pertanyaan pada apa MCP adalah dan isn’t. Pick sebuah jawaban untuk setiap, lalu periksa.

Log perubahan