Pelajari bagaimana MCP dapat mempermudah integrasi aplikasi AI dengan sistem sekitarnya seperti tak pernah sebelumnya! Pahami cara kerja MCP, cara mendefinisikan alat MCP Anda sendiri, dan membangun jembatan antara klien dan server.

MCP: Aplikasi AI Semudah 1, 2, 3

Options

Host

Client

Server

Mengenal MCP

Server MCP Pertama Anda

Membangun Server MCP Pertama Anda

Membangun MCP Server Currency Converter

Menambahkan Docstring dan Type Hint

Komunikasi Klien-Server MCP

True

False

Membangun Jembatan (Antara Klien dan Server)

Penemuan Alat Secara Dinamis

Memanggil Tool di Server

Komponen Dasar MCP

Tambahkan resource dan prompt ke server MCP untuk menyediakan konteks hanya-baca dan instruksi kunci guna mengubah perilaku LLM. Praktik langsung dengan LLM dan hubungkan ke server MCP Anda agar dapat memanggil alat dan mengambil konteks.

Resource dalam Server MCP

Mendefinisikan Resource Server MCP

Mendaftar Resource dari Client

Membaca Resource dari Client

Prompt dalam Server MCP

Mendefinisikan Prompt Server MCP

Mendaftar Prompt dari Klien

Mengambil Prompt dari Klien

MCP dan LLM: Tools

Alur Kerja Pemanggilan Alat

Penggunaan Tool LLM di Server MCP

MCP dan LLM: Prompt dan Resource

Ambil Resource dan Prompt dari MCP

Menyusun Pesan dan Memanggil LLM

Aplikasi LLM yang Mendukung MCP

Ketahui apa saja yang dibutuhkan untuk membawa server MCP ke lingkungan produksi dengan menelusuri integrasi basis data dan API secara mendalam dalam server MCP, beserta pertimbangan tambahan yang menyertainya. Terakhir, integrasikan MCP pihak ketiga secara aman dan andal, sehingga Anda tidak perlu membuat ulang integrasi favorit Anda dari awal.

Integrasi Basis Data MCP

Membuat Koneksi Basis Data

Basis Data sebagai Resource

Alat Pencarian Basis Data dengan Parameter

Integrasi API MCP

Membuat Panggilan Alat API Lebih Tangguh

Jika API Memerlukan Otentikasi

Server MCP Pihak Ketiga

Cari Buku berdasarkan Judul dengan Open Library MCP

Selamat!

Menyiapkan Server MCP untuk Produksi

Tak perlu lagi pusing mengintegrasikan aplikasi AI dengan berbagai sistem eksternal yang berbeda! Kini, setiap aplikasi perangkat lunak berbicara menggunakan bahasa MCP. Temukan bagaimana MCP memudahkan koneksi aplikasi AI ke API, basis data, dan fungsi eksternal lainnya melalui protokolnya. Pelajari cara membangun server MCP Anda sendiri dari nol, termasuk koneksi API dan basis data, serta mengintegrasikannya dengan LLM agar dapat melakukan pencarian data cerdas dan memicu aksi. Mulailah dengan Model Context Protocol hari ini!

<h2>Mengapa Mempelajari Model Context Protocol?</h2>Model bahasa besar tidak dapat mengakses data real-time atau mengambil tindakan sendiri, dan menghubungkan setiap alat atau API dengan kode kustom tidak dapat diskalakan. Model Context Protocol (MCP) mengatasi hal ini dengan satu cara standar untuk aplikasi AI terhubung ke alat, data, dan layanan eksternal—sering disebut "port USB-C untuk AI." Dalam kursus ini, Anda akan membangun server dan klien MCP dari awal dalam Python dan menghubungkannya ke LLM.<br><br><h2>Bagaimana Cara Saya Membangun dan Menghubungkan Server MCP Pertama Saya?</h2>Anda akan mulai dengan mempelajari arsitektur MCP—host, client, dan server—serta tiga primitive yang diekspos setiap server: tools, resources, dan prompt. Lalu Anda akan membangun server konverter mata uang menggunakan FastMCP, menambahkan docstring dan type hint agar LLM dapat menemukan alat Anda, dan menulis klien Python async yang mencantumkan serta memanggil alat-alat tersebut melalui transport stdio.<br><br><h2>Bagaimana Saya Memberikan Alat dan Konteks Real-Time kepada LLM?</h2>Alat saja tidak cukup—model juga membutuhkan data dan instruksi perilaku. Anda akan menambahkan resource untuk konteks read-only dan prompt untuk memandu model saat input tidak jelas, lalu menghubungkan ketiga primitive tersebut ke dalam OpenAI LLM menggunakan alur kerja tool-calling lima langkah sehingga model dapat menjawab dengan percaya diri atau meminta klarifikasi saat perlu.<br><br><h2>Bagaimana Saya Membawa MCP Servers ke Produksi?</h2>Server dunia nyata membutuhkan lebih dari sekadar kode happy-path. Anda akan mengganti sumber daya berbasis file dengan kueri berbasis database, menambahkan batas waktu permintaan, penanganan kesalahan terstruktur, dan autentikasi API aman yang menjaga kunci tetap di sisi server. Terakhir, Anda akan terhubung ke server MCP pihak ketiga dan melihat bahwa kode klien yang sama berfungsi dengan server apa pun yang berbicara menggunakan protokol tersebut.

Introduction to APIs in Python

Writing Functions in Python

Integrasikan aplikasi AI/LLM dengan API, database, dan sistem file lebih mudah dengan Model Context Protocol.

Pengantar Model Context Protocol (MCP)

Integrasikan aplikasi AI/LLM dengan API, database, dan filesystem lebih mudah dari sebelumnya dengan Model Context Protocol (MCP).

🗄️ *Client* bertanggung jawab untuk memulai sesi dengan server dan mengirimkan permintaan kepadanya

🏗️ Semua pesan antara *client* dan *server* dalam MCP mengikuti format **JSON-RPC 2.0**

🏃 Saat menggunakan transport **stdio**, *server* tetap berjalan secara mandiri setelah *client* keluar

🌐 Metode transport **stdio** memerlukan koneksi jaringan agar dapat berfungsi dengan baik

Membangun Jembatan (Antara Klien dan Server)

Pengantar Model Context Protocol (MCP)

Latihan interaktif langsung