Belajar MCP - Ecosystem & Integration Patterns

#Pendahuluan

Di episode 19 kalian belajar mengoptimasi dan menskalakan server MCP. Sekarang pertanyaan yang lebih menarik: di mana semua server ini dipakai? Episode 20 menjawabnya dengan menelusuri ekosistem — dari framework agent populer seperti LangChain dan OpenAI Agents SDK, agent CLI seperti Claude dan Codex, agent di IDE, sampai pola integrasi yang paling umum: RAG, tool automation, dan pembayaran agentic.

#Integrasi dengan LangChain dan LangGraph

LangChain dan LangGraph adalah framework agent yang paling banyak dipakai untuk membangun pipeline dan graph. Keduanya menyediakan adapter resmi bernama langchain-mcp-adapters yang mengubah server MCP menjadi tool yang dipahami framework — tanpa menulis ulang logika server.

import { MultiServerMCPClient } from 'langchain-mcp-adapters'
 
const client = new MultiServerMCPClient({
  fetch: {
    transport: 'streamableHttp',
    url: 'https://mcp.example.com'
  }
})
 
const tools = await client.loadTools()

Setelah di-load, tool tersebut bisa dipakai di agent executor biasa atau sebagai node dalam graph LangGraph. Keunggulannya: definisi tool tetap hidup di server MCP, bukan di-hardcode di kode agent — sekali buat, dipakai banyak framework.

#Integrasi dengan OpenAI Agents SDK

OpenAI Agents SDK punya pendekatan serupa lewat package openai-mcp: setiap server MCP menjadi tool untuk agent. Contohnya dengan transport stdio:

agents_mcp.py

from agents import Agent
from openai_mcp import MCPStdio
 
mcp = MCPStdio(
    command="npx",
    args=["-y", "mcp-server-fetch"],
)
 
agent = Agent(
    name="Fetcher",
    instructions="Ambil dan ringkas halaman web.",
    tools=mcp.get_tools(),
)

MCPStdio menjalankan server sebagai subproses lokal — cocok untuk server yang tidak butuh deployment terpisah. Untuk server yang sudah live di internet, pakai MCPStreamableHTTP dengan URL endpoint — misalnya server yang dijalankan lewat npx -y mcp-server-fetch sebagai jembatan. Pilihan transport bergantung pada di mana server itu hidup, bukan pada framework agent-nya.

#Claude, Codex, dan Agent CLI Lainnya

Agent CLI seperti Claude Code dan Codex memakai MCP untuk memperluas kemampuan mereka di terminal. Claude Code mengelola daftar server lewat perintah claude mcp:

claude mcp add fetch -t stdio -- npx -y mcp-server-fetch
claude mcp list

Perintah ini menambahkan server ke konfigurasi yang dibaca setiap sesi, lalu agent bisa langsung memanggil tools-nya. Banyak agent CLI lain membaca definisi server dalam format mcpServers yang sama — itulah keindahan standar: satu definisi server, dipakai di berbagai agent, tanpa vendor lock-in.

#Agent di IDE: VS Code

Di editor, agent (misalnya GitHub Copilot) membaca konfigurasi MCP dari file .vscode/mcp.json:

{
  "servers": {
    "fetch": {
      "type": "stdio",
      "command": "npx",
      "args": ["-y", "mcp-server-fetch"]
    }
  }
}

Dengan file ini, agent di editor bisa memanggil tools yang sama dengan yang dipakai di CLI atau framework lain. File konfigurasi ini biasanya di-commit ke repository agar satu tim memakai server yang sama — konsisten dengan filosofi dokumentasi reproducible dari episode sebelumnya.

#Pola Data Retrieval dengan RAG

RAG (Retrieval-Augmented Generation) adalah salah satu penggunaan MCP yang paling alami. Mengapa? Karena resources adalah kanal konteks, bukan eksekusi. Polanya: vector store atau knowledge base dibungkus server MCP, mengekspos resource template sehingga agent mengambil dokumen relevan sebagai konteks.

{
  "uriTemplate": "memory://{note}",
  "name": "Catatan Memori",
  "mimeType": "text/markdown"
}

Agent memanggil resources/read untuk menarik chunk yang relevan, bukan menjalankan tool untuk tiap dokumen. Bedanya signifikan: retrieval yang salah tidak mengeksekusi apa pun, sementara tool call yang salah bisa punya efek samping. Resource template juga membuat hasil retrieval masuk context window secara rapi.

#Pola Tool Automation

Di sisi lain spektrum ada tool automation: server MCP membungkus sistem internal — CMS, CI, billing, atau CLI — menjadi tool yang bisa dipanggil agent. Contohnya server yang mengekspos create_issue, run_pipeline, atau trigger_deploy.

{
  "method": "tools/list",
  "result": {
    "tools": [
      {
        "name": "trigger_deploy",
        "description": "Menjalankan deployment ke staging",
        "inputSchema": {
          "type": "object",
          "properties": {
            "service": { "type": "string" }
          },
          "required": ["service"]
        }
      }
    ]
  }
}

Di sinilah pelajaran episode 14 paling terasa: validasi input ketat, allowlist, dan sandbox eksekusi. Tool automation memberi agent kekuatan nyata — dan kekuatan tanpa pengaman adalah insiden.

#Pola Agentic Commerce dan Payments

Bidang baru yang sedang panas: agent yang melakukan transaksi. Protokol x402 memungkinkan LLM meminta pembayaran mikro lewat mekanisme authorization HTTP, sementara AP2 (Agent Payments Protocol) dan UCP berinteraksi dengan MCP dari sisi lain. Pola umumnya:

• Server MCP mengekspos tool seperti send_payment.
• Saat tool dipanggil, server memicu flow pembayaran via x402 di luar MCP.
• Hasilnya kembali sebagai status transaksi, dan MRTR dipakai untuk konfirmasi user di tengah jalan.

MCP tetap fokus pada tools dan data; soal uang diserahkan ke protokol yang memang dirancang untuk itu. Pemisahan ini menjaga spec MCP tetap ramping dan aman.

#Penutup

Episode 20 memetakan ekosistem: adapter LangChain dan LangGraph, OpenAI Agents SDK, agent CLI seperti Claude dan Codex, agent IDE di VS Code, lalu tiga pola inti — RAG lewat resources, tool automation dengan pengaman ketat, dan agentic commerce dengan x402, AP2, serta UCP.

Inti yang harus dibawa pulang:

• Adapter framework berarti definisi tool hidup di server MCP, bukan di-hardcode di setiap agent.
• Satu konfigurasi mcpServers yang sama bisa dipakai di CLI, IDE, dan framework.
• RAG paling pas lewat resources karena retrieval adalah konteks, bukan eksekusi.
• Tool automation harus dibayar dengan validasi dan sandbox dari episode 14.
• Untuk pembayaran, biarkan protokol khusus (x402, AP2, UCP) yang bekerja, bukan core MCP.

Di episode 21 berikutnya kita merangkum fitur-fitur modern spec 2026-07-28 — dari stateless core, server/discover, MRTR, hingga roadmap setelah stateless — plus peta SDK di semua bahasa. Sampai jumpa!