Panduan Claude MCP Servers: Hubungkan Alat Apa Pun ke AI
Ringkasan: Model Context Protocol (MCP) adalah standar terbuka yang memungkinkan Claude terhubung ke alat eksternal, basis data, API, dan layanan. Panduan ini menjelaskan apa itu MCP, cara memasang dan mengonfigurasi server MCP populer, cara membangun server Anda sendiri, dan alur kerja praktis yang menggabungkan beberapa alat MCP menjadi pipeline yang kuat dengan bantuan AI.
Apa itu MCP dan Mengapa Hal Ini Penting?
Model Context Protocol (MCP) adalah standar terbuka yang dikembangkan oleh Anthropic yang menciptakan antarmuka universal antara model AI seperti Claude dan alat eksternal, sumber data, dan layanan. Sebelum MCP, mengintegrasikan AI dengan sistem eksternal memerlukan integrasi satu kali khusus untuk setiap kombinasi model AI dan alat. MCP menstandarkan ini: alat apa pun yang kompatibel dengan MCP bekerja dengan model AI apa pun yang kompatibel dengan MCP.
Dampak praktisnya sangat besar. Tanpa MCP, Claude terbatas pada informasi yang Anda tempel ke dalam percakapan. Dengan MCP, Claude dapat melakukan kueri pada basis data produksi Anda, menjelajahi web, membaca sistem file Anda, memanggil API eksternal, mengelola repositori GitHub, mengontrol browser, mengakses saluran Slack, dan banyak lagi — semuanya selama percakapan atau sesi pengkodean normal.
Pikirkan server MCP sebagai plugin untuk Claude. Sama seperti ekstensi browser menambahkan kemampuan ke browser web, server MCP menambahkan kemampuan ke Claude. Perbedaannya adalah bahwa MCP distandarkan: setelah server dibangun mengikuti spesifikasi MCP, server tersebut bekerja dengan klien apa pun yang kompatibel dengan MCP — Claude Code, Claude Desktop, atau aplikasi pihak ketiga apa pun yang mengimplementasikan protokol.
Pada pertengahan 2026, ratusan server MCP komunitas dan resmi tersedia, mencakup basis data (PostgreSQL, MySQL, MongoDB, SQLite), kontrol versi (GitHub, GitLab, Bitbucket), komunikasi (Slack, Discord, email), layanan cloud (AWS, GCP, Azure), alat produktivitas (Notion, Linear, Jira), browser, sistem file, dan banyak lagi. Ekosistem berkembang pesat.
Arsitektur MCP Dijelaskan
MCP mendefinisikan tiga komponen utama: host, klien, dan server. Host adalah aplikasi yang Anda gunakan untuk berbicara dengan Claude — Claude Desktop atau Claude Code. Klien adalah komponen di dalam host yang menangani komunikasi protokol MCP. Server adalah proses eksternal yang mengekspos alat, sumber daya, dan prompt melalui protokol MCP.
Server MCP mengekspos tiga jenis kemampuan: Alat adalah fungsi yang dapat dipanggil Claude untuk mengambil tindakan (menanyakan basis data, mengirim email, membuat permintaan API). Sumber Daya adalah sumber data yang dapat dibaca Claude (isi file, catatan basis data, respons API). Prompt adalah templat prompt yang dapat digunakan kembali yang disediakan server untuk alur kerja umum.
Ketika Claude memutuskan untuk menggunakan alat MCP, alurnya adalah: Claude mengidentifikasi alat yang relevan dari deskripsinya → merumuskan parameter input → klien memanggil server → server menjalankan tindakan dan mengembalikan hasil → Claude menggabungkan hasil ke dalam respons. Seluruh alur terjadi secara transparan — dari perspektif Anda, Anda mengajukan pertanyaan dan Claude menjawabnya dengan informasi real-time.
Memasang Server MCP Pertama Anda
Konfigurasi server MCP berada dalam file pengaturan Claude Anda. Untuk Claude Code: ~/.claude/settings.json. Untuk Claude Desktop: menu pengaturan aplikasi. Struktur konfigurasi identik untuk keduanya.
{
"mcpServers": {
"filesystem": {
"command": "npx",
"args": [
"-y",
"@modelcontextprotocol/server-filesystem",
"/Users/yourname/projects",
"/Users/yourname/documents"
]
}
}
}Ini memasang server filesystem MCP resmi, memberikan Claude akses baca dan tulis ke direktori yang ditentukan. Setelah menyimpan konfigurasi ini dan memulai ulang Claude Code, Anda dapat meminta Claude untuk "membaca README di folder proyek saya" dan ia akan melakukannya secara langsung. Untuk server yang memerlukan autentikasi, teruskan kredensial melalui variabel lingkungan:
{
"mcpServers": {
"github": {
"command": "npx",
"args": ["-y", "@modelcontextprotocol/server-github"],
"env": {"GITHUB_TOKEN": "ghp_your_token_here"}
}
}
}10 Server MCP Paling Berguna
Dengan ratusan server MCP yang tersedia, sepuluh ini menyediakan kemampuan paling luas yang berlaku untuk pengembang dan pengguna tingkat lanjut.
1. Filesystem (@modelcontextprotocol/server-filesystem)
Fondasi sebagian besar alur kerja Claude Code. Memberikan Claude akses langsung ke sistem file dalam direktori yang ditentukan. Mendukung membaca, menulis, memindahkan, mencari, dan traversal direktori. Penting untuk alur kerja apa pun yang melibatkan file lokal.
2. GitHub (@modelcontextprotocol/server-github)
Integrasi GitHub lengkap: baca dan tulis file, kelola issue dan pull request, review kode, periksa status CI, cari repositori, dan akses riwayat git. Mengubah Claude menjadi asisten alur kerja GitHub lengkap yang tidak perlu meninggalkan terminal.
3. PostgreSQL (@modelcontextprotocol/server-postgres)
Kemampuan kueri basis data langsung. Claude dapat menjelajahi skema Anda, menulis dan menjalankan kueri, menganalisis distribusi data, mengidentifikasi masalah kinerja, dan menghasilkan migrasi. Mode baca-saja tersedia untuk basis data produksi untuk mencegah modifikasi yang tidak disengaja.
4. Playwright (otomasi browser)
Kontrol browser lengkap: arahkan URL, klik elemen, isi formulir, ambil tangkapan layar, ekstrak konten, dan berinteraksi dengan aplikasi web. Memungkinkan Claude untuk menguji UI web, mengikis data, dan mengotomatisasi alur kerja berbasis browser sepenuhnya tanpa tangan.
5. Slack
Baca riwayat saluran, cari pesan, posting ke saluran, kelola thread, dan lihat informasi pengguna. Claude menjadi asisten yang menyadari Slack yang dapat mereferensikan diskusi baru-baru ini, draft pengumuman, dan membantu mengelola komunikasi tim dalam konteks.
6. Memory (@modelcontextprotocol/server-memory)
Grafik pengetahuan persisten yang bertahan di seluruh percakapan. Claude dapat menyimpan dan mengambil fakta, hubungan, dan konteks yang akan hilang saat sesi berakhir. Penting untuk proyek jangka panjang di mana kontinuitas penting.
7. Fetch (akses web)
Mengambil URL web dan mengembalikan konten mereka sebagai teks. Memberikan Claude akses ke informasi web saat ini, dokumentasi, dan URL apa pun yang dapat diakses secara publik. Lebih sederhana daripada server browser Playwright untuk kasus penggunaan ekstraksi konten di mana interaksi tidak diperlukan.
8. SQLite
Untuk proyek yang menggunakan basis data SQLite (aplikasi lokal, skrip, layanan kecil). Kemampuan yang sama dengan server PostgreSQL tetapi untuk file SQLite. Sangat berguna untuk pengembangan aplikasi seluler, aplikasi desktop, dan alur kerja basis data tertanam.
9. AWS
Akses bucket S3, query DynamoDB, periksa metrik CloudWatch, kelola fungsi Lambda, dan berinteraksi dengan layanan AWS lainnya. Memungkinkan bantuan yang menyadari cloud yang memahami keadaan infrastruktur sebenarnya Anda daripada bekerja dari deskripsi.
10. Linear
Integrasi manajemen proyek: baca dan buat issue, perbarui status, kelola sprint, dan lacak pekerjaan teknik. Claude menjadi asisten perencanaan yang memahami backlog sebenarnya Anda dan dapat membantu memprioritaskan pekerjaan dengan konteks penuh.
Pola Konfigurasi Lanjutan
Manajemen Variabel Lingkungan
Untuk penerapan produksi, jangan pernah hardcode kredensial di settings.json. Referensi variabel lingkungan menggunakan ekspansi variabel shell:
{
"mcpServers": {
"postgres": {
"command": "npx",
"args": ["-y", "@modelcontextprotocol/server-postgres"],
"env": {"DATABASE_URL": "${DATABASE_URL}"}
}
}
}Beberapa Instans Server
Jalankan beberapa instans jenis server yang sama dengan konfigurasi berbeda — berguna untuk mengakses basis data produksi dan staging secara bersamaan:
{
"mcpServers": {
"db-production": {
"command": "npx",
"args": ["-y", "@modelcontextprotocol/server-postgres"],
"env": {"DATABASE_URL": "postgresql://prod-host/myapp"}
},
"db-staging": {
"command": "npx",
"args": ["-y", "@modelcontextprotocol/server-postgres"],
"env": {"DATABASE_URL": "postgresql://staging-host/myapp"}
}
}
}Konfigurasi MCP Khusus Proyek
Tempatkan .claude/settings.json di direktori proyek untuk mengonfigurasi server MCP yang hanya diaktifkan saat bekerja di proyek tersebut. Ini lebih bersih daripada mengonfigurasi setiap server yang mungkin secara global dan memastikan Claude hanya memiliki akses ke alat yang relevan untuk setiap konteks proyek tertentu.
Membangun Server MCP Khusus
Jika tidak ada server MCP yang ada mencakup kasus penggunaan Anda, membangun satu sangat mudah. SDK MCP menangani semua detail protokol — Anda hanya perlu mengimplementasikan logika alat.
import { Server } from '@modelcontextprotocol/sdk/server/index.js';
import { StdioServerTransport } from '@modelcontextprotocol/sdk/server/stdio.js';
import { CallToolRequestSchema, ListToolsRequestSchema } from '@modelcontextprotocol/sdk/types.js';
const server = new Server(
{ name: 'my-custom-server', version: '1.0.0' },
{ capabilities: { tools: {} } }
);
server.setRequestHandler(ListToolsRequestSchema, async () => ({
tools: [{
name: 'get_stock_price',
description: 'Get the current stock price for a ticker symbol. Use when user asks about stock prices or market data.',
inputSchema: {
type: 'object',
properties: {
ticker: { type: 'string', description: 'Stock ticker symbol e.g. AAPL, TSLA' }
},
required: ['ticker']
}
}]
}));
server.setRequestHandler(CallToolRequestSchema, async (request) => {
if (request.params.name === 'get_stock_price') {
const { ticker } = request.params.arguments;
const price = await fetchStockPrice(ticker); // your real API call
return {
content: [{ type: 'text', text: JSON.stringify({ ticker, price, timestamp: new Date().toISOString() }) }]
};
}
throw new Error('Unknown tool');
});
const transport = new StdioServerTransport();
await server.connect(transport);Prinsip utama untuk desain server MCP yang efektif: tulis deskripsi alat yang detail — Claude menggunakan ini untuk memutuskan apakah akan memanggil alat; kembalikan JSON terstruktur untuk data kompleks; implementasikan penanganan kesalahan yang tepat dengan pesan kesalahan yang bermakna; jaga alat tetap fokus pada tanggung jawab tunggal; dan dokumentasikan variabel lingkungan yang diperlukan dengan jelas.
Alur Kerja MCP Dunia Nyata
Kekuatan nyata dari MCP muncul ketika Anda menggabungkan beberapa server ke dalam alur kerja terintegrasi yang tidak mungkin dilakukan dengan Claude saja.
Pipeline Review Kode Otomatis
Dengan MCP GitHub + filesystem + PostgreSQL yang dikonfigurasi: "Tinjau PR terbuka di repositori saya, periksa cakupan pengujian untuk setiap file yang diubah, tanyakan basis data bug untuk masalah yang diketahui di modul yang terpengaruh, dan hasilkan laporan review yang diprioritaskan." Claude menjalankan ini di tiga sistem berbeda secara bersamaan, menghasilkan review yang akan memakan waktu berjam-jam bagi seorang analis manusia untuk merakitnya.
Alur Kerja Analisis Data
Dengan MCP PostgreSQL + filesystem: "Tanyakan basis data penjualan untuk data bulan lalu, analisis tren berdasarkan wilayah dan kategori produk, tulis skrip analisis Python ke file lokal saya, dan hasilkan laporan ringkasan dengan rekomendasi." Claude menulis dan menjalankan seluruh pipeline analisis dari data hingga deliverable.
Respons Insiden DevOps
Dengan MCP AWS + Slack + GitHub: "Periksa CloudWatch untuk alert yang menyala dalam satu jam terakhir, temukan commit git yang digunakan dalam 24 jam terakhir yang menyentuh layanan yang terpengaruh, dan posting analisis penyebab akar awal ke saluran #incidents Slack." Alur kerja ini memakan waktu 30 detik daripada 30 menit penyelidikan manual.
Pertimbangan Keamanan
Server MCP memperluas kemampuan Claude dan radius ledakan potensial. Penerapan MCP produksi harus menerapkan praktik keamanan ini.
Gunakan koneksi basis data baca-saja untuk basis data produksi. Pengguna basis data dengan izin SELECT saja mencegah Claude secara tidak sengaja memodifikasi data produksi. Cadangkan akses baca-tulis untuk lingkungan pengembangan dan staging di mana kesalahan dapat dipulihkan.
Implementasikan pembatasan direktori dalam server filesystem. Hanya berikan akses ke direktori tertentu yang relevan dengan setiap alur kerja — bukan seluruh direktori home Anda. Ini membatasi eksposur jika serangan prompt injection mencoba untuk mengesfiltrasi file sensitif.
Konfigurasikan pembatasan laju pada server yang terhubung ke API untuk mencegah panggilan API liar dalam alur kerja agentic. Loop yang macet dalam agen otonomi dapat memicu ribuan panggilan API tanpa pembatasan laju.
Aktifkan audit logging untuk semua panggilan alat MCP dalam produksi. Gunakan hook Claude Code atau logging di sisi server untuk mencatat setiap invokasi alat dengan input dan outputnya. Ini sangat berharga untuk debugging perilaku tidak terduga dan untuk tujuan kepatuhan.
Jangan pernah menghubungkan server MCP dengan kredensial administratif dalam alur kerja otomatis. Gunakan prinsip privilege paling sedikit: berikan hanya izin spesifik yang diperlukan untuk alat yang ditentukan, bukan akses admin yang lebih luas ke sistem yang mendasarinya.
Pertanyaan yang Sering Diajukan
Apakah MCP bekerja dengan Claude.ai di browser?
MCP didukung di Claude Desktop dan Claude Code. Claude.ai berbasis browser tidak mendukung MCP pada pertengahan 2026. Untuk alur kerja bertenaga MCP, gunakan Claude Desktop atau Claude Code dengan langganan Claude Max (tersedia gratis melalui FreeClaude).
Bagaimana Claude memutuskan alat MCP mana yang akan digunakan?
Claude membaca nama dan deskripsi setiap alat yang tersedia dan menggunakan penilaiannya untuk menentukan alat mana yang relevan. Ini adalah alasan mengapa deskripsi alat sangat penting — deskripsi yang tidak jelas menyebabkan pemilihan alat yang salah. Tulis deskripsi yang dengan jelas menyatakan apa yang dilakukan alat, data apa yang dikembalikan, dan kapan harus digunakan.
Bisakah server MCP berkomunikasi satu sama lain?
Server MCP tidak berkomunikasi secara langsung — semua koordinasi terjadi melalui Claude. Claude dapat memanggil beberapa server secara berurutan, menggunakan output satu sebagai input ke yang lain. Perantaian berurutan ini adalah bagaimana alur kerja multi-sistem yang kompleks dicapai.
Apa dampak kinerja dari panggilan alat MCP?
Setiap panggilan alat menambahkan l