Banyak developer buang waktu copy-paste konteks database ke AI coding assistant. Solusi sudah ada. MCP server internal sambungkan tool dan data langsung ke editor. Setup 10 menit.
📌 Baca Juga (Developer Tools): 15 Tips & Trik GitHub Copilot Chat: Fitur Tersembunyi yang Bikin Coding 2x Lebih Cepat
Apa Itu MCP Server Internal?
MCP (Model Context Protocol) standar buka dari Anthropic. Fungsinya: kasih AI akses aman ke sistem lokal. MCP server internal bangun sendiri oleh tim, khusus untuk kebutuhan kantor. Beda dengan MCP publik yang sifatnya umum.
Dengan MCP server internal, AI bisa baca skema tabel, jalankan query aman, atau panggil API internal perusahaan. Tidak perlu keluar jaringan. Data sensitif tetap di dalam pagar.
Kenapa Developer Butuh Tool AI Internal?
AI coding assistant pintar, tapi buta konteks bisnis. Dia tidak tahu struktur database proyekmu. Dia tidak tahu format JSON aneh dari legacy service kantor. Hasilnya? Halusinasi kode yang harus direvisi manual.
Tool AI internal developer pecahkan masalah ini. Alih-alih prompt panjang lebar jelaskan struktur tabel, AI langsung tanya MCP server. Server jawab pakai data asli. Siklus development jadi jauh lebih pendek.
Persiapan Sebelum Buat MCP Server
Jangan bikin tool baru kalau stdlib cukup. Untuk cara buat MCP server, kita pakai TypeScript dan Node.js. Dua hal wajib siap:
- Node.js versi 18 atau lebih baru.
- Package manager (npm atau pnpm).
Tidak perlu framework berat. SDK resmi MCP sudah sediakan semua utilitas dasar. Kita hanya tulis logika bisnisnya.
Cara Buat MCP Server dalam 10 Menit
Ikuti langkah ini. Jangan tambah abstraksi yang tidak diminta. Fokus pada satu file utama dulu.
Langkah 1: Inisialisasi Proyek
Buka terminal. Jalankan perintah berikut:
mkdir mcp-internal-db
cd mcp-internal-db
npm init -y
npm install @modelcontextprotocol/sdk zod
npm install -D typescript @types/node tsx
npx tsc --init
Perintah di atas pasang SDK MCP dan Zod untuk validasi input. Zod wajib dipakai karena kita berhadapan dengan trust boundary antara AI dan database.
Langkah 2: Tulis Kode Server
Buat file bernama server.ts. Masukkan kode berikut. Ini adalah implementasi minimum yang jalan.
import { McpServer } from "@modelcontextprotocol/sdk/server/mcp.js";
import { StdioServerTransport } from "@modelcontextprotocol/sdk/server/stdio.js";
import { z } from "zod";
const server = new McpServer({
name: "internal-db-mcp",
version: "1.0.0",
});
// Tool untuk baca skema database
server.tool(
"get_table_schema",
"Ambil struktur kolom dari tabel tertentu",
{ tableName: z.string().min(1).max(64) },
async ({ tableName }) => {
// ponytail: mock response. upgrade path: ganti pakai query pg_catalog/information_schema asli via driver DB.
const mockSchema = `Table: ${tableName}\nColumns: id (int), name (varchar), created_at (timestamp)`;
return {
content: [{ type: "text", text: mockSchema }],
};
}
);
async function main() {
const transport = new StdioServerTransport();
await server.connect(transport);
}
main().catch((err) => {
console.error("Server crash:", err);
process.exit(1);
});
Kode di atas pakai Model Context Protocol stdio. Komunikasi terjadi lewat standard input/output proses lokal. Tidak ada port HTTP yang terbuka. Jauh lebih aman untuk mesin developer.
Langkah 3: Sambungkan Database Asli
Mock data bagus untuk tes awal. Untuk produksi, ganti isi fungsi callback dengan query database sungguhan. Gunakan library bawaan platform atau driver ringan seperti pg untuk PostgreSQL.
Pastikan koneksi database pakai user dengan hak akses read-only. Jangan pernah berikan izin DROP atau UPDATE ke MCP server yang diakses AI. Validasi input pakai Zod di atas sudah mencegah SQL injection dasar, tapi batasan hak akses database adalah pertahanan terakhir.
Sambungkan Database ke AI Coding Assistant
Server sudah jalan. Sekarang daftarkan ke editor. Contoh ini gunakan Cursor atau VS Code dengan ekstensi MCP.
Buka file konfigurasi MCP editor (biasanya .cursor/mcp.json atau mcp_config.json). Tambahkan blok berikut:
{
"mcpServers": {
"internal-db": {
"command": "npx",
"args": ["tsx", "/path/absolut/ke/proyek/mcp-internal-db/server.ts"]
}
}
}
Ganti /path/absolut/ke/proyek/ dengan lokasi asli di komputermu. Simpan file. Restart editor.
Selesai. Kamu baru saja berhasil sambungkan database ke AI coding assistant. Sekarang, saat kamu chat dengan AI di editor, kamu bisa minta: "Cek skema tabel users pakai tool get_table_schema". AI akan panggil server lokal, baca hasilnya, dan tulis kode query yang akurat tanpa halusinasi nama kolom.
Keamanan dan Praktik Terbaik
Membangun tool internal bukan berarti boleh asal jalan. Perhatikan hal-hal berikut agar sistem tetap aman dan mudah dirawat:
- Batasi Akses: MCP server ini harusnya hanya jalan di lingkungan development lokal atau CI/CD internal. Jangan ekspos ke internet publik.
- Validasi Ketat: Selalu gunakan Zod atau validator sejenis untuk setiap parameter yang masuk dari AI. Anggap input dari LLM sebagai input dari pengguna yang tidak terpercaya.
- Logging: Catat setiap pemanggilan tool ke file log terpisah. Jika AI salah hapus data (karena bug di tool custom lain), kamu punya jejak audit.
- Jangan Over-engineering: Mulai dari satu atau dua tool paling krusial. Jangan langsung bangun 50 endpoint. Tambah tool baru hanya ketika ada kasus nyata yang membutuhkannya.
💡 Baca Juga & Rekomendasi Jaringan AI Network:
- Gunakan racikan prompt profesional di SolusiAI.my.id (Rekomendasi Tools & Otomatisasi AI).
- Pelajari tutorial skrip dan otomatisasi teknis di PromptHack.my.id (Kumpulan AI Prompt & Content Growth).
Kesimpulan
Membangun MCP server internal bukan tugas berat yang butuh arsitektur rumit. Dengan memanfaatkan SDK resmi dan transport Model Context Protocol stdio, kamu bisa menghubungkan sistem internal ke AI dalam hitungan menit. Pendekatan ini menghilangkan gesekan konteks antara developer dan AI.
Cara buat MCP server yang dijelaskan di atas menggunakan prinsip minimal: satu file, dependensi sedikit, fokus pada solusi. Kamu tinggal mengganti bagian mock dengan query database asli sesuai stack kantormu.
Jangan biarkan AI coding assistant bekerja dalam gelap. Beri dia akses terkontrol ke data dan tool yang tepat. Produktivitas tim naik, bug akibat salah asumsi turun drastis. Selamat mencoba di proyekmu selanjutnya, dan pantau terus panduan developer tools lainnya di kodeai.my.id.
Posting Komentar