README.md

Penafian Contoh Kode

Catatan Penting: Contoh kode di bawah ini menunjukkan integrasi Model Context Protocol (MCP) dengan fungsi pencarian web. Meskipun mengikuti pola dan struktur dari SDK MCP resmi, contoh ini disederhanakan untuk tujuan pembelajaran.

Contoh-contoh ini menampilkan:

1. Implementasi Python: Implementasi server FastMCP yang menyediakan alat pencarian web dan terhubung ke API pencarian eksternal. Contoh ini menunjukkan pengelolaan lifespan yang tepat, penanganan konteks, dan implementasi alat sesuai pola dari SDK MCP Python resmi. Server menggunakan transport Streamable HTTP yang direkomendasikan, yang menggantikan transport SSE lama untuk penggunaan produksi.

2. Implementasi JavaScript: Implementasi TypeScript/JavaScript menggunakan pola FastMCP dari SDK MCP TypeScript resmi untuk membuat server pencarian dengan definisi alat dan koneksi klien yang tepat. Ini mengikuti pola terbaru yang direkomendasikan untuk manajemen sesi dan pelestarian konteks.

Contoh-contoh ini memerlukan penanganan error tambahan, autentikasi, dan kode integrasi API spesifik untuk penggunaan produksi. Endpoint API pencarian yang ditampilkan (https://api.search-service.example/search) adalah placeholder dan harus diganti dengan endpoint layanan pencarian yang sebenarnya.

Untuk detail implementasi lengkap dan pendekatan terbaru, silakan merujuk ke spesifikasi MCP resmi dan dokumentasi SDK.

Konsep Inti

Kerangka Kerja Model Context Protocol (MCP)

Pada dasarnya, Model Context Protocol menyediakan cara standar bagi model AI, aplikasi, dan layanan untuk bertukar konteks. Dalam pencarian web real-time, kerangka ini sangat penting untuk menciptakan pengalaman pencarian multi-putaran yang koheren. Komponen utama meliputi:

1. Arsitektur Klien-Server: MCP menetapkan pemisahan jelas antara klien pencarian (peminta) dan server pencarian (penyedia), memungkinkan model penyebaran yang fleksibel.

2. Komunikasi JSON-RPC: Protokol menggunakan JSON-RPC untuk pertukaran pesan, membuatnya kompatibel dengan teknologi web dan mudah diimplementasikan di berbagai platform.

3. Manajemen Konteks: MCP mendefinisikan metode terstruktur untuk memelihara, memperbarui, dan memanfaatkan konteks pencarian di berbagai interaksi.

4. Definisi Alat: Kemampuan pencarian diekspos sebagai alat standar dengan parameter dan nilai kembalian yang terdefinisi dengan baik.

5. Dukungan Streaming: Protokol mendukung streaming hasil, penting untuk pencarian real-time di mana hasil dapat tiba secara bertahap.

Pola Integrasi Pencarian Web

Saat mengintegrasikan MCP dengan pencarian web, beberapa pola muncul:

1. Integrasi Penyedia Pencarian Langsung

graph LR
    Client[MCP Client] --> |MCP Request| Server[MCP Server]
    Server --> |API Call| SearchAPI[Search API]
    SearchAPI --> |Results| Server
    Server --> |MCP Response| Client

Loading

Dalam pola ini, server MCP langsung berinteraksi dengan satu atau lebih API pencarian, menerjemahkan permintaan MCP menjadi panggilan API spesifik dan memformat hasil sebagai respons MCP.

2. Pencarian Federasi dengan Pelestarian Konteks

graph LR
    Client[MCP Client] --> |MCP Request| Federation[MCP Federation Layer]
    Federation --> |MCP Request 1| Search1[Search Provider 1]
    Federation --> |MCP Request 2| Search2[Search Provider 2]
    Federation --> |MCP Request 3| Search3[Search Provider 3]
    Search1 --> |MCP Response 1| Federation
    Search2 --> |MCP Response 2| Federation
    Search3 --> |MCP Response 3| Federation
    Federation --> |Aggregated MCP Response| Client

Loading

Pola ini mendistribusikan kueri pencarian ke beberapa penyedia pencarian yang kompatibel dengan MCP, masing-masing mungkin mengkhususkan diri dalam jenis konten atau kemampuan pencarian yang berbeda, sambil mempertahankan konteks yang terpadu.

3. Rantai Pencarian dengan Peningkatan Konteks

graph LR
    Client[MCP Client] --> |Query + Context| Server[MCP Server]
    Server --> |1. Query Analysis| NLP[NLP Service]
    NLP --> |Enhanced Query| Server
    Server --> |2. Search Execution| Search[Search Engine]
    Search --> |Raw Results| Server
    Server --> |3. Result Processing| Enhancement[Result Enhancement]
    Enhancement --> |Enhanced Results| Server
    Server --> |Final Results + Updated Context| Client

Loading

Dalam pola ini, proses pencarian dibagi menjadi beberapa tahap, dengan konteks yang diperkaya di setiap langkah, menghasilkan hasil yang semakin relevan secara bertahap.

Komponen Konteks Pencarian

Dalam pencarian web berbasis MCP, konteks biasanya mencakup:

• Riwayat Kueri: Kueri pencarian sebelumnya dalam sesi
• Preferensi Pengguna: Bahasa, wilayah, pengaturan pencarian aman
• Riwayat Interaksi: Hasil yang diklik, waktu yang dihabiskan pada hasil
• Parameter Pencarian: Filter, urutan sortir, dan modifikator pencarian lainnya
• Pengetahuan Domain: Konteks khusus subjek yang relevan dengan pencarian
• Konteks Temporal: Faktor relevansi berbasis waktu
• Preferensi Sumber: Sumber informasi yang dipercaya atau disukai

Kasus Penggunaan dan Aplikasi

Riset dan Pengumpulan Informasi

MCP meningkatkan alur kerja riset dengan:

• Melestarikan konteks riset di berbagai sesi pencarian
• Memungkinkan kueri yang lebih canggih dan relevan secara kontekstual
• Mendukung federasi pencarian multi-sumber
• Memfasilitasi ekstraksi pengetahuan dari hasil pencarian

Pemantauan Berita dan Tren Real-Time

Pencarian berbasis MCP menawarkan keuntungan untuk pemantauan berita:

• Penemuan cerita berita yang muncul hampir secara real-time
• Penyaringan kontekstual informasi yang relevan
• Pelacakan topik dan entitas di berbagai sumber
• Pemberitahuan berita yang dipersonalisasi berdasarkan konteks pengguna

Penjelajahan dan Riset yang Ditingkatkan AI

MCP membuka kemungkinan baru untuk penjelajahan yang ditingkatkan AI:

• Saran pencarian kontekstual berdasarkan aktivitas browser saat ini
• Integrasi mulus pencarian web dengan asisten bertenaga LLM
• Penyempurnaan pencarian multi-putaran dengan konteks yang dipertahankan
• Peningkatan pemeriksaan fakta dan verifikasi informasi

Tren dan Inovasi Masa Depan

Evolusi MCP dalam Pencarian Web

Ke depan, kami memperkirakan MCP akan berkembang untuk mengatasi:

• Pencarian Multimodal: Mengintegrasikan pencarian teks, gambar, audio, dan video dengan konteks yang dipertahankan
• Pencarian Terdesentralisasi: Mendukung ekosistem pencarian yang terdistribusi dan federasi
• Privasi Pencarian: Mekanisme pencarian yang menjaga privasi dengan kesadaran konteks
• Pemahaman Query: Parsing semantik mendalam dari query pencarian berbahasa alami

Kemajuan Potensial dalam Teknologi

Teknologi baru yang akan membentuk masa depan pencarian MCP:

1. Arsitektur Pencarian Neural: Sistem pencarian berbasis embedding yang dioptimalkan untuk MCP
2. Konteks Pencarian yang Dipersonalisasi: Mempelajari pola pencarian pengguna secara individu dari waktu ke waktu
3. Integrasi Knowledge Graph: Pencarian kontekstual yang ditingkatkan dengan knowledge graph khusus domain
4. Konteks Lintas Modalitas: Mempertahankan konteks di berbagai modalitas pencarian

Latihan Praktik

Latihan 1: Menyiapkan Pipeline Pencarian MCP Dasar

Dalam latihan ini, Anda akan belajar cara:

• Mengonfigurasi lingkungan pencarian MCP dasar
• Mengimplementasikan pengelola konteks untuk pencarian web
• Menguji dan memvalidasi pelestarian konteks di berbagai iterasi pencarian

Latihan 2: Membangun Asisten Riset dengan Pencarian MCP

Buat aplikasi lengkap yang:

• Memproses pertanyaan riset berbahasa alami
• Melakukan pencarian web dengan kesadaran konteks
• Mensintesis informasi dari berbagai sumber
• Menyajikan temuan riset secara terorganisir

Latihan 3: Mengimplementasikan Federasi Pencarian Multi-Sumber dengan MCP

Latihan lanjutan yang mencakup:

• Pengiriman query yang sadar konteks ke beberapa mesin pencari
• Peringkat dan agregasi hasil
• Dedupikasi hasil pencarian secara kontekstual
• Penanganan metadata spesifik sumber

Sumber Daya Tambahan

• Model Context Protocol Specification - Spesifikasi resmi MCP dan dokumentasi protokol terperinci
• Model Context Protocol Documentation - Tutorial dan panduan implementasi mendalam
• MCP Python SDK - Implementasi resmi MCP dalam Python
• MCP TypeScript SDK - Implementasi resmi MCP dalam TypeScript
• MCP Reference Servers - Implementasi referensi server MCP
• Bing Web Search API Documentation - API pencarian web Microsoft
• Google Custom Search JSON API - Mesin pencari yang dapat diprogram dari Google
• SerpAPI Documentation - API halaman hasil mesin pencari
• Meilisearch Documentation - Mesin pencari open-source
• Elasticsearch Documentation - Mesin pencarian dan analitik terdistribusi
• LangChain Documentation - Membangun aplikasi dengan LLM

Hasil Pembelajaran

Dengan menyelesaikan modul ini, Anda akan mampu:

• Memahami dasar-dasar pencarian web real-time dan tantangannya
• Menjelaskan bagaimana Model Context Protocol (MCP) meningkatkan kemampuan pencarian web real-time
• Mengimplementasikan solusi pencarian berbasis MCP menggunakan framework dan API populer
• Merancang dan menerapkan arsitektur pencarian yang skalabel dan berkinerja tinggi dengan MCP
• Menerapkan konsep MCP pada berbagai kasus penggunaan termasuk pencarian semantik, asisten riset, dan browsing yang didukung AI
• Mengevaluasi tren baru dan inovasi masa depan dalam teknologi pencarian berbasis MCP

Pertimbangan Kepercayaan dan Keamanan

Saat mengimplementasikan solusi pencarian web berbasis MCP, ingat prinsip penting berikut dari spesifikasi MCP:

1. Persetujuan dan Kontrol Pengguna: Pengguna harus memberikan persetujuan eksplisit dan memahami semua akses data serta operasi yang dilakukan. Ini sangat penting untuk implementasi pencarian web yang mungkin mengakses sumber data eksternal.

2. Privasi Data: Pastikan penanganan query pencarian dan hasilnya dilakukan dengan tepat, terutama jika mengandung informasi sensitif. Terapkan kontrol akses yang sesuai untuk melindungi data pengguna.

3. Keamanan Alat: Terapkan otorisasi dan validasi yang tepat untuk alat pencarian, karena alat ini berpotensi menimbulkan risiko keamanan melalui eksekusi kode sembarangan. Deskripsi perilaku alat harus dianggap tidak terpercaya kecuali diperoleh dari server yang terpercaya.

4. Dokumentasi yang Jelas: Berikan dokumentasi yang jelas mengenai kemampuan, keterbatasan, dan pertimbangan keamanan dari implementasi pencarian berbasis MCP Anda, sesuai dengan panduan implementasi dari spesifikasi MCP.

5. Alur Persetujuan yang Kuat: Bangun alur persetujuan dan otorisasi yang kuat yang menjelaskan dengan jelas fungsi setiap alat sebelum mengizinkan penggunaannya, terutama untuk alat yang berinteraksi dengan sumber daya web eksternal.

Untuk detail lengkap mengenai keamanan dan pertimbangan kepercayaan MCP, lihat dokumentasi resmi.

Selanjutnya

• 5.12 Entra ID Authentication for Model Context Protocol Servers

Penafian:
Dokumen ini telah diterjemahkan menggunakan layanan terjemahan AI Co-op Translator. Meskipun kami berupaya untuk mencapai akurasi, harap diperhatikan bahwa terjemahan otomatis mungkin mengandung kesalahan atau ketidakakuratan. Dokumen asli dalam bahasa aslinya harus dianggap sebagai sumber yang sahih. Untuk informasi penting, disarankan menggunakan terjemahan profesional oleh manusia. Kami tidak bertanggung jawab atas kesalahpahaman atau penafsiran yang keliru yang timbul dari penggunaan terjemahan ini.