Banyak tim sudah memakai Claude atau ChatGPT setiap hari. Namun, untuk pekerjaan yang menyangkut data perusahaan, alurnya masih manual. Staf menyalin data dari sistem, menempelkannya ke chat, lalu menyalin hasilnya kembali ke sistem. Cara ini lambat dan membuat data perusahaan berpindah tangan tanpa catatan.
Model Context Protocol (MCP) memberi jalan yang lebih rapi. MCP adalah standar terbuka yang diperkenalkan Anthropic pada 2024 untuk menghubungkan asisten AI ke tool dan data. Dengan MCP, Anda bisa menghubungkan Claude ke sistem perusahaan seperti CRM, sistem pesanan, atau penyimpanan dokumen, dengan izin yang diatur dan setiap akses tercatat. Artikel ini membahas apa saja yang dibutuhkan, sistem mana yang sebaiknya didahulukan, dan cara meluncurkannya secara bertahap.
Cara kerja MCP secara singkat
Dalam MCP ada dua sisi. Sisi pertama adalah klien, yaitu aplikasi AI yang dipakai pengguna, seperti Claude. Sisi kedua adalah server MCP, yaitu program yang Anda jalankan di depan sistem perusahaan. Server ini menyediakan sejumlah tool, misalnya "cari pelanggan", "lihat status pesanan", atau "buat draf penawaran".
Ketika pengguna bertanya, AI memilih tool yang relevan dan memanggilnya melalui server. Server memeriksa izin, menjalankan permintaan ke sistem Anda, lalu mengembalikan hasilnya ke AI. Karena MCP adalah standar terbuka, satu server yang sama bisa dipakai oleh Claude, ChatGPT, dan asisten lain yang mendukung MCP. Anda tidak perlu membuat integrasi terpisah untuk setiap aplikasi AI.
Dalam praktiknya, pengguna cukup bertanya dengan bahasa biasa. Seorang staf admin di perusahaan EO, misalnya, bisa menulis "tampilkan vendor dekorasi yang kontraknya habis bulan depan". AI memanggil tool pencarian kontrak, membaca hasilnya, lalu menyusun jawaban singkat. Staf tidak perlu tahu nama tabel atau menu di sistem, dan tidak ada data yang disalin keluar secara manual.
Kebutuhan untuk menghubungkan Claude ke sistem perusahaan
Secara teknis, kebutuhannya tidak banyak. Yang lebih menentukan adalah keputusan bisnis di sekitarnya, terutama soal siapa boleh melakukan apa.
- Sistem dengan API atau database yang bisa diakses dengan aman. Sistem lama tanpa API biasanya perlu lapisan penghubung lebih dulu.
- Daftar tool yang jelas. Setiap tool sebaiknya melakukan satu hal, dengan nama dan deskripsi yang mudah dipahami AI.
- Cara login yang mengikuti identitas masing-masing pengguna, biasanya dengan OAuth.
- Aturan izin per tool dan per peran.
- Audit log yang mencatat siapa memanggil tool apa, kapan, dan apa hasilnya.
- Tempat menjalankan server, baik di cloud maupun di server internal.
Sistem mana yang didahulukan
Pilih sistem yang sering ditanyakan dan risikonya rendah. Sebagai langkah awal, akses baca hampir selalu lebih aman dibanding akses untuk mengubah data.
Ambil contoh distributor bahan bangunan. Tim sales sering menelepon gudang hanya untuk menanyakan stok dan status pengiriman. Tool baca untuk stok dan status pesanan sudah menghemat banyak waktu tanpa risiko mengubah data. Di perusahaan jasa konsultan, titik awal yang baik bisa berupa pencarian dokumen kontrak dan riwayat proyek. Sistem keuangan, penggajian, dan apa pun yang mengirim pesan langsung ke pelanggan sebaiknya menunggu tahap berikutnya.
Satu pertanyaan sederhana bisa membantu memilih. Pekerjaan apa yang setiap hari membuat staf bertanya ke rekan di divisi lain hanya untuk mendapatkan satu angka atau satu status? Pekerjaan seperti itu biasanya calon terbaik untuk tool pertama, karena manfaatnya langsung terasa dan mudah diukur.
Izin, OAuth, dan audit
Login atas nama pengguna
Dengan OAuth, setiap pengguna masuk dengan akunnya sendiri. Server MCP lalu bertindak atas nama pengguna tersebut, sehingga staf sales hanya melihat pelanggan di wilayahnya sesuai hak akses yang sudah berlaku di sistem. Hindari satu akun admin bersama untuk semua orang, karena semua batasan akses akan hilang begitu saja.
Izin per tool
Tentukan tool mana yang boleh dipakai oleh peran apa. Pisahkan juga tool baca dan tool ubah. Untuk aksi yang berdampak, seperti mengubah harga, membatalkan pesanan, atau mengirim email ke pelanggan, tambahkan langkah persetujuan manusia sebelum aksi dijalankan.
Audit log
Catat setiap panggilan tool beserta penggunanya, parameter, dan hasilnya. Log ini berguna saat ada pertanyaan dari manajemen, saat menelusuri kesalahan, dan untuk memastikan pengelolaan data pribadi sejalan dengan prinsip UU PDP. Folders, produk dokumen dari Averoa, memakai pendekatan ini. Claude dan ChatGPT mendapat akses per folder lewat MCP, dan setiap permintaan tercatat.
Peluncuran bertahap
Peluncuran yang aman biasanya berjalan dalam beberapa tahap:
- Pilih satu tim kecil dan dua atau tiga tool baca.
- Jalankan selama beberapa minggu dan baca audit log secara rutin. Perhatikan pertanyaan yang gagal dijawab dan tool yang dipanggil secara keliru.
- Perbaiki nama dan deskripsi tool. AI memilih tool berdasarkan deskripsinya, jadi deskripsi yang jelas sangat berpengaruh.
- Tambahkan tool ubah satu per satu, dengan persetujuan manusia untuk aksi yang berisiko.
- Perluas ke tim lain setelah aturan izin dan pola pemakaiannya jelas.
Siapkan juga panduan singkat untuk pengguna yang menjelaskan apa yang bisa ditanyakan, apa yang belum bisa, dan ke mana melapor jika hasilnya terasa aneh. Panduan satu halaman biasanya sudah cukup.
Langkah berikutnya
MCP membuat asisten AI bisa bekerja dengan data perusahaan tanpa salin tempel, asalkan izin dan pencatatannya dirancang sejak awal. Averoa membangun server MCP kustom dengan OAuth, izin per tool, audit log, dan langkah persetujuan manusia melalui layanan MCP & AI Agent.
