Jawaban langsung: Contoh MCPMCPAturan standar yang memungkinkan program AI memakai alat dan data Anda dengan izin yang jelas.Buka glosarium server untuk bisnis mengikuti 1 pola: 2–3 tool baca yang menjawab pertanyaan harian, 1 tool tulis dengan approval manusia, dan filter data pribadi. Sepuluh contoh di artikel ini menutup CRM, ERP, gudang, keuangan, CRM WhatsApp, spreadsheet, database, dokumen SOP, jadwal, dan konten. Pada sistem kami sendiri, 3 server melayani konten, penawaran, dan jadwal dengan pola yang sama.
Kondisi utama: contoh berlaku bila sistem sumber punya APIAPIPintu resmi yang dipakai 2 sistem untuk saling mengirim data, tanpa orang menyalin data secara manual.Buka glosarium atau database yang bisa dibaca. Nama tool adalah usulan; pola anotasi dan approval mengikuti spesifikasi 2026-07-28, dibaca 13 September 2026. Batas: artikel ini tidak memuat kode, tidak menyebut harga, dan tidak menjanjikan hasil. Contoh memakai data dummy; tidak ada nama klien. Biaya per contoh ada di artikel biaya pembuatan MCP server.
Kami menulis artikel ini pada 13 September 2026 dari dokumentasi Cloudflare Agents, spesifikasi tool MCP, dan UU Nomor 27 Tahun 2022. Setiap nama pelanggan, lead, dan kode pada contoh adalah data dummy berlabel.
Masalah: "AI untuk bisnis" tanpa contoh MCP server dan daftar tool
Proposal AI sering berhenti pada janji "bisa terhubung ke semua sistem" tanpa menyebut 1 nama tool. Tanpa daftar tool, pemilik bisnis tidak bisa menilai cakupan, risiko, dan siapa yang menyetujui aksi tulis. Artikel apa itu MCP menjelaskan konsep host, klien, dan server. Artikel ini melanjutkan dengan 10 contoh MCP server bertool nama, supaya perbandingan menjadi konkret. Istilah lengkap ada pada glosarium MCP.
Pola 1 server: 2–3 tool baca, 1 tool tulis, 1 filter data
Cloudflare menulis bahwa tool sedikit yang dirancang baik mengalahkan banyak tool granular, dan menganjurkan beberapa MCP server kecil dengan izin sempit daripada 1 server besar. Pola yang berulang pada 10 contoh di bawah memakai 3 bagian: 2 sampai 3 tool baca untuk pertanyaan harian, 1 tool tulis untuk 1 aksi berisiko, dan 1 filter kolom data pribadi sebelum hasil tool sampai ke model AI.
Skema tool MCP menandai tool baca dengan readOnlyHint dan tool tulis dengan destructiveHint. Spesifikasi tool mewajibkan manusia yang bisa menolak setiap pemanggilan tool tulis. Tool baca tetap bentuk penampilan dan pengungkapan data menurut Pasal 16 UU 27/2022, jadi kolom seperti nomor telepon dan alamat perlu difilter sebelum masuk ke model AI di luar negeri.
Sepuluh contoh pada bagian berikut memakai pola yang sama, dengan nama tool dan risiko yang berbeda per sistem.
10 contoh MCP server, 1 H3 per sistem
1. CRM
CRM menyimpan riwayat pelanggan dan status penjualan. Tool baca cari_pelanggan menemukan data pelanggan dari nama atau nomor telepon. Tool baca riwayat_interaksi menampilkan histori kontak. Tool tulis catat_follow_up mencatat rencana tindak lanjut dan menunggu approval manusia. Risiko: follow-up yang salah target menumpuk tanpa approval. Klien AI yang cocok: Claude dan OpenClaw.
2. ERP
ERP menjawab pertanyaan stok dan pembelian. Tool baca cek_stok membaca jumlah barang per gudang. Tool baca status_po membaca status pesanan pembelian. Tool tulis buat_draf_po menyiapkan draf pesanan baru dan menunggu approval sebelum terkirim ke pemasok. Risiko: draf pesanan yang salah jumlah membebani anggaran. Klien AI yang cocok: Claude dan ChatGPT.
3. Gudang
Gudang menjawab pertanyaan stok per lokasi. Tool baca stok_per_lokasi membaca jumlah barang per cabang. Tool baca mutasi_hari_ini membaca perpindahan barang hari itu. Tool tulis catat_penerimaan mencatat barang masuk dan menunggu approval kepala gudang. Risiko: catatan penerimaan yang salah jumlah mengacaukan stok. Klien AI yang cocok: OpenClaw dan Hermes Agent, yang bermigrasi ke MCP SDK 2.x pada Agustus 2026.
4. Keuangan
Keuangan menjawab pertanyaan piutang dan tagihan. Tool baca invoice_jatuh_tempo membaca invoice yang lewat jatuh tempo. Tool baca saldo_piutang membaca total piutang per pelanggan. Tool tulis draf_invoice menyiapkan draf invoice baru dan menunggu approval sebelum terbit. Risiko tertinggi: invoice yang salah nominal terkirim ke pelanggan. Alur invoice dari chat operasional sudah kami tulis pada integrasi Accurate Online dengan OpenClaw. Klien AI yang cocok: Claude.
5. CRM WhatsApp
CRM WhatsApp menjawab pertanyaan status lead dari chat. Tool baca ringkas_percakapan meringkas isi chat tanpa menampilkan nomor telepon. Tool baca status_lead membaca tahap lead. Tool tulis kirim_template mengirim template pesan dan menunggu approval supervisor. Risiko tertinggi: template terkirim ke nomor yang salah, atau isi chat pribadi bocor ke luar. Klien AI yang cocok: OpenClaw.
6. Spreadsheet
Spreadsheet menjawab pertanyaan rekap harian. Tool baca baca_rekap membaca 1 rentang sel. Tool baca cari_baris mencari baris berdasar kolom kunci. Tool tulis tambah_baris menambah 1 baris baru dan menunggu approval pemilik sheet. Risiko: baris ganda atau kolom yang tertukar merusak rekap. Klien AI yang cocok: Claude dan ChatGPT.
7. Database internal
Database internal menjawab pertanyaan data mentah tanpa tool tulis pada tahap pertama. Tool baca query_terbatas menjalankan 1 kueri dengan parameter tetap, tanpa SQL bebas. Tidak ada tool tulis pada tahap ini, karena semua kolom identitas tersimpan di sana. Risiko: kueri bebas membuka seluruh tabel ke model. Klien AI yang cocok: Claude Code dan Cursor.
8. Dokumen SOP
Dokumen SOP menjawab pertanyaan prosedur kerja. Tool baca cari_sop mencari dokumen berdasar kata kunci. Tool baca baca_versi membaca versi dokumen yang berlaku. Tool tulis usulkan_revisi menulis usulan revisi dan menunggu approval pemilik SOP. Risiko: revisi yang langsung berlaku tanpa approval mengubah prosedur kerja tim. Klien AI yang cocok: Claude dan Gemini CLI.
9. Jadwal
Jadwal menjawab pertanyaan slot dan booking. Tool baca daftar_slot membaca slot yang kosong. Tool baca cek_booking membaca status 1 booking. Tool tulis buat_booking membuat 1 booking baru dan menunggu approval, pola idempotensi yang sama dengan server jadwal kami. Risiko: 2 booking jatuh pada 1 slot yang sama. Klien AI yang cocok: Claude dan OpenClaw.
10. Konten
Konten menjawab pertanyaan status artikel. Tool baca daftar_artikel membaca daftar draf dan status publikasi. Tool baca validasi_draf memeriksa draf sebelum terbit. Tool publish menerbitkan artikel dan menunggu konfirmasi eksplisit, pola yang sama dengan server konten kami. Risiko: artikel dengan tanggal terbit yang salah menjangkau pembaca tanpa konfirmasi. Klien AI yang cocok: OpenClaw dan Claude.
Tabel: 10 contoh, tool baca, tool tulis, approval, data pribadi
Tabel berikut merangkum 10 contoh di atas dalam 1 pandangan: sistem sumber, tool baca, tool tulis dengan approval, kolom data pribadi yang perlu difilter, dan klien AI yang cocok. Kolom data pribadi memakai bahasa Pasal 16 UU 27/2022: tool baca tetap bentuk penampilan dan pengungkapan data, jadi kolom itu tetap perlu difilter walau tool-nya hanya membaca.
| # | Sistem sumber | Tool baca (contoh) | Tool tulis (approval) | Data pribadi yang difilter | Klien AI yang cocok |
|---|---|---|---|---|---|
| 1 | CRM | cari_pelanggan, riwayat_interaksi | catat_follow_up | telepon, email | Claude, OpenClaw |
| 2 | ERP | cek_stok, status_po | buat_draf_po | tidak ada pada tool ini | Claude, ChatGPT |
| 3 | Gudang | stok_per_lokasi, mutasi_hari_ini | catat_penerimaan | nama petugas | OpenClaw, Hermes AgentAgent AIProgram AI yang mengerjakan langkah pekerjaan sendiri, misalnya membaca pesan, menyiapkan balasan, lalu mencatat hasilnya.Buka glosarium |
| 4 | Keuangan | invoice_jatuh_tempo, saldo_piutang | draf_invoice | alamat tagihan | Claude |
| 5 | CRM WhatsApp | ringkas_percakapan, status_lead | kirim_template | nomor telepon, isi chat pribadi | OpenClaw |
| 6 | Spreadsheet | baca_rekap, cari_baris | tambah_baris | kolom kontak | Claude, ChatGPT |
| 7 | Database internal | query_terbatas (parameter tetap) | tidak ada pada tahap 1 | semua kolom identitas | Claude Code, Cursor |
| 8 | Dokumen SOP | cari_sop, baca_versi | usulkan_revisi | tidak ada | Claude, Gemini CLI |
| 9 | Jadwal | daftar_slot, cek_booking | buat_booking | nama dan telepon pemesan | Claude, OpenClaw |
| 10 | Konten | daftar_artikel, validasi_draf | publish (konfirmasi eksplisit) | tidak ada | OpenClaw, Claude |
Pengalaman kami: 3 server untuk konten, penawaran, dan jadwal
Pada sistem kami sendiri, 3 MCP server melayani konten, penawaran, dan jadwal untuk agent OpenClaw dan Claude. Aksi tulis memakai konfirmasi eksplisit, hak akses per scope, dan audit log. Tool publish dan tool terbitkan penawaran meminta argumen konfirmasi eksplisit sebelum tersimpan. Semua tool tulis, termasuk buat_booking, memakai idempotencyKey supaya 1 percobaan ulang tidak menduplikasi hasil. Contoh nama tool yang kami pakai: article_validate_draft, quotation_preview, dan scheduling_list_slots.
Pola ini sama dengan 10 contoh di atas: tool baca lebih banyak, 1 tool tulis, dan approval sebelum tersimpan. Susunan yang sama ini juga menjadi bentuk Jasa Pembuatan MCP Server yang kami kerjakan untuk klien.
Contoh: CS bertanya riwayat pelanggan lalu mengirim template
Simulasi berikut memakai data dummy: CS memakai server CRM WhatsApp dari OpenClaw untuk 1 lead.
| Input (permintaan CS) | Tercatat (di MCP server dan audit log) | Output (yang dilihat CS) |
|---|---|---|
| "Ringkas percakapan lead L-1042." | ringkas_percakapan {lead: "L-1042"}; nomor telepon dibuang dari hasil; log baca | Ringkasan 5 kalimat tanpa nomor telepon |
| "Status lead itu apa?" | status_lead {lead: "L-1042"}; hasil "menunggu penawaran" | "Menunggu penawaran sejak 2 hari lalu." |
| "Kirim template penawaran ke lead itu." | kirim_template {lead: "L-1042", template: "penawaran-v3"}; status "menunggu approval supervisor" | Kartu approval tampil di OpenClaw untuk supervisor |
| Supervisor menolak: "harga belum final" | Panggilan dibatalkan; log tulis "ditolak", aktor supervisor, alasan | "Pengiriman dibatalkan oleh supervisor." |
Kode lead, nama template, dan alasan penolakan adalah data dummy. Nomor telepon tidak pernah tampil di keluaran tool.
Checklist memilih server pertama
- Pilih 1 sistem sumber dengan pertanyaan harian paling sering. Pemilik: kepala operasional. Bukti: catatan 1 minggu pertanyaan staf.
- Tulis 2–3 tool baca dengan nama kerja dan 1 kalimat tujuan. Pemilik: pemilik proses. Bukti: daftar tool.
- Tentukan 1 tool tulis dan siapa yang menyetujuinya. Pemilik: kepala divisi. Bukti: nama jabatan penyetuju.
- Tandai kolom data pribadi yang tidak boleh keluar dari tool. Pemilik: penanggung jawab data. Bukti: daftar kolom.
- Pilih klien AI yang tim pakai dan cek dukungannya. Pemilik: IT. Bukti: nama klien dan transport.
- Siapkan 3 kasus uji per tool: normal, data tidak ada, input salah. Pemilik: QA. Bukti: tabel kasus uji.
- Kriteria berhenti: bila tool tulis pertama mengirim uang atau pesan ke pelanggan, tunda ke tahap 2.
Pertanyaan yang sering diajukan
Berapa tool yang ideal untuk server pertama? 2 sampai 3 tool baca dan maksimum 1 tool tulis. Cloudflare menulis bahwa tool sedikit yang dirancang baik mengalahkan banyak tool granular.
Apakah 1 server boleh menyambung ke 2 sistem? Boleh, tetapi izin sempit per server lebih mudah diaudit. Artikel biaya pembuatan MCP server menjelaskan pengaruhnya ke cakupan dan harga.
Bagaimana dengan data pribadi pelanggan di CRM WhatsApp? Filter kolom nomor telepon dan isi chat pribadi di tool sebelum hasil masuk ke model AI. Pasal 16 dan 56 UU 27/2022 mengatur penampilan data dan transfer ke luar negeri.
Apakah contoh ini butuh OAuth? Tidak wajib. API key berlaku untuk server jarak jauh dengan 1 tim internal. OAuth 2.1 masuk akal saat pengguna banyak atau klien memakai custom connector Claude.
Apakah server contoh ini bisa dipakai dari ChatGPT? Bisa, untuk server jarak jauh lewat URL dengan Developer mode, menurut dokumentasi resmi OpenAI. ChatGPT tidak menjalankan server lokal atau stdio.
Langkah berikutnya
Sepuluh contoh di atas adalah usulan nama tool, bukan daftar akhir. Nama tool akhir dan siapa yang menyetujui tetap mengikuti sistem sumber Anda. Pembaca yang baru mulai bisa membaca MCP untuk UMKM: 3 tool pertama untuk 1 sistem dan 3 tool baca, atau integrasi AI sistem lama tanpa bangun ulang bila sistem sumber Anda tidak punya API yang rapi. Batas: artikel ini tidak memuat kode dan tidak menjanjikan hasil bisnis. Kirim kebutuhan menilai sistem Anda dan mengusulkan server pertama. Jadwalkan konsultasi gratis membahas 1 sistem sumber dan 2–3 tool baca dalam 30 menit.
Sumber
- Cloudflare Agents: tool per tujuan pengguna, beberapa server kecil dengan izin sempit
- Skema MCP resmi: 4 anotasi tool, termasuk readOnlyHint dan destructiveHint
- Spesifikasi tool MCP: manusia yang bisa menolak pemanggilan tool tulis
- UU Nomor 27 Tahun 2022 tentang Pelindungan Data Pribadi, Pasal 16 dan 56
- OpenAI: dokumentasi resmi MCP untuk ChatGPT dan Codex
- Claude: panduan custom connector MCP jarak jauh
- Rama Digital: Hermes Agent 0.20.3 dan MCP SDK 2.x
