Enabling APIs for AI-First Systems: Backend Bertenaga Agen AI

Dalam ekosistem AI-first modern, agen pintar seperti Claude, Copilot, dan ChatGPT kini dapat memanggil API secara langsung untuk menjalankan tugas. Artikel ini membahas bagaimana developer bisa membuat API yang siap dikonsumsi oleh agen AI, menggunakan kombinasi antara OpenAPI Spec dan MCP Server (Modular Command Protocol).

Gambaran Visual: Arsitektur API AI-First

Berikut ilustrasi sederhana tentang alur komunikasi antara agen AI, MCP Server, dan backend API. Agen berinteraksi melalui protokol MCP, yang menjadi jembatan menuju API berbasis FastAPI atau sistem lain di sisi server.

AI Agent → MCP Server → Backend API (FastAPI) OpenAPI Spec + MCP membuat agen AI memahami dan mengeksekusi fungsi API tanpa dokumentasi manual.

Refresher: Konsep Dasar API dan HTTP Verbs

Sebagian besar API berbasis HTTP dan menggunakan verb seperti GET, POST, PUT, PATCH, DELETE, dan OPTIONS — setiap verb merepresentasikan aksi terhadap resource tertentu.

# Contoh API sederhana menggunakan FastAPI
from fastapi import FastAPI

app = FastAPI()
menu = ["Pizza", "Burger", "Pasta"]
current_order: str = None

@app.get("/menu")
def get_menu():
    return {"menu": menu}

@app.post("/order")
def place_order(item: str):
    global current_order
    current_order = item
    return {"message": f"Order placed for {item}"}

@app.delete("/order")
def delete_order():
    global current_order
    current_order = None
    return {"message": "Order deleted"}

API menyediakan endpoint yang bisa dipanggil agen AI untuk aksi layaknya manusia — menambah pesanan, membaca menu, atau menghapus pesanan.

Menghubungkan API ke Agen Melalui OpenAPI Spec

Agar agen AI mengerti cara menggunakan API tanpa instruksi manusia, API harus memiliki OpenAPI Specification (Swagger). File ini berisi detail endpoint, parameter, dan format respons. Agen dapat membaca spec ini dan memetakan fungsinya ke kemampuan mereka.

Membangun MCP Server dari OpenAPI

Langkah berikutnya: mengubah OpenAPI Spec menjadi MCP Server sebagai perantara agen ↔ backend.

import httpx
from fastmcp import FastMCP

client = httpx.AsyncClient(base_url="http://localhost:8000")
openapi_spec = httpx.get("http://localhost:8000/openapi.json").json()

mcp = FastMCP.from_openapi(
    openapi_spec=openapi_spec,
    client=client,
    name="Restaurant MCP Server"
)

if __name__ == "__main__":
    mcp.run(transport="http", port=8001)

Dengan MCP Server aktif, agen seperti Claude atau Copilot mengakses API melalui MCP tanpa menulis ulang kode. Layer ini menjadi jembatan standar yang membuat backend lebih fleksibel dan aman.

Keuntungan dan Tantangan Desain API AI-First

✅ Kontrak API eksplisit via OpenAPI Spec.
✅ Agen AI bisa mengeksekusi aksi langsung.
✅ Lapisan MCP menjaga keamanan dan modularitas.
⚠️ Overhead konfigurasi saat setup MCP server.
⚠️ Potensi latensi tambahan antar layer.

Kesimpulan

Dalam dunia AI-first, backend tidak hanya melayani UI, tetapi juga agen cerdas. Dengan memadukan OpenAPI dan MCP, API dapat berinteraksi langsung dengan agen AI secara kontekstual dan aman.

Desain ini menempatkan backend sebagai bagian dari ekosistem otonom di mana manusia dan mesin bekerja sejajar.

Muhammad Nadhif