Claude Skills vs MCP: Panduan 2026 tentang Arsitektur Berbasis Agen

Lanskap arsitektur agen AI telah mengalami pergeseran besar-besaran dalam enam bulan terakhir. Dengan hadirnya Claude Skills di akhir 2025 dan pertumbuhan ekosistem besar dari Model Context Protocol (MCP)—yang dipuncaki oleh pengumuman kemarin tentang MCP UI Framework—pengembang kini menghadapi keputusan arsitektur yang krusial.

Meskipun keduanya bertujuan memperluas kemampuan Large Language Models (LLM) seperti Claude 3.5 Sonnet dan Opus, mereka menyelesaikan masalah yang secara fundamental berbeda. Artikel ini memberikan analisis mendalam tentang perbedaan, sinergi, dan detail implementasi dari dua pilar pengembangan AI modern ini.

Apa itu Claude Skills dan bagaimana cara kerjanya?

Jawaban singkat: Claude Skills adalah paket, bundel yang dapat digunakan kembali berisi instruksi, templat, skrip, dan sumber daya yang dapat dimuat oleh agen Claude saat sebuah tugas membutuhkan perilaku khusus (misalnya, “formatkan laporan ini sesuai templat legal kami,” “operasikan Excel dengan makro ini,” atau “terapkan aturan suara merek”). Skills menjaga logika khusus dan korpora tetap dekat dengan asisten sehingga Claude dapat menjalankan alur kerja yang kompleks dan berulang tanpa harus menyusun ulang prompt setiap kali.

Bagaimana penerapan Claude Skills (secara praktik)?

Dalam model Anthropic, sebuah Skill dapat terdiri dari:

• Sebuah manifes yang menggambarkan input, output, kondisi pemanggilan, dan izin.
• Potongan kode atau handler sisi server yang mengimplementasikan logika bisnis.
• Instruksi opsional yang ditulis pengembang (markdown) yang menjelaskan perilaku dan guardrail.

Skill pada dasarnya adalah alur kerja yang dikodifikasi atau seperangkat praktik terbaik yang hidup di lingkungan proyek pengguna (biasanya folder .claude/skills). Secara praktis, Skills dapat dipicu secara otomatis ketika Claude mendeteksi tugas yang sesuai dengan deskripsi Skill atau dipanggil secara eksplisit oleh pengguna (misalnya, tombol UI atau perintah slash dalam alur GitHub). Beberapa Skills bersifat “built-in” dan dikelola oleh Anthropic, sementara yang lain berada di repositori publik atau perusahaan dan dimuat ke dalam instance Claude.

Siapa yang menulis Skills dan di mana dijalankan?

• Authoring: tim produk, manajer pengetahuan, atau pengguna bisnis yang teknis dapat membuat Skills menggunakan UI terpandu dan kontrol versi.
• Execution: Skills dapat berjalan di dalam runtime Claude yang terkontrol (desktop, cloud, atau melalui integrasi API) atau ditampilkan melalui Claude Code (peralatan untuk pengembang). Anthropic memosisikan Skills agar non-developer dapat membuatnya sementara developer dapat mengelola versi dan CI/CD.

Apa itu Model Context Protocol (MCP) dan mengapa penting?

Jawaban singkat: MCP (Model Context Protocol) adalah protokol terbuka untuk mendeskripsikan dan mengekspos alat, sumber data, dan kapabilitas kontekstual kepada agen AI sehingga mereka dapat menemukan dan memanggil layanan eksternal secara standar. Ini secara efektif adalah jembatan terstandarisasi (semacam “USB-C untuk agen AI”) yang mengurangi integrasi khusus dan memungkinkan banyak platform agen mengakses set alat/data yang sama secara interoperabel.

Cara kerja MCP

• Sisi server (MCP server): mengekspos skema formal atas alat, API, dan endpoint data yang tersedia. Ia mengimplementasikan endpoint MCP dan dapat menyediakan respons streaming, negosiasi autentikasi, serta telemetri tindakan.
• Sisi klien (MCP client / agent): menemukan alat yang tersedia, mengkueri deskripsi, dan melakukan panggilan menggunakan protokol (pola mirip JSON-RPC / streaming). Agen memperlakukan server MCP seperti katalog kapabilitas yang bisa dipanggil.
• Ekosistem: MCP dimaksudkan netral terhadap bahasa dan vendor — SDK dan implementasi server tersedia untuk berbagai bahasa dan vendor cloud, dan perusahaan besar (termasuk Microsoft dan vendor platform lain) menambahkan dukungan MCP pada 2025.

Mengapa penting saat ini

• Interoperabilitas: Tanpa MCP, setiap penyedia agen mengembangkan format “tool” dan alur autentikasi masing-masing. MCP menurunkan friksi bagi perusahaan untuk mengekspos data dan kapabilitas kepada banyak agen.
• Kesederhanaan operasional: Tim dapat memelihara satu server MCP yang merepresentasikan layanan mereka alih-alih puluhan adapter khusus.
• Fitur enterprise: MCP mendukung streaming, tracing, dan telemetri yang lebih prediktif — berguna untuk audit dan tata kelola. Copilot Studio dari Microsoft menambahkan dukungan MCP kelas satu untuk mempermudah agen enterprise terhubung ke layanan internal.

MCP UI Framework (Januari 2026)

pada 26 Januari 2026, Anthropic memperluas protokol secara signifikan dengan merilis MCP UI Framework. Sebelumnya, MCP murni fungsional—memungkinkan AI membaca data atau mengeksekusi kode secara buta. Ekstensi baru memungkinkan server MCP menyajikan antarmuka grafis interaktif seperti aplikasi langsung di dalam jendela chat.

Contohnya, sebuah "Jira MCP" kini tidak hanya mengambil detail tiket tetapi juga merender mini-dashboard di dalam Claude, memungkinkan pengguna mengeklik tombol untuk mengubah status tiket, alih-alih bergantung pada perintah teks saja.

Apa perbedaan utama antara MCP dan Skills?

Untuk memahami alat mana yang harus digunakan, penting membedakan arsitektur, ruang lingkup, dan lingkungan eksekusi mereka.

1. Lapisan Abstraksi

• MCP adalah Infrastruktur: Beroperasi pada lapisan sistem. Menangani autentikasi, transport jaringan, dan definisi skema API. Agnostik terhadap tugas; ia hanya mengekspos kapabilitas (misalnya, "Saya bisa membaca file X" atau "Saya bisa mengkueri tabel Y"). MCP tidak menentukan konten sebuah Skill; ia menentukan bagaimana cara menyajikan sumber daya dan alat.
• Skills adalah Logika Aplikasi: Beroperasi pada lapisan kognitif. Tingkat tinggi, berorientasi alur kerja. Mereka membundel instruksi, contoh, dan kadang skrip yang spesifik untuk sebuah pekerjaan. Dirancang untuk penggunaan ulang yang lugas di ekosistem yang berfokus pada Claude. Sebuah Skill mendefinisikan prosedur operasi standar (SOP) untuk memanfaatkan infrastruktur.

2. Portabilitas vs. Spesialisasi

• MCP bersifat Universal: Server MCP yang dibangun untuk Postgres bekerja untuk pengguna mana pun, perusahaan mana pun, dan klien AI yang kompatibel MCP mana pun. Ini adalah protokol "tulis sekali, jalankan di mana saja".
• Skills sangat Kontekstual: Sebuah Skill bernama "Write Blog Post" sangat spesifik terhadap suara pengguna, panduan merek, dan aturan pemformatan. Skills dimaksudkan untuk dibagikan dalam tim guna menegakkan konsistensi, tetapi jarang "universal" seperti driver basis data. Secara desain portabel — sebuah server MCP dapat dikonsumsi oleh banyak host (Claude, Copilot Studio, agen pihak ketiga) selama agen mendukung protokol.

3. Keamanan dan keterikatan vendor

• Keamanan MCP: Mengandalkan gerbang izin yang ketat. Saat server MCP mencoba mengakses filesystem atau internet, host (Claude Desktop) meminta persetujuan eksplisit dari pengguna. Mudah ditulis untuk Claude dan dioptimalkan untuk runtime Claude; tidak otomatis portabel ke vendor lain tanpa konversi.
• Keamanan Skills: Skills berjalan sepenuhnya di dalam sandbox percakapan Claude. Mereka berupa teks dan instruksi. Meskipun sebuah Skill dapat menginstruksikan Claude untuk mengeksekusi perintah berbahaya, eksekusi sebenarnya ditangani oleh alat MCP di bawahnya, yang menegakkan kebijakan keamanan.

Tabel Perbandingan

Bagaimana Skills dan MCP saling melengkapi dalam sistem produksi?

Jika MCP menyediakan “dapur dan bahan”, Claude Skills menyediakan “resep”.

"Resep" untuk Sukses

Skills adalah instruksi ringan dan portabel yang mengajarkan Claude bagaimana menjalankan tugas tertentu dengan menggunakan alat yang dimilikinya. Skills menyelesaikan masalah “lembar kosong”.

Bahkan jika Anda memberi AI akses ke seluruh basis kode Anda melalui MCP, AI belum tentu mengetahui gaya pengodean spesifik tim Anda, bagaimana Anda memilih menulis pesan commit, atau langkah-langkah tepat untuk melakukan deploy ke lingkungan staging. Sebuah Skill menjembatani kesenjangan ini dengan membundel konteks, instruksi, dan pengetahuan prosedural menjadi paket yang dapat digunakan kembali.

Apakah Skills dan MCP dapat digunakan bersama?

Mereka sangat saling melengkapi. Arsitektur perusahaan yang khas dapat terlihat seperti:

1. Sebuah server MCP mengekspos sumber daya kanonik yang dikelola perusahaan (dokumen produk, API internal) dan alat yang aman.
2. Sebuah Claude Skill mereferensikan sumber daya kanonik tersebut — atau ditulis untuk memanggilnya — sehingga logika alur kerja Claude menggunakan data otoritatif organisasi melalui MCP.
3. Agen yang di-host di platform lain (misalnya, Copilot Studio) juga dapat menggunakan server MCP yang sama, memberikan akses multi-model ke data dan alat perusahaan yang sama.

Dengan kata lain, MCP adalah lapisan interoperabilitas dan Skills adalah lapisan pengemasan/perilaku; bersama-sama mereka membentuk cara yang tangguh untuk mendistribusikan kapabilitas sambil memusatkan tata kelola dan data.

Kekuatan sejati alur kerja "Agentic" muncul saat Anda mengombinasikan MCP dan Skills. Mereka tidak saling eksklusif; mereka bersifat simbiotis.

Contoh Aplikasi

Bayangkan alur kerja "Customer Support Agent":

1. Lapisan MCP: Anda memasang Salesforce MCP Server (untuk membaca data pelanggan) dan Gmail MCP Server (untuk mengirim balasan).
2. Lapisan Skill: Anda menulis Skill refund-policy.md. Skill ini memuat logika: "Jika pelanggan telah bersama kami selama >2 tahun, setujui pengembalian dana di bawah $50 secara otomatis. Jika tidak, buat tiket untuk tinjauan manusia."

Tanpa MCP, Skill tidak berguna karena tidak dapat melihat masa kerja pelanggan di Salesforce.
Tanpa Skill, koneksi MCP berbahaya—Claude bisa berhalusinasi kebijakan pengembalian dana atau memberi pengembalian dana kepada semua orang.

Alur Kerja Sinergis

1. Permintaan Pengguna: "Buatkan draf balasan untuk email marah dari John Doe ini."
2. Aktivasi Skill: Claude mendeteksi intent dan memuat Skill customer-service.
3. Eksekusi MCP: Skill menginstruksikan Claude untuk "Cari John Doe di Salesforce." Claude menggunakan alat Salesforce MCP untuk mengambil data.
4. Penerapan Logika: Skill menganalisis data yang diambil terhadap aturan internalnya (misalnya, "John adalah VIP").
5. Aksi: Skill menginstruksikan Claude untuk menggunakan alat Gmail MCP untuk membuat draf balasan menggunakan "VIP Apology Template."

Cara mengimplementasikan Skill sederhana dan server MCP

Contoh Kode: Mengonfigurasi Server MCP

Server MCP biasanya dikonfigurasi dalam file JSON. Berikut cara pengembang menghubungkan basis data SQLite lokal ke Claude menggunakan MCP:

{
  "mcpServers": {
    "sqlite-database": {
      "command": "uvx",
      "args": [
        "mcp-server-sqlite",
        "--db-path",
        "./production_data.db"
      ],
      "env": {
        "READ_ONLY": "true"
      }
    },
    "github-integration": {
      "command": "npx",
      "args": [
        "-y",
        "@modelcontextprotocol/server-github"
      ],
      "env": {
        "GITHUB_PERSONAL_ACCESS_TOKEN": "your-token-here"
      }
    }
  }
}

Dalam konfigurasi ini, AI memperoleh akses langsung ke "dapur"—bahan mentah (data) dan peralatan (alat) yang diperlukan untuk melakukan pekerjaan.

Struktur sebuah Skill

Skills didefinisikan menggunakan file Markdown sederhana, sering kali dengan konvensi penamaan SKILL.md. Mereka memanfaatkan campuran instruksi bahasa alami dan perintah spesifik.

Berikut contoh seperti apa review-skill.md. Skill ini mengajarkan Claude cara meninjau Pull Request sesuai pedoman ketat perusahaan.

markdown

---
name: "Semantic Code Review"
description: "Review a PR focusing on security, performance, and semantic naming conventions."
author: "Engineering Team"
version: "1.2"
---

# Semantic Code Review Protocol

When the user invokes `/review`, follow this strict procedure:

1.  **Analyze Context**:
    - Use the `git_diff` tool (via MCP) to fetch changes.
    - Identify if the changes touch `src/auth/` (High Security Risk).

2.  **Style Enforcement**:
    - Ensure all variables follow `snake_case` for Python and `camelCase` for TypeScript.
    - Check that no secrets are hardcoded (Scan for regex patterns: `AKIA...`).

3.  **Performance Check**:
    - If a loop contains a database call, flag it as an "N+1 Query Risk".

4.  **Output Format**:
    - Generate the review in Markdown table format.
    - End with a "release-risk" score from 1-10.

# Usage
To use this skill, type:
> /review [PR_NUMBER]

Penemuan MCP + memanggil wrapper Claude Skill

Di bawah ini alur konseptual: layanan Anda mengekspos sebuah alat melalui MCP; tim operasional Anda juga menerbitkan wrapper Skill ringan di Claude yang memanggil endpoint MCP. Ini menunjukkan interoperabilitas: alat yang netral terhadap agen + wrapper UX spesifik vendor.

# pseudo-code: discover MCP tool and call it
import requests

MCP_INDEX = "https://mcp.company.local/.well-known/mcp-index"
index = requests.get(MCP_INDEX).json()
tool = next((t for t in index["tools"] if t["name"] == "invoice_extractor"), None)

assert tool, "Tool not found"
response = requests.post(tool["endpoint"], json={"file_url": "https://files.company.local/invoice-123.pdf"})
print(response.json())  # structured invoice data

# Claude Skill wrapper (conceptual manifest)
# Skill "invoice-parser" simply calls the MCP tool endpoint and formats output.

Pola ini berarti Anda dapat mendukung banyak agen (Claude, Copilot, lainnya) yang memanggil layanan backend yang sama melalui MCP sembari memungkinkan vendor membungkus kapabilitas tersebut dalam Skills atau konektor yang dipoles.

Mengapa Pembaruan Jan 2026 penting?

Pengenalan MCP UI Framework (26 Jan 2026) secara fundamental mengubah persamaan "Skills". Sebelumnya, Skills terbatas pada output teks. Jika sebuah Skill membutuhkan input pengguna (misalnya, "Pilih baris database mana yang akan diperbarui"), interaksi harus berupa teks bolak-balik yang canggung.

Dengan pembaruan baru, sebuah Skill kini dapat memicu komponen UI kaya yang disediakan oleh server MCP.

• Alur Lama: Skill bertanya, "Saya menemukan 3 pengguna bernama 'Smith', yang mana yang Anda inginkan? 1, 2, atau 3?"
• Alur Baru: Skill memicu server MCP untuk merender "User Selection Card" terverifikasi dengan foto profil dan status aktif. Pengguna mengeklik salah satu, dan Skill melanjutkan.

Ini mengaburkan batas antara "Chatbot" dan "Aplikasi Perangkat Lunak" lengkap, secara efektif menjadikan Claude sebagai sistem operasi di mana MCP adalah lapisan driver dan Skills adalah aplikasinya.

Jadi mana yang lebih penting — Skills atau MCP?

Keduanya penting — tetapi untuk alasan yang berbeda. MCP adalah pipa yang memberi jangkauan bagi agen; Skills adalah playbook yang membuat output agen menjadi andal, dapat diaudit, dan aman. Untuk sistem agen tingkat produksi Anda hampir selalu membutuhkan keduanya: MCP untuk mengekspos data dan aksi, Skills untuk menentukan bagaimana agen harus menggunakannya. Imperatif kritis bagi tim saat ini adalah memperlakukan keduanya sebagai artefak rekayasa kelas satu dengan kepemilikan yang jelas, suite pengujian, dan tinjauan keamanan.

Siap menggunakan Skills? CometAPI menyediakan CLI Claude Code untuk menggunakan Claude skills, melalui CometAPI, Anda dapat menghemat biaya. lihat API guide untuk instruksi terperinci.

Developer dapat mengakses Claude Opus 4.5 API dan lainnya melalui CometAPI. Untuk memulai, jelajahi kapabilitas model di Playground dan lihat API guide untuk instruksi terperinci. Sebelum mengakses, pastikan Anda telah login ke CometAPI dan memperoleh API key. CometAPI menawarkan harga yang jauh lebih rendah daripada harga resmi untuk membantu Anda berintegrasi.

Ready to Go?→ Free trial of Claude code and skills !

Jika Anda ingin mengetahui lebih banyak tips, panduan, dan berita tentang AI, ikuti kami di VK, X, dan Discord!