- Integrasi Jan AI dengan Protokol Konteks Model untuk memperluas kemampuan LLM lokal.
- Konfigurasi server MCP lokal dan jarak jauh untuk mengakses data dan alat eksternal.
- Pengelolaan izin keamanan dan persyaratan teknis seperti NodeJS dan Python untuk pengoperasian.
- Mengoptimalkan penggunaan model dengan kemampuan penggunaan alat untuk meningkatkan produktivitas.
Jika Anda menyukai ide memiliki asisten pintar yang tidak bergantung pada cloud dan sepenuhnya menghormati privasi Anda, Jan adalah alat yang sempurna. Pada dasarnya, ini adalah alternatif open-source untuk ChatGPT atau Claude. berjalan sepenuhnya pada perangkat keras Anda sendiriIni berarti Anda memiliki kendali penuh atas data Anda dan tidak perlu khawatir ke mana pertanyaan Anda akan berakhir.
Hal yang paling menarik adalah Jan telah mengimplementasikan Model Context Protocol (MCP), sebuah standar terbuka yang memungkinkan model bahasa untuk berinteraksi dengan sumber dan alat data eksternal tanpa perlu memprogram integrasi yang kompleks untuk setiap model. Seolah-olah MCP adalah USB-C-nya kecerdasan buatan: antarmuka umum yang memungkinkan Anda menghubungkan model yang kompatibel ke alat yang kompatibel.
Sebenarnya apa itu Model Context Protocol (MCP)?
Sederhananya, MCP memecahkan masalah keharusan membuat konektor berbeda untuk setiap kombinasi model dan alat. Sebagai gantinya, standar terpadu di mana server MCP bertindak sebagai jembatan, menyediakan petunjuk, alat, dan data yang dapat dipanggil oleh LLM sesuai permintaan pengguna.
Ada dua mode komunikasi utama. Di satu sisi, kita memiliki server MCP jarak jauhyang beroperasi melalui HTTP dan tidak memerlukan instalasi lokal yang rumit. Di sisi lain, ada juga yang server MCP lokalyang menggunakan input dan output teks standar mesin Anda (stdio), meskipun yang terakhir juga dapat terhubung ke sumber daya jaringan jika diperlukan.
Cara mengaktifkan dan mengkonfigurasi MCP di bulan Januari
Untuk mulai menggunakan fitur-fitur ini, hal pertama yang perlu dilakukan adalah memastikan Anda telah menginstal versi Jan terbaru. Karena fitur ini telah melalui fase beta, Anda harus pergi ke pengaturan dan mengaktifkan fungsi eksperimental untuk menampilkan panel server MCP.
Salah satu detail penting adalah bahwa, agar banyak dari alat-alat ini berfungsi, Anda perlu memiliki NodeJS dan/atau Python sudah terpasang. di komputer Anda. Jika Anda belum memilikinya, Anda harus mengunduhnya dari situs web resmi mereka, karena itu adalah mesin yang memungkinkan Anda untuk menjalankan perintah dari server lokal.
Langkah-langkah untuk menambahkan server baru
Prosesnya cukup intuitif. Di bagian server MCP pada pengaturan, Anda akan melihat tanda tambah (+) di pojok kanan atas. Mengkliknya akan membuka formulir tempat Anda harus mengisi kolom-kolom berikut:
- Nama server: Nama pengenal (misalnya, "browsermcp").
- Memerintah: Instruksi eksekusi, sebagai
npx. - Argumen: Paket spesifik yang akan dijalankan, seperti
@browsermcp/mcp. - Variabel lingkungan: Kolom ini biasanya dibiarkan kosong kecuali jika alat tersebut memerlukan Kunci API tertentu.
Setelah dikonfigurasi, Anda harus memverifikasi bahwa server telah diaktifkan dengan benar dengan menyalakan sakelar yang sesuai. Jika Anda ingin mencegah Jan menanyakan kepada Anda setiap kali model ingin menggunakan alat, Anda dapat memilih opsi tersebut. Izinkan Semua Izin Alat MCP di pengaturan.
Contoh praktis: Dari ClickHouse ke Microsoft Learn
Fleksibilitasnya sangat besar. Misalnya, jika Anda perlu bekerja dengan basis data, Anda dapat menginstal server dari ClickHouse Ikuti langkah-langkah di atas dan aktifkan server di panel kontrol agar alat pencarian terlihat di obrolan.
Opsi lain yang sangat ampuh adalah MCP Browser, yang memungkinkan AI untuk berinteraksi dengan web. Agar ini berfungsi dengan sempurna, disarankan untuk menggunakan model dengan kemampuan penggunaan alat yang kuat, seperti karya-karya dalam keluarga Claude (Sonnet atau Opus). Salah satu triknya adalah menjalankan peramban dalam mode penyamaran agar AI memiliki kanvas yang bersih dan tidak bingung dengan sesi yang sedang Anda buka.
Dimungkinkan juga untuk terhubung ke server jarak jauh, seperti server dari Microsoft LearnKarena lokasinya terpencil, tidak perlu menginstal apa pun secara lokal; Anda cukup mengkonfigurasi URL dan Anda dapat meminta Jan untuk mencari dokumentasi teknis dan meringkas langkah-langkah Azure atau Microsoft 365 yang kompleks, sementara pemrosesan bahasa terjadi di mesin Anda.
Pertimbangan keselamatan dan kinerja
Tidak semuanya berjalan mulus; memberikan akses model ke alat eksternal mengandung risiko. Sebuah perintah berbahaya dapat mencoba mengeksekusi tindakan yang tidak diinginkan. Itulah mengapa Jan menerapkan sebuah sistem izin yang dikelola penggunadi mana Anda dapat menyetujui atau menolak setiap panggilan ke suatu alat dengan melihat persis argumen apa yang akan dikirim.
Mengenai kinerja, Anda perlu tahu bahwa koneksi MCP aktif mengonsumsi sebagian dari sumber daya. jendela konteks modelIni berarti bahwa semakin banyak alat yang Anda aktifkan atau semakin lama percakapan berlangsung, semakin lama pula waktu yang dibutuhkan untuk menghasilkan respons. Jika Anda melihat bahwa model kehabisan ruang, coba atur ukuran konteks menjadi 0 agar Jan dapat mengelolanya secara otomatis dari model.
Memecahkan masalah umum
Jika server tidak dapat terhubung meskipun sudah terdaftar, periksa apakah perintah telah ditulis dengan benar dan bahwa NodeJS atau Python telah terpasang dengan benar pada sistem. Terkadang, memulai ulang Jan dapat menyelesaikan masalah pemuatan.
Jika Anda menggunakan model sumber terbuka dan menyadari bahwa model tersebut tidak menggunakan alat-alat yang diperlukan, ingatlah bahwa... Tidak semua model dirancang untuk memanggil alat.Beberapa model GGUF mungkin menimbulkan masalah atau sama sekali tidak mampu menangani logika alat MCP; dalam hal ini, sebaiknya coba model lain yang secara khusus mendukung alat tersebut.
Kemampuan Jan untuk mengintegrasikan server MCP mengubah komputer Anda menjadi stasiun kerja mandiri tempat Anda dapat melakukan referensi silang data dokumen lokal dengan API jarak jauh. Dengan menggabungkan privasi LLM lokal dengan fleksibilitas standar terbuka, keseimbangan ideal pun tercapai. kedaulatan data dan kekuasaan fungsionalMemungkinkan AI untuk melakukan tugas pencarian, analisis, dan penulisan yang kompleks tanpa informasi Anda meninggalkan rumah.
Saya seorang penggila teknologi yang telah mengubah minat "geek"-nya menjadi sebuah profesi. Saya telah menghabiskan lebih dari 10 tahun hidup saya menggunakan teknologi mutakhir dan mengutak-atik semua jenis program hanya karena rasa ingin tahu. Sekarang saya memiliki spesialisasi dalam teknologi komputer dan video game. Hal ini karena selama lebih dari 5 tahun saya telah menulis untuk berbagai website tentang teknologi dan video game, membuat artikel yang berupaya memberikan informasi yang Anda butuhkan dalam bahasa yang dapat dimengerti oleh semua orang.
Jika Anda memiliki pertanyaan, pengetahuan saya berkisar dari segala sesuatu yang berhubungan dengan sistem operasi Windows serta Android untuk ponsel. Dan komitmen saya adalah kepada Anda, saya selalu bersedia meluangkan beberapa menit dan membantu Anda menyelesaikan pertanyaan apa pun yang mungkin Anda miliki di dunia internet ini.