Uber Rancang MCP Gateway untuk Amankan Akses Ribuan Alat Agen AI ke Ratusan Server

Perusahaan teknologi transportasi global Uber mengumumkan perancangan sistem gerbang terpadu Model Context Protocol bernama MCP Gateway guna mengamankan dan menstandardisasi akses agen kecerdasan buatan terhadap ribuan layanan internal perusahaan pada awal November 2026 di San Francisco, Amerika Serikat.

Sebagaimana diwartakan oleh portal teknologi InfoQ, arsitektur gerbang baru ini berhasil menghubungkan lebih dari 800 server MCP serta memayungi lebih dari 5.000 alat operasional terdistribusi ke dalam satu kerangka tata kelola keamanan yang terpusat.

Arsitektur Uber MCP Gateway yang memisahkan bidang kendali pendaftaran alat dan bidang data proksi eksekusi. Gambar: diagram oleh Metodika.

Tantangan Skala Besar dan Batas Jendela Konteks Model

Dalam publikasi teknis yang dirilis oleh divisi Uber Engineering, para arsitek sistem memaparkan kendala mendasar saat mengintegrasikan protokol Model Context Protocol (MCP) buatan Anthropic ke dalam infrastruktur berskala korporasi raksasa. Pada implementasi konvensional, model bahasa besar (LLM) biasanya disodori seluruh skema JSON dari alat yang tersedia secara langsung di awal percakapan.

Bila pendekatan naif tersebut dipaksakan pada ekosistem Uber yang memiliki ribuan layanan mikro, seluruh jendela konteks (*context window*) model akan habis terkuras hanya untuk membaca definisi alat dan parameter fungsi sebelum sempat memproses perintah pengguna. Hal ini tidak hanya memboroskan biaya token komputasi, melainkan juga memperlambat waktu tanggap sistem secara drastis.

Guna mengatasi hambatan skala tersebut, Uber mengembangkan konsep penyingkapan bertahap (*progressive disclosure*) melalui komponen bernama Omni MCP. Alih-alih membebankan ribuan skema sekaligus, gerbang hanya mengekspos segelintir alat meta (*meta-tools*) kepada agen AI. Agen cerdas kemudian dapat menelusuri katalog fungsi dan meminta definisi skema secara dinamis sesuai kebutuhan tugas yang sedang dipecahkan.

Pemisahan Kendali Sistem dan Sensor Data Sensitif

Arsitektur Uber MCP Gateway dibangun dengan memisahkan secara tegas antara bidang kendali (*control plane*) dan bidang data (*data plane*). Bidang kendali dikelola oleh registri terpusat yang mencatat pemilik layanan, dokumentasi fungsi, serta aturan otorisasi akses.

Sebagaimana dianalisis oleh publikasi infrastruktur komputasi Developer Tech News, komponen bidang data berfungsi sebagai proksi cerdas yang menerjemahkan permintaan panggilan alat standar MCP ke dalam berbagai protokol jaringan internal yang digunakan Uber, seperti HTTP, gRPC, maupun TChannel.

Lapisan proksi ini dilengkapi sistem proteksi keamanan berlapis yang sangat ketat:

• Penyuntingan Data Sensitif Otomatis: Sistem secara otomatis menyaring dan menyamarkan informasi identitas pribadi (*Personally Identifiable Information* - PII) seperti nomor telepon penumpang, rincian kartu kredit, dan data lokasi presisi sebelum respons dikirim kembali ke agen AI.
• Proyeksi Respons Terarah (Response Projection): Fitur ini memungkinkan agen mengekstrak potongan data spesifik dari keluaran JSON berukuran besar, sehingga mencegah membanjirnya respons mentah yang tidak relevan ke jendela memori model.
• Pemindaian Otomatis dengan Status Nonaktif: Perkakas AutoCrawler memanfaatkan alur kerja Cadence untuk memindai registri antarmuka internal (Protobuf dan Thrift) secara berkala. Seluruh alat yang baru terdeteksi otomatis berada dalam status nonaktif dan wajib melewati persetujuan eksplisit dari tim pemilik layanan sebelum dapat diakses oleh agen.

Inovasi teknis lain yang sangat menonjol pada gerbang ini adalah fitur yang dinamakan Code Mode. Dalam alur interaksi agen cerdas konvensional, jika sebuah tugas membutuhkan panggilan berantai ke empat layanan mikro yang berbeda, agen harus melakukan empat kali perjalanan bolak-balik (*round-trip*) jaringan dan empat kali inferensi model bahasa. Pola ini memicu latensi tinggi dan konsumsi komputasi yang tidak efisien.

Melalui Code Mode, gerbang menyediakan lingkungan eksekusi kotak pasir (*sandbox runtime*) yang memungkinkan agen menulis skrip TypeScript terisolasi untuk menggabungkan dan memanipulasi keluaran dari beberapa alat internal secara lokal. Hasil eksekusi agregat kemudian dikirimkan kembali sebagai satu paket data tunggal, yang tercatat mampu memangkas latensi jaringan hingga lebih dari delapan puluh persen pada operasi komputasi terdistribusi yang padat.

Standardisasi Agen Otonom pada Industri Teknologi Global

Laporan analisis industri dari Forkast News menyoroti bahwa terobosan yang dipelopori Uber menandai pergeseran krusial dari era eksperimen asisten kecerdasan buatan lokal menuju tata kelola agen otonom tingkat korporasi (*enterprise agent governance*).

Model Context Protocol yang awalnya dirancang untuk menghubungkan asisten pengodean komputer desktop kini terbukti mampu ditingkatkan kapasitasnya menjadi protokol penghubung tulang punggung sistem terdistribusi bernilai miliaran transaksi harian. Keberhasilan ini diprediksi akan mendorong perusahaan rintisan dan korporasi teknologi global lain untuk mengadopsi pola arsitektur gerbang serupa.

Dari sudut pandang keamanan jaringan dan kepatuhan audit korporasi, setiap komunikasi antara gerbang proksi dengan server layanan mikro backend dilindungi oleh enkripsi TLS timbal balik (*mutual TLS*). Gerbang juga menerapkan pembatasan laju panggilan (*rate limiting*) berbasis peran agen guna mencegah kemungkinan terjadinya serangan penolakan layanan (*denial of service*) yang tidak disengaja akibat agen AI yang terjebak dalam putaran logika tanpa henti (*infinite loop*).

Sistem ini juga mengintegrasikan pencatatan jejak audit (*audit trail*) yang komprehensif. Setiap tindakan yang diambil oleh agen?mulai dari kueri data perjalanan pengemudi hingga pengecekan status pesanan makanan?disimpan dalam log yang tidak dapat diubah (*immutable log*), sehingga tim kepatuhan internal dapat merekonstruksi setiap keputusan yang diambil oleh sistem otomatis secara transparan.

Dampak dan Pembelajaran bagi Industri Perangkat Lunak Indonesia

Bagi kalangan pimpinan rekayasa perangkat lunak, arsitek sistem awan, dan mahasiswa teknik informatika di Indonesia, studi kasus Uber MCP Gateway menyajikan cetak biru berharga dalam merancang integrasi agen kecerdasan buatan pada ekosistem layanan mikro (*microservices*).

Banyak perusahaan rintisan teknologi dan perbankan digital di tanah air saat ini mulai bereksperimen menghubungkan agen AI internal dengan basis data produksi. Pola arsitektur yang memisahkan registri alat dari gerbang eksekusi membuktikan bahwa faktor tata kelola keamanan, audit jejak data, dan perlindungan privasi konsumen wajib dibangun sejak hari pertama, bukan ditambahkan sebagai tambalan di kemudian hari.

Standardisasi protokol komunikasi terbuka seperti MCP juga memberikan keleluasaan bagi tim pengembang lokal untuk mengganti atau memadukan model kecerdasan buatan fondasi dari berbagai penyedia tanpa perlu merombak ratusan antarmuka pemrograman aplikasi (API) yang sudah berjalan di sisi backend perusahaan.

Gambar sampul: Hugovanmeijeren, commons.wikimedia.org, lisensi CC BY-SA.