MCP Server memberi klien AI cara standar untuk memanggil kemampuan observabilitas TrueWatch. Alih-alih meminta engineer menulis setiap kueri DQL secara manual, membuka setiap dasbor, atau berpindah antar halaman pemantauan, klien AI dapat meminta akses terstruktur ke tool seperti pencarian monitor, pencarian log, penemuan dasbor, dan eksekusi kueri DQL.
MCP saja tidak otomatis menghasilkan agen operasi yang siap untuk enterprise. MCP menyelesaikan lapisan antarmuka — apakah klien AI dapat menjangkau tool dan data yang tepat? Kesiapan produksi tetap bergantung pada izin akses, alur persetujuan, jejak audit, penyimpanan bukti, dan batasan yang jelas tentang apa yang boleh dilakukan agen.
Panduan ini menjelaskan cara menghubungkan TrueWatch MCP Server ke klien AI, dengan Cherry Studio sebagai contoh klien (langkah yang sama berlaku untuk Claude Code, Cursor, dan klien lain yang kompatibel dengan MCP).
Apa Itu MCP?
Model Context Protocol (MCP) adalah protokol terbuka untuk menghubungkan aplikasi AI dengan sistem eksternal. Dokumentasi resmi MCP menggambarkannya sebagai cara standar bagi aplikasi AI untuk mengakses sumber data, tool, dan alur kerja melalui antarmuka bersama.
Dalam praktiknya, MCP menyediakan empat jenis kemampuan:
- Tools — fungsi yang dapat dipanggil klien AI
- Resources — data atau konteks yang dapat dibaca klien
- Prompts — alur kerja yang memandu tugas berulang
- Transports — lapisan komunikasi antara klien dan server
Untuk observabilitas, pola ini penting karena pertanyaan produksi jarang berada di dalam data pelatihan model. Asisten AI membutuhkan akses ke telemetri terkini: log, metrik, trace, alert, dasbor, monitor, konteks layanan, dan hasil kueri.
Apa yang Disediakan TrueWatch MCP Server?
MCP server adalah komponen yang menyediakan tool, resource, dan prompt dari suatu sistem melalui Model Context Protocol, sehingga klien AI yang kompatibel dengan MCP dapat memanggilnya secara langsung — itulah arti "MCP server" dalam praktik.
TrueWatch MCP Server menyediakan kemampuan TrueWatch tertentu melalui antarmuka yang kompatibel dengan MCP. Klien AI apa pun yang dapat terhubung ke MCP server dan melakukan autentikasi dengan API key dapat menggunakannya. Bergantung pada tool dan izin yang diaktifkan, klien AI dapat menggunakan TrueWatch MCP Server untuk bekerja dengan:
- Informasi monitor dan alert
- Pencarian log
- Penemuan dasbor
- Eksekusi kueri DQL
- Pencarian data observabilitas
- Akses data dalam cakupan workspace
Cakupan adalah poin desain yang penting di sini. Setiap permintaan diautentikasi dan terikat ke sebuah workspace. Terhubung ke MCP tidak memberi klien AI akses tanpa batas ke data produksi — akses dibatasi oleh izin API key.
Sebelum Memulai
Siapkan hal berikut:
- Klien AI yang mendukung koneksi MCP server (panduan ini menggunakan Cherry Studio)
- API key TrueWatch dengan cakupan izin minimum yang dibutuhkan tugas
- Endpoint atau site key TrueWatch yang benar untuk workspace Anda
- Akses jaringan dari klien MCP ke endpoint TrueWatch MCP
- Keputusan internal tentang tool mana yang boleh dipanggil klien AI
Mulai dengan akses hanya-baca untuk penggunaan produksi. Biarkan klien melakukan kueri dan merangkum data observabilitas sebelum mengizinkan alur kerja apa pun yang memiliki efek samping.
Terhubung Melalui Cherry Studio
Artikel sumber menggunakan Cherry Studio sebagai contoh klien MCP. Tampilan antarmuka bisa berubah, tetapi alur penyiapannya umumnya sama: instal klien, buat koneksi MCP server, tambahkan URL dan header, aktifkan server, lalu pastikan asisten AI dapat melihat tool-nya.
1. Instal Cherry Studio
Unduh dan instal klien Cherry Studio yang kompatibel dengan MCP untuk sistem operasi Anda.
2. Buka Pengaturan MCP
Buka Cherry Studio, masuk ke pengaturan, pilih bagian MCP, lalu tambahkan MCP server baru.
Jika layanan MCP tidak dapat dimulai, periksa apakah runtime lokal yang diperlukan sudah terpasang. Catatan penyiapan sumber menyebutkan UV dan Bun sebagai prasyarat yang mungkin diperlukan.
3. Buat Entri MCP Server
Beri server nama yang jelas, seperti TrueWatch MCP Server, lalu pilih jenis koneksi yang sesuai. Pada penyiapan sumber, jenis yang dipilih adalah streamableHttp.
4. Konfigurasikan URL dan Header
Gunakan URL TrueWatch MCP Server yang disediakan oleh workspace atau dokumentasi Anda.
https://docs.truewatch.com/owl/mcp-quickstart/Tambahkan header permintaan untuk autentikasi dan pemilihan endpoint. Nama header yang tepat harus mengikuti dokumentasi TrueWatch terbaru Anda. Penyiapan umum menggunakan API key beserta endpoint atau site key:
Authorization=<TRUEWATCH_API_KEY>;Endpoint=<TRUEWATCH_SITE_KEY>Artikel sumber menggunakan model berbasis API key, di mana setiap permintaan dibatasi pada workspace yang terkait dengan API key tersebut. Dalam dokumentasi produksi berbahasa Inggris, hindari menempelkan API key asli ke tangkapan layar, klien obrolan, atau file konfigurasi bersama.
Contoh peta endpoint:
const SITE_KEY_MAP = { us1: 'https://us1-openapi.truewatch.com',
eu1: 'https://eu1-openapi.truewatch.com',
ap1: 'https://ap1-openapi.truewatch.com',};
5. Aktifkan MCP Server
Setelah URL dan header dikonfigurasi, aktifkan koneksi MCP server.
6. Pilih MCP Server dalam Chat atau Asisten
Kembali ke workspace utama di Cherry Studio. Pada topik atau asisten, pilih MCP server yang baru Anda buat.
7. Verifikasi Koneksi
Ajukan pertanyaan observabilitas sederhana kepada asisten yang memerlukan pemanggilan tool TrueWatch. Mulailah dengan permintaan hanya-baca berisiko rendah, seperti:
Show me the available TrueWatch MCP tools for this workspace.Lalu uji kueri dengan cakupan tertentu:
Find recent critical alerts in the current workspace and summarize the affected services.Tujuan verifikasi bukan sekadar "klien merespons". Pastikan respons didasarkan pada pemanggilan tool, menggunakan workspace yang diharapkan, dan tidak membuka data di luar cakupan yang dimaksudkan.
Catatan Keamanan dan Tata Kelola
MCP mempermudah akses tool. Itu membuat batasan menjadi semakin penting, bukan kurang penting. Untuk lingkungan observabilitas produksi:
- Gunakan API key hanya-baca kecuali ada alur kerja tertentu yang membutuhkan lebih
- Berikan setiap klien AI atau agen kunci masing-masing alih-alih berbagi satu kunci tim yang luas
- Batasi akses berdasarkan workspace, lingkungan, layanan, atau tim sedapat mungkin
- Jauhkan API key dari prompt, tangkapan layar, dan dokumentasi publik
- Catat pemanggilan tool agar investigasi dapat ditinjau kembali nanti
- Wajibkan persetujuan untuk setiap tindakan dengan efek samping pada produksi
- Jangan biarkan agen memanggil semua tool hanya karena tool tersebut tersedia
Ini adalah pembeda yang sama yang mendasari arsitektur observabilitas agen AI TrueWatch yang lebih luas: CLI, MCP Server, dan OpenAPI menyediakan antarmuka tool. Toby AI Agents menambahkan metodologi pemecahan masalah khusus observabilitas, tata kelola, jejak bukti, alur persetujuan, dan verifikasi siklus tertutup di atasnya.
Apa yang Diubah MCP pada Alur Kerja Observabilitas?
Bagi tim engineering dan operasi, MCP mengurangi hambatan antara investigasi berbahasa alami dan data produksi yang nyata. Seorang manusia dapat bertanya:
Which services had the most error spikes in the last hour?Asisten yang terhubung dengan MCP menerjemahkannya menjadi pemanggilan tool, mengambil data terkini dari TrueWatch, lalu mengembalikan ringkasan beserta bukti. Engineer tetap menilai apakah hasilnya sudah lengkap, apakah diperlukan konteks tambahan, dan apakah ada tindakan yang perlu dilakukan setelahnya.
Di mana MCP membantu:
- Memungkinkan klien AI mengakses data observabilitas langsung, bukan hanya mengandalkan pengetahuan model yang statis
- Menstandarkan cara tool disediakan di berbagai klien AI
- Mengurangi pekerjaan integrasi satu kali bagi tim yang membangun asisten internal
- Menjadikan kemampuan observabilitas bagian dari alur kerja engineering yang lebih luas
Di mana MCP saja tidak cukup:
- MCP tidak menentukan metodologi penanganan insiden Anda
- MCP tidak otomatis membuat izin produksi yang aman
- MCP tidak menggantikan persetujuan manusia untuk tindakan berisiko tinggi
- MCP tidak mengajarkan agen tentang katalog layanan, model kepemilikan, atau runbook Anda
Gunakan MCP sebagai lapisan antarmuka. Gunakan tata kelola platform dan konteks produksi untuk membuat agen dapat dipercaya.
Pertanyaan yang Sering Diajukan
Q: Apa itu MCP server, dan apa yang disediakan TrueWatch MCP Server?
A: MCP server menyediakan tool, resource, dan prompt dari suatu sistem melalui Model Context Protocol, sehingga klien AI yang kompatibel dengan MCP dapat memanggilnya dengan izin yang tepat. TrueWatch MCP Server menerapkan pola tersebut pada observabilitas — monitor, log, dasbor, dan kueri DQL — sehingga klien AI yang kompatibel dengan MCP dapat memanggilnya menggunakan API key dengan cakupan terbatas.
Q: Klien AI mana yang dapat digunakan dengan TrueWatch MCP Server?
A: Klien apa pun yang kompatibel dengan MCP dapat digunakan, termasuk Claude Code dan Cursor. Koneksi menggunakan endpoint, header, dan jenis koneksi streamableHttp yang sama, apa pun kliennya.
Q: Apakah akses MCP bersifat hanya-baca?
A: Akses bergantung pada izin yang melekat pada API key. TrueWatch menyarankan untuk memulai dengan kunci hanya-baca dan baru memperluas izin setelah ada alur kerja tertentu yang membutuhkannya.
Q: Apakah MCP menggantikan kebutuhan akan alur persetujuan?
A: Tidak. MCP menyediakan antarmuka tool, bukan lapisan tata kelola. Alur persetujuan, jejak audit, dan penyimpanan bukti untuk tindakan produksi berasal dari arsitektur agen di sekitarnya — dalam kasus TrueWatch, Toby AI Agents.
Q: Bisakah satu API key digunakan bersama oleh beberapa agen AI?
A: Bisa, tetapi tidak disarankan. Memberikan setiap klien AI atau agen kunci masing-masing membuat akses lebih mudah dibatasi, dicatat, dan dicabut secara independen.
Langkah Selanjutnya
Hubungkan API key TrueWatch hanya-baca ke klien yang kompatibel dengan MCP, uji beberapa kueri observabilitas berisiko rendah, dan tentukan tool mana yang perlu dapat diakses oleh agen engineering Anda.
Jelajahi dokumentasi TrueWatch MCP dan bergabunglah dengan daftar tunggu Toby AI Agents →
