Qwen 3 Mendukung MCP Server: Cara Penggunaannya

Jika Anda antusias dengan Qwen 3 dan dukungan MCP (Model-Context-Protocol) yang canggih, Anda akan mendapatkan sesuatu yang istimewa! Saya baru-baru ini mendalami kemampuan Qwen 3 di komputer windows saya, dan izinkan saya memberi tahu Anda—ini adalah terobosan baru untuk membangun agen AI yang berinteraksi dengan alat seperti database SQLite. Dalam tutorial ini, kita akan menjelajahi bagaimana Qwen 3 memanfaatkan MCP untuk mempermudah hidup pengkodean Anda, dengan contoh praktis dalam melakukan kueri database. Kami juga akan membahas tolok ukur Qwen 3 yang mengesankan dan menunjukkan cara menggunakan OpenRouter dan Roo Code untuk memulai dengan cepat. Siap menjadikan Qwen 3 dan MCP sahabat baru Anda? Mari kita mulai!

💡

Sebelum kita mulai, sedikit pujian untuk Apidog—alat fantastis untuk para pencinta API! Alat ini menyederhanakan perancangan, pengujian, dan pendokumentasian API, yang sangat cocok untuk mengelola integrasi Qwen 3. Kunjungi apidog.com—ini penyelamat! Sekarang, mari kita ke bagian yang menarik…

tombol

Apa Itu Qwen 3 dengan Dukungan MCP?

Qwen 3 adalah seri model bahasa besar terbaru dari tim Qwen Alibaba Cloud, dirilis pada akhir April 2025. Ini adalah kekuatan besar dengan model yang berkisar dari 0.6B hingga 235B parameter, termasuk varian dense dan Mixture-of-Experts (MoE) seperti Qwen3-235B-A22B (22B parameter aktif). Menurut qwen3.org, Qwen 3 bersaing dengan model-model teratas seperti DeepSeek-R1, OpenAI o1, o3-mini, Grok-3, dan Gemini-2.5-Pro dalam tugas pengkodean, matematika, dan umum. Model MoE yang lebih kecil, Qwen3-30B-A3B, bahkan mengungguli QwQ-32B meskipun memiliki 10 kali lebih sedikit parameter aktif—cukup mengesankan, bukan?

Yang membuat Qwen 3 lebih keren adalah dukungannya terhadap MCP, yang memungkinkannya berinteraksi dengan lancar dengan alat eksternal seperti database SQLite, memori, dan sistem file. MCP (Model-Context-Protocol) memungkinkan Qwen 3 memanggil alat berbasis server, memungkinkan alur kerja agen di mana model dapat mengambil data, menjalankan perintah, dan banyak lagi. Postingan di X ramai membicarakan fitur ini, dengan pengguna mencatat optimalisasinya untuk pemanggilan fungsi tingkat lanjut dan kemampuan agen. Mari kita siapkan dan lihat aksinya dengan contoh kueri database!

Menyiapkan Lingkungan Anda untuk Bekerja dengan Qwen 3: Dasar-dasar

Mari siapkan sistem Anda untuk menggunakan Qwen 3 dengan MCP. Jangan khawatir—saya akan menjelaskannya langkah demi langkah agar Anda tidak tersesat.

Periksa Prasyarat: Pastikan Anda telah menginstal alat-alat berikut:

Python: Versi 3.10 atau lebih tinggi. Jalankan python --version di terminal Anda. Jika tidak ada, dapatkan dari python.org.
Node.js: Diperlukan untuk beberapa server MCP. Periksa dengan node --version atau unduh dari nodejs.org.
uv: Versi 0.4.18 atau lebih tinggi untuk menjalankan server MCP. Verifikasi dengan uv --version. Instal melalui pip install uv jika diperlukan.
Git: Untuk mengkloning repositori. Periksa dengan git --version atau instal menggunakan Homebrew (brew install git di Mac) atau winget (winget install git.git di Windows).
SQLite: Untuk contoh kita. Konfirmasi dengan sqlite3 --version atau instal melalui Homebrew (brew install sqlite3) atau winget (winget install sqlite.sqlite).
Perangkat Keras: CPU 4+ inti, RAM 16GB+, dan penyimpanan kosong 10GB+ untuk menangani pemrosesan AI.

Buat Folder Proyek: Mari kita rapikan semuanya:

mkdir qwen3-mcp
cd qwen3-mcp

Folder ini akan menjadi ruang kerja Anda untuk keajaiban Qwen 3 dan MCP.

Siapkan Lingkungan Virtual: Untuk menghindari konflik dependensi, buat lingkungan virtual Python:

python -m venv venv

Aktifkan:

Mac/Linux: source venv/bin/activate
Windows: venv\Scripts\activate

Prompt (venv) di terminal Anda berarti Anda siap beraksi.

Menginstal Qwen-Agent untuk Dukungan MCP

Qwen 3 menggunakan kerangka kerja Qwen-Agent untuk mengaktifkan dukungan MCP, seperti yang dicatat di GitHub. Mari kita instal dan siapkan dependensi untuk contoh SQLite kita.

Instal Qwen-Agent dengan Dukungan MCP:

pip install -U "qwen-agent[gui,rag,code_interpreter,mcp]"

Perintah ini menginstal Qwen-Agent dengan semua dependensi opsional, termasuk [mcp] untuk dukungan MCP, [gui] untuk antarmuka web, [rag] untuk retrieval-augmented generation, dan [code_interpreter] untuk menjalankan kode.

Verifikasi Instalasi: Pastikan Qwen-Agent terinstal dengan benar dengan menjalankan:

python -c "import qwen_agent; print(qwen_agent.__version__)"

Jika Anda melihat nomor versi (misalnya, 0.1.0), Anda siap. Jika tidak, instal ulang atau periksa lingkungan Python Anda.

Mengonfigurasi Qwen 3 dengan MCP Server

Sekarang, mari kita konfigurasikan Qwen 3 untuk bekerja dengan server MCP untuk pemanggilan alat. Kita akan menggunakan contoh SQLite dari repositori GitHub Qwen-Agent untuk melakukan kueri database.

Siapkan MCP Server untuk SQLite:

Contoh ini menggunakan server MCP untuk menangani interaksi database SQLite. Pertama, buat database pengujian (test.db) jika Anda belum memilikinya:

sqlite3 test.db "CREATE TABLE example (id INTEGER PRIMARY KEY, name TEXT); INSERT INTO example (name) VALUES ('Alice'), ('Bob');"

Sekarang, mulai server SQLite MCP:

uvx mcp-server-sqlite --db-path test.db

Ini menjalankan server SQLite MCP, memungkinkan Qwen 3 untuk melakukan kueri test.db. Biarkan terminal ini tetap berjalan.

Konfigurasi Qwen 3 dalam Kode Anda:

Mari kita tulis skrip Python untuk menggunakan Qwen 3 dengan server MCP, berdasarkan contoh assistant_mcp_sqlite_bot.py. Buat file bernama qwen3_mcp_sqlite.py:

import os
from qwen_agent.agents import Assistant
from qwen_agent.gui import WebUI

# Define the agent with Qwen 3 and MCP configuration
def init_agent_service():
    llm_cfg = {
        'model': 'qwen3-32b',  # Use Qwen 3 model
        'model_type': 'qwen_dashscope',
        'api_key': os.getenv('DASHSCOPE_API_KEY'),
    }
    tools = [{
        'mcpServers': {
            'sqlite': {
                'command': 'uvx',
                'args': ['mcp-server-sqlite', '--db-path', 'test.db']
            }
        }
    }]
    bot = Assistant(
        llm=llm_cfg,
        function_list=tools,
        name='MCP-SQLite-Bot',
        description='This bot can answer questions by SQLite database'
    )
    return bot

# Test the agent with a query
def test(query='How many tables are in the database?'):
    bot = init_agent_service()
    messages = [{'role': 'user', 'content': query}]
    for response in bot.run(messages=messages):
        print(response)

# Run a web UI for interactive testing
def app_gui():
    bot = init_agent_service()
    WebUI(bot).run()

if __name__ == '__main__':
    test()
    # Uncomment to run the web UI
    # app_gui()

Skrip ini menyiapkan Qwen 3 (khususnya qwen3-32b) untuk bekerja dengan server SQLite MCP. Skrip ini mendefinisikan bot yang dapat melakukan kueri database dan menyertakan opsi antarmuka web untuk pengujian interaktif.

Atur Kunci API DashScope:

Skrip ini menggunakan layanan DashScope Alibaba Cloud untuk Qwen 3. Anda memerlukan kunci API DashScope:

Daftar di dashscope.aliyuncs.com.
Navigasi ke pengaturan API, buat kunci, dan atur sebagai variabel lingkungan:

export DASHSCOPE_API_KEY="kunci-api-dashscope-anda"

Tambahkan ini ke profil shell Anda (misalnya, ~/.zshrc) dan muat ulang dengan source ~/.zshrc.

Menggunakan OpenRouter dan Roo Code untuk Qwen 3 dengan MCP

Jika Anda tidak ingin berurusan dengan DashScope, Anda dapat menggunakan OpenRouter untuk mengakses Qwen 3 dan memanfaatkan server MCP yang telah dikonfigurasi sebelumnya oleh Roo Code. Berikut caranya:

Dapatkan Kunci API OpenRouter:

Kunjungi openrouter.ai dan daftar.
Buka pengaturan akun Anda, buat kunci API, dan salin.

Siapkan Roo Code dengan OpenRouter:

Roo Code adalah platform yang menyederhanakan alur kerja agen AI dan sering kali dilengkapi dengan server MCP yang telah dikonfigurasi sebelumnya. Dengan asumsi Anda telah menyiapkan Roo Code:

Konfigurasi kunci API OpenRouter Anda di pengaturan Roo Code (biasanya di bawah integrasi API).
Perbarui konfigurasi model di Roo Code untuk menggunakan Qwen 3 melalui OpenRouter:

{
    "model": "qwen3-32b",
    "model_server": "https://openrouter.ai/api/v1",
    "api_key": "kunci-api-openrouter-anda"
}

Roo Code biasanya memiliki pengaturan server MCP yang serupa dengan yang ada di skrip kita. Periksa dokumentasinya untuk memastikan server SQLite berjalan (misalnya, uvx mcp-server-sqlite --db-path test.db).

Jalankan Skrip yang Sama dengan Roo Code:

Modifikasi llm_cfg dalam skrip qwen3_mcp_sqlite.py Anda untuk menggunakan OpenRouter:

llm_cfg = {
    'model': 'qwen3-32b',
    'model_server': 'https://openrouter.ai/api/v1',
    'api_key': 'kunci-api-openrouter-anda'
}

Jalankan skrip seperti sebelumnya—server MCP Roo Code akan menangani kueri SQLite, dan Qwen 3 akan memprosesnya melalui OpenRouter.

Opsi 2: Mengonfigurasi Roo Code untuk Bekerja dengan OpenRouter:
Jika Anda lebih suka tidak menggunakan skrip kustom, Anda dapat dengan mudah menyiapkan Roo Code dengan OpenRouter dengan mengikuti langkah-langkah berikut:

Buka pengaturan Roo.
Ubah penyedia default menjadi OpenRouter.
Pilih model Qwen 3.

Setelah dikonfigurasi, server MCP Anda yang ada di roo code akan bekerja dengan lancar dengan model Qwen 3.

Menguji Qwen 3 dengan MCP: Melakukan Kueri Database

Mari kita uji Qwen 3 dengan pengaturan MCP kita dengan melakukan kueri database SQLite.

Jalankan Skrip:

Dengan server SQLite MCP berjalan (dari langkah 1 di “Mengonfigurasi Qwen 3 dengan MCP Server”), jalankan skrip Anda:

python qwen3_mcp_sqlite.py

Kueri default (“How many tables are in the database?”) seharusnya mengembalikan respons yang menunjukkan satu tabel (example), karena kita membuatnya sebelumnya.

Pengujian Interaktif dengan Antarmuka Web:

Hapus komentar pada panggilan app_gui() dalam skrip dan jalankan lagi:

if __name__ == '__main__':
    # test()
    app_gui()

Ini meluncurkan antarmuka web berbasis Gradio. Buka URL yang disediakan (biasanya http://127.0.0.1:7860) di browser Anda, ketik kueri seperti “List all names in the example table,” dan Qwen 3 akan menggunakan server MCP untuk mengambil hasil (misalnya, “Alice, Bob”).

Pahami Hasilnya:

Contoh SQLite menunjukkan bagaimana Qwen 3 menggunakan MCP untuk berinteraksi dengan alat eksternal. Model mengirim kueri ke server MCP, yang mengeksekusinya terhadap test.db dan mengembalikan hasilnya. Pengaturan ini sangat cocok untuk membangun agen yang perlu mengambil data secara dinamis—cukup kuat, bukan?

Pelajari cara memulai dengan RooCode dan MCP Server

Tips Menggunakan Qwen 3 dengan MCP Secara Efektif

Jaga Kueri Tetap Sederhana: Untuk tugas database, gunakan prompt yang jelas seperti “List all names in the example table” untuk mendapatkan hasil yang akurat dari Qwen 3.
Pantau Penggunaan API: Baik menggunakan DashScope atau OpenRouter, pantau penggunaan API Anda untuk menghindari mencapai batas kecepatan.
Jelajahi Lebih Banyak Alat MCP: MCP mendukung alat seperti memori dan sistem file—periksa GitHub Qwen-Agent untuk contoh lainnya.
Uji Secara Lokal Terlebih Dahulu: Gunakan antarmuka web untuk menguji kueri secara interaktif sebelum di-deploy dalam produksi.

HiMCP.ai - Temukan 1682+ MCP Server

Pendapat Saya tentang Qwen 3 dengan MCP

Setelah bermain dengan Qwen 3 dan MCP, inilah pendapat saya:

Integrasi yang Lancar: Pengaturan server MCP sangat mudah, dan Qwen 3 menangani pemanggilan alat dengan sangat baik.
Kuat untuk Agen: Melakukan kueri database hanyalah permulaan—MCP membuka kemungkinan tanpa batas untuk alur kerja agen.
Peningkatan Performa: Tolok ukur Qwen 3 menunjukkan bahwa ini adalah pesaing teratas, dan dukungan MCP membuatnya semakin serbaguna.

Jika Anda menemui kendala, periksa kembali kunci API Anda dan pastikan server MCP berjalan.

Mengakhiri: Perjalanan Qwen 3 dan MCP Anda

Anda baru saja membuka kekuatan Qwen 3 dengan dukungan MCP, membuat agen AI Anda lebih pintar dan lebih mampu! Dari melakukan kueri database hingga menjelajahi alat MCP lainnya, Anda siap membangun hal-hal luar biasa. Untuk detail lebih lanjut, silakan lihat repositori GitHub Qwen-Agent atau qwen3.org. Teruslah beraksi dengan Qwen 3 dan MCP!

tombol