Mengapa Skema Lebih Baik daripada Argumen Lepas

Saat sebuah alat menerima dict biasa atau nilai tanpa tipe, model dapat mengirim hampir apa saja, dan kode Anda baru mengetahuinya saat terjadi kegagalan. 😬

Skema adalah kontrak yang jelas: skema menyatakan dengan tepat kolom apa yang ada, tipe masing-masing, dan kolom mana yang wajib diisi sebelum kode apa pun berjalan.

Dengan skema, input yang salah ditolak di batas, sehingga isi alat Anda selalu bekerja dengan data yang dapat dipercaya.

Skema yang sama ditampilkan kepada model, sehingga AI mempelajari bentuk tepat yang harus dihasilkannya, alih-alih menebak nama kolom.

Di sini sebuah alat hanya mengambil kunci apa pun yang diharapkannya tersedia, tanpa jaminan bahwa kunci tersebut benar-benar ada atau memiliki tipe yang tepat.

Tanpa skema, Anda menyebarkan pemeriksaan if manual di mana-mana. Input yang telah divalidasi memungkinkan Anda menghapus kode pengulangan tersebut sepenuhnya.

Skema mengubah kegagalan yang samar menjadi kesalahan yang tepat: skema menyebutkan kolom yang salah dan menjelaskan hal yang diharapkan.

Pydantic adalah pustaka yang mendukung fitur ini di MCP: Anda menjelaskan input sebagai model, lalu pustaka ini memvalidasi dan mendokumentasikannya untuk Anda.

Definisi model adalah satu-satunya sumber kebenaran: skema JSON, validasi, dan dokumentasi semuanya berasal dari satu kelas tersebut.

Karena skema mencantumkan setiap kolom dan tipe, alat bertipe bersifat mendokumentasikan dirinya sendiri, sehingga membantu manusia baru maupun model.

Saat server Anda berkembang, skema menjaga alat tetap mudah diprediksi, sehingga puluhan alat berperilaku konsisten alih-alih masing-masing mengurai input dengan caranya sendiri.

Skema adalah kontrak yang memvalidasi input lebih awal, mendokumentasikan bentuknya untuk model, dan menggantikan pemeriksaan manual yang tersebar. ✅