Infrastruktur Pencarian Gambar untuk AI Agent: Apa yang Benar-Benar Ada di Pasar

Setiap framework agen yang diluncurkan tahun ini bisa menulis, merencanakan, memanggil tool, dan membuka pull request. Namun mintalah satu foto padanya, dan semuanya menurun jadi asal-asalan: URL stok yang direka-reka dari memori, hotlink yang rusak, atau gambar yang dibuat karena mencari yang asli lebih sulit daripada membuat sendiri. Model bukanlah mata rantai yang lemah. Lapisan gambar di bawahnya yang lemah — dan hal ini hilang dengan cara yang sangat spesifik dan bisa diukur.

Ini adalah studi pasar, bukan manifesto. Semua yang ada di bawah ini diukur atau dibaca dari sumber primer pada 18 Agustus 2026: sensus registry MCP resmi, ketentuan terbitan dari empat API foto gratis besar, kondisi akses dari dua pemain berbayar mapan yang meluncurkan konektor agen bulan ini, dan benchmark kecil yang bisa direproduksi yang bisa Anda jalankan ulang dalam satu menit tanpa kunci API.

Satu batasan, agar Anda bisa berhenti membaca lebih awal jika ini bukan pertanyaan Anda: artikel ini membahas lapisan akses — pencarian, keterjangkauan, ketentuan, kuota. Ini bukan pipeline penerbitan. Jika yang Anda butuhkan adalah cara mengubah draf menjadi halaman yang berilustrasi, memiliki kredit, dan bermarkup — prompt router, brief visual, perakitan, markup ImageObject — itu ditulis secara terpisah di pipeline yang mengilustrasikan artikel yang ditulis AI.

Apa yang berubah ketika pemanggilnya adalah mesin

Manusia yang mencari foto mengetik dua atau tiga kata, memindai grid, dan tahu gambar bagus ketika melihatnya. Setiap mesin pencari stok yang pernah dibuat mengasumsikan loop ini. Agen mematahkan ketiga asumsi ini sekaligus:

1. Agen menulis kalimat, bukan kata kunci. Model yang baru menulis draf bagian tentang dokumen KPR tidak akan menghasilkan kata mortgage; ia menghasilkan "seorang wanita menandatangani dokumen KPR di meja dapur sementara penasihat bank menjelaskan persyaratannya". Itulah keluaran alami dari model bahasa, dan itulah tepatnya yang tidak bisa dilayani oleh indeks pencocokan token.
2. Agen tidak bisa memindai grid. Apa pun yang dikembalikan tool adalah yang diketahui agen. Jika respons berupa daftar URL tanpa deskripsi, dimensi, atau kredit, agen harus mengambil dan melihat setiap gambar — atau, lebih sering lagi, menebak.
3. Agen tidak punya tangan. Agen tidak bisa mengunggah tangkapan layar ke antrean peninjauan, menyetujui ketentuan, merotasi kunci, atau menunggu tiga hari kerja untuk persetujuan produksi. Setiap langkah manusiawi dalam proses onboarding API adalah tembok yang menghentikan agen.

Jadi "infrastruktur pencarian gambar untuk agen AI" bukanlah frasa pemasaran. Ini adalah daftar periksa: pencarian bahasa alami, hasil yang bisa dibaca mesin yang cukup kaya untuk dinalar, dan model otentikasi serta kuota yang bisa diselesaikan sendiri oleh sebuah program.

Ujinya: kalimat versus indeks kata kunci

Cara paling murah untuk melihat masalah ini adalah mengirim kata-kata milik agen sendiri ke mesin berbasis kata kunci. Uji di bawah menggunakan Openverse, mesin pencari media berlisensi terbuka yang dijalankan oleh WordPress.org, karena API-nya publik, tidak perlu kunci, dan siapa pun yang membaca ini bisa menjalankannya ulang dalam kurang dari satu menit. Empat brief, dari jenis yang ditulis model ketika mengilustrasikan apa yang baru saja ia buat draf:

import json, urllib.request, urllib.parse

BRIEFS = [
  "a woman signing a mortgage document at a kitchen table while a bank"
  " adviser explains the terms, warm morning light",
  "An elderly couple enjoying a peaceful retirement together",
  "a child discovering snow for the first time in a suburban garden",
  "a delivery cyclist waiting at a red light in heavy rain",
]

def count(q):
    u = "https://api.openverse.org/v1/images/?" + urllib.parse.urlencode({"q": q})
    r = urllib.request.Request(u, headers={"User-Agent": "benchmark/1.0"})
    return json.load(urllib.request.urlopen(r))["result_count"]

for b in BRIEFS:
    print(count(b), "|", b[:48])
# 0 | a woman signing a mortgage document at a kitchen
# 0 | An elderly couple enjoying a peaceful retirement
# 0 | a child discovering snow for the first time in a
# 0 | a delivery cyclist waiting at a red light in hea

Empat brief, empat kumpulan hasil kosong. Sekarang potong setiap brief menjadi dua kata kunci yang akan diketik seorang manusia — signing document, elderly couple, child snow, cyclist rain — dan masing-masing mengembalikan satu halaman penuh foto (API melaporkan 240, di mana itulah batas jumlah untuk pemanggil anonim). Katalognya menyimpan gambarnya. Kalimatnya yang tidak bisa diuraikan.

Geser tabel ke samping untuk melihat semua kolom →

Kolom Pexafy adalah empat kalimat yang sama, dikirim tanpa modifikasi ke search_photos pada server MCP yang dihosting, dengan latensi yang dilaporkan oleh server itu sendiri. Ini adalah perbandingan bentuk kueri, bukan kualitas katalog — dan katalognya jelas bukan masalahnya. Endpoint statistik Openverse sendiri melaporkan 915 juta gambar dari 52 sumber pada hari uji dilakukan, dan itu sangat baik untuk apa yang dirancang untuknya: pencarian kata kunci, untuk manusia. Tidak ada yang rusak dari mesin ini. Ia hanya tidak pernah dirancang untuk pemanggil yang berpikir dalam kalimat. Mengapa pencocokan tag gagal pada suatu skenario yang dideskripsikan — dan apa yang dilakukan pencarian semantik sebagai gantinya — dibahas dari sudut pandang pembaca dalam mencari dengan sebuah kalimat, bukan kata kunci; yang baru di sini adalah pengukurannya, dan apa artinya ketika pemanggilnya adalah sebuah program, bukan seorang manusia.

"Sepasang lansia yang menikmati masa pensiun bersama dengan damai" · 16 hasil dalam 135 ms · tiga di antaranya

Peringkat 1Pexels Pixabay Unsplash

Pasarnya, per 18 Agustus 2026

Pencarian hanyalah separuh. Separuh lainnya adalah keterjangkauan: apakah agen bisa mencapai katalog sama sekali, dan dengan syarat apa? Sejak Model Context Protocol menjadi cara asisten terhubung ke sistem luar — spesifikasinya saat ini, tertanggal 28 Juli 2026, memindahkan protokol ke inti request/response tanpa status sehingga server bisa berada di balik load balancer biasa1 — cara jujur untuk mensurvei pasar ini adalah dengan melihat apa yang benar-benar diterbitkan, bukan yang diumumkan.

Pemain berbayar mapan tiba bulan ini

Getty Images meluncurkan server MCP-nya pada 12 Agustus 2026, enam hari sebelum artikel ini, membuka pencarian dan unduhan konten kreatif, editorial, dan arsip untuk workflow AI.2 Ini ditujukan untuk tim enterprise dan pembangun platform, dan halaman aksesnya sendiri tidak ambigu tentang harga masuknya: Anda perlu memiliki perjanjian Getty Images yang aktif, seperti Premium Access, ditambah persetujuan atas ketentuan Web Service. Tidak ada tingkatan gratis. Konten Shutterstock juga bisa dijangkau melalui server MCP — 24 tool yang mencakup pencarian, koleksi, dan pemberian lisensi — dengan unduhan yang dibatasi hanya untuk akun yang memiliki subscription aktif.3

Kedua langkah tersebut rasional dan keduanya untuk pembeli spesifik. Getty membukukan $981,3 juta pendapatan pada tahun 20254 di pasar fotografi stok yang bernilai sekitar $5,4 miliar untuk 20265; konektor yang membutuhkan kontrak melindungi pendapatan tersebut, bukan membukanya. Jika Anda adalah bank atau penyiar, ini persis yang Anda inginkan. Jika Anda seorang developer yang merangkai proyek sampingan — atau agen yang tidak boleh berhenti dan meminta manusia menandatangani sesuatu — ini adalah pintu tertutup.

Pustaka gratis sama sekali belum meluncurkan apa pun

Unsplash, Pexels, dan Pixabay adalah tiga katalog yang paling banyak dicari oleh pembangun, dan tidak ada satu pun dari mereka yang menerbitkan server MCP resmi. Yang ada malah rak wrapper komunitas. Kami menelusuri registry MCP resmi secara penuh — 22.607 server, 75.487 versi terbit — dan mempertahankan setiap entri yang namanya atau deskripsinya berkaitan dengan pencarian foto atau gambar stok. Pola-nya seragam:

Geser tabel ke samping untuk melihat semua kolom →

import json, urllib.request, urllib.parse

def crawl(term):                      # registry ini melakukan paginasi dengan `nextCursor`
    out, cursor = {}, None
    while True:
        p = {"limit": "100", "search": term} | ({"cursor": cursor} if cursor else {})
        d = json.load(urllib.request.urlopen(
            "https://registry.modelcontextprotocol.io/v0/servers?" + urllib.parse.urlencode(p)))
        for e in d["servers"]: out[e["server"]["name"]] = e["server"]
        cursor = (d.get("metadata") or {}).get("nextCursor")
        if not cursor or not d["servers"]: return out

servers = {}
for t in ["photo", "image", "stock", "picture", "unsplash",
          "pexels", "pixabay", "getty", "shutterstock", "openverse"]:
    servers |= crawl(t)

# 137 server unik · remote vs lokal ada di `server["remotes"]`
# kunci pihak ketiga yang diperlukan ada di packages[].environmentVariables

Setiap wrapper tersebut hanyalah klien tipis dari tiga API kata kunci yang sama, yang berarti benchmark di atas berlaku untuk semuanya: transportnya berubah, pencariannya tidak. Wrapper tidak bisa membuat indeks tag memahami sebuah kalimat.

Klausul yang menghentikan mesin bukanlah kuota

Kuota dan ketentuan pustaka gratis dibandingkan berdampingan, dalam satuan yang sama, di perbandingan API foto stok gratis — antrean persetujuan, panggilan unduh wajib, kewajiban caching 24 jam, aturan atribusi. Artikel tersebut membacanya seperti developer yang memilih penyedia. Bacalah lagi sebagai program yang harus mematuhinya dan satu baris menonjol yang tidak ada hubungannya dengan volume:

Pembacaan yang sama berlaku untuk onboarding. Tingkatan demo yang baru menjadi produksi setelah manusia meninjau tangkapan layar aplikasi Anda bukanlah batas laju yang bisa dihindari oleh agen; itu adalah langkah yang sama sekali tidak bisa dilakukan oleh agen. Pixabay menyatakan maksud ini secara eksplisit — API-nya untuk penggunaan manusia yang legitim, dan pengunduhan otomatis massal dilarang. Tidak ada yang tidak masuk akal dari ini, fotografer memberikan karya mereka secara gratis dan seseorang membayar bandwidth. Ini hanya menggambarkan API yang pemanggilnya diasumsikan memiliki layar dan sepasang tangan.

Empat persyaratan, dan siapa yang memenuhinya

Gabungkan kedua separuh tersebut dan spesifikasi untuk lapisan gambar yang benar-benar bisa dipakai agen hasilnya singkat dan bisa diuji. Ini dengan sengaja bukan perbandingan penyedia — ukuran katalog, harga, dan ketentuan lisensi sudah disandingkan di artikel perbandingan. Keempat hal ini hanya tentang apakah sebuah program bisa menjangkau gambarnya sama sekali:

1. Pencarian semantik — sebuah kalimat lengkap mengembalikan halaman berperingkat, bukan kumpulan kosong.
2. Lisensi gratis, beberapa sumber — tidak ada yang perlu dilisensikan per gambar, dan tidak ada selera satu pustaka pun yang mendefinisikan setiap halaman yang Anda terbitkan.
3. Server yang dihosting dengan sign-in sendiri — jarak jauh, OAuth, tidak ada proses lokal untuk diinstal dan tidak ada kunci API pihak ketiga untuk ditempel ke file konfigurasi.
4. Tingkatan gratis yang bisa diselesaikan sendiri oleh mesin — tidak ada peninjauan tangkapan layar, tidak ada kontrak, kuota bulanan dan batas laju per menit yang bisa diatur sendiri kecepatannya oleh worker.

Geser tabel ke samping untuk melihat semua kolom →

Kami yang membangun Pexafy, jadi bacalah baris terakhir itu dengan sikap skeptis yang layak — lalu periksalah: sensus registry-nya bisa direproduksi dalam satu skrip, kondisi akses Getty dan Shutterstock ada di halaman mereka sendiri, dan batasan ketiga API foto ada di dokumentasi mereka sendiri, semuanya ditautkan di bagian bawah. Klaimnya sempit dan bisa dibuktikan salah: pada 18 Agustus 2026 kami tidak menemukan layanan kedua yang memenuhi keempat hal tersebut. Jika Anda mengetahui satu, kami akan menambahkannya ke tabel ini — tujuan menuliskan persyaratan ini adalah agar siapa pun bisa menjalankannya terhadap produk apa pun, termasuk milik kami.

Apa yang dilakukan server gambar yang baik lewat MCP

Konektor bukanlah endpoint REST dengan tampilan baru. Dua penggunaan lapisan ini sudah ditulis di tempat lain dan tidak diulang di sini — mengilustrasikan draf, di artikel pipeline, dan menjaga koherensi visual pada serangkaian artikel panjang, di artikel tentang volume. Yang menjadi milik infrastruktur adalah hal yang keduanya bergantung padanya dan tidak bisa ditambahkan belakangan: tiga keputusan sisi server, dibuat sekali, untuk setiap agen yang pernah terhubung.

1. Kembalikan objek yang bisa dinalar oleh agen. Apa pun yang dikembalikan tool adalah semua yang diketahui model — model tidak bisa memindai grid. Perbedaan antara dua bentuk di bawah adalah perbedaan antara asisten yang menalar tentang foto dan yang hanya meneruskan tautan:

# Wrapper kata kunci umum: agen harus mengambil dan melihat, atau menebak
[{ "url": "https://…/photo-8795398.jpeg" }, { "url": "https://…/366611.jpg" }]

# Satu hasil, seperti dikembalikan — dipangkas di sini, tidak ada tambahan
{
  "rank": 1,                       // pegangan yang dipakai manusia: "yang lebih mirip #1"
  "photo_id": "019e14d9-e821-…",   // yang dipakai get_similar_photos
  "width": 6424, "height": 4283, "orientation": "landscape",
  "color_hex": "#918872", "blur_hash": "LPI#Px?aDikCGwW?M{kD-VR*s.fl",
  "source": "Pexels", "license_type": "free",
  "alt_description": "Older couple sits together on wooden bench in a park",
  "attribution": { "plain": "Photo by Anastasia Shuraeva on Pexels", "html": "…" },
  "urls": { "thumb": "…", "small": "…", "regular": "…", "large": "…" }
}

Dengan bentuk kedua, agen bisa mengatakan "#3 berorientasi potret, itu akan merusak slot hero Anda", membuang fotografer duplikat, menghasilkan baris kredit, dan menyerahkan pasangan width/height pada template Anda yang menghilangkan layout shift — tanpa mengambil satu pun gambar. Dengan bentuk pertama, setiap keputusan tersebut adalah tebakan atau round trip.

2. Beri nomor hasilnya, agar seseorang bisa menunjuk. Hasil dikembalikan berperingkat #1, #2, #3…, yang merupakan cara siapa pun merujuk foto dalam percakapan — "yang lebih mirip #3" — tanpa identifier yang disalin tangan. Di klien yang mendukung MCP Apps, thumbnail dirender inline, dan membuka salah satunya menampilkan metadata yang sudah ada dalam hasil tool tersebut, tanpa panggilan tambahan.

3. Tetap read-only, dan tegaskan hal ini. Tiga tool, tanpa scope tulis, tanpa mutasi akun. Satu di antaranya tidak memiliki setara kata kunci di mana pun: search_photos_by_image menerima gambar referensi — hero yang sudah ada milik klien, sebuah tangkapan layar yang ditempel di chat — plus kalimat opsional untuk membelokkannya ("seperti ini, tapi di malam hari"). Tidak ada bidang dalam API pencocokan tag di mana permintaan itu bisa diketikkan sekalipun. Dan agen yang tidak bisa mengubah apa pun adalah agen dengan hasil terburuk berupa kumpulan hasil kosong, bukan tiket support.

Dua permukaan, dan yang mana yang Anda mau

Ada tepat dua cara masuk, dan pilihannya bergantung pada siapa yang terlibat dalam loop, bukan pada kemampuan — tool dan katalognya identik di kedua permukaan.

Konektor, ketika ada seorang manusia. Satu URL, https://mcp.pexafy.com/mcp, ditambahkan sekali di pengaturan konektor asisten; sign-in terjadi di jendela browser dan klien menerima kredensial sendiri, jadi tidak ada kunci untuk ditempel ke file konfigurasi dan tidak ada yang harus dirotasi nanti. Klien yang tidak mengimplementasikan OAuth mengirim kunci API Pexafy sebagai bearer token ke endpoint yang sama — yang membuat konektor bisa dipakai dari cron job pada server build, di mana tidak ada seorang pun yang siap mengklik "Allow". Panduan langkah demi langkah untuk Claude, ChatGPT, dan file konfigurasi fleet ada di artikel pipeline; itu tidak berubah.

API HTTP, ketika tidak ada seorang pun. Job batch yang mengisi pool untuk 800 klaster topik seharusnya tidak berpura-pura jadi klien chat: akun sama, kunci sama, HTTP biasa, 100 hasil per panggilan. Aturan pengaturan kecepatan yang menyertainya — header rate-limit, mengapa 429 per menit layak dicoba ulang sementara 429 kuota bulanan tidak, berapa biaya worker pada skala besar — ada di artikel tentang mengilustrasikan pada skala besar, tempat worker tersebut ditulis lengkap.

Poin yang perlu diingat di sini lebih sempit, dan itulah yang menjadi inti studi pasar ini: kedua permukaan bisa dijangkau oleh program pada hari itu ditulis, tanpa antrean dan tanpa kontrak.

Apa yang tidak dipecahkan oleh ini

Daftar yang jujur, karena masing-masing hal ini pernah membuat seseorang harus melakukan rollback.

• Lisensi masih mengatur gambarnya. Atribusi tidak diwajibkan oleh ketentuan API Pexafy dan setiap hasil disertai string atribusi yang siap dirender — tetapi lisensi yang menyertai pustaka asal berlaku untuk penggunaan Anda atas foto tersebut. Render kreditnya secara otomatis; itu lebih murah daripada mengauditnya nanti.
• Katalog berlisensi gratis bukanlah arsip editorial. Tidak ada berita, tidak ada olahraga, tidak ada merek yang bisa dikenali atau figur publik sesuai permintaan. Jika halaman Anda memerlukan foto suatu peristiwa atau orang tertentu, itulah gunanya pemain berlisensi mapan, dan konektor mereka sekarang sudah ada.
• Ini adalah pencarian, dan hanya pencarian. Diagram, grafik, dan tangkapan layar dirender dari kode, bukan dicari; deduplikasi di seluruh halaman Anda adalah kolom di basis data Anda, bukan parameter pada endpoint; dan tidak ada foto yang membuat halaman tipis naik peringkat — kebijakan spam Google memperlakukan penyalahgunaan konten berskala sama saja baik halamannya diilustrasikan atau tidak.6 Ketiga hal itu adalah masalah pipeline dengan jawaban pipeline, diuraikan di artikel pipeline dan artikel tentang volume.

Mulai dari mana

1. Jalankan ulang benchmark-nya. Dua puluh baris, tanpa kunci. API gambar apa pun yang Anda pakai saat ini, kirimkan tiga brief agen Anda sendiri secara verbatim dan hitung kumpulan hasil kosongnya.
2. Sambungkan satu konektor ke asisten yang sudah Anda pakai dan mintalah, dalam satu kalimat, sebuah foto yang benar-benar Anda perlukan minggu ini. Itu saja seluruh evaluasinya.
3. Pindahkan brief ke dalam agen — satu skena per slot, ditulis dari draf, bukan dari judul.
4. Tambahkan kolom photo_id sebelum Anda menerbitkan apa pun dalam skala besar.
5. Jalankan pada tingkatan gratis — 5,000 pencarian sebulan pada 20 per menit hingga jendela build, bukan tagihan, yang memaksa Anda naik tingkat.

Referensi & catatan kaki