MCP (Model Context Protocol) là giao thức mở, quy định cách ứng dụng AI kết nối trực tiếp với dữ liệu và công cụ bên ngoài mà không cần xây dựng các tích hợp riêng lẻ. Kiến trúc MCP gồm 3 phần chính: Host (ứng dụng AI), Client (thành phần kết nối), và Server (chương trình cung cấp dữ liệu/công cụ). Chuẩn giao thức này giúp giảm đáng kể chi phí tích hợp, loại bỏ sự phụ thuộc nhà cung cấp và tối ưu chính xác ngữ cảnh phản hồi của AI.
MCP là gì?
MCP (Model Context Protocol) là giao thức định nghĩa lại phương thức truy cập dữ liệu, gọi công cụ và truy xuất ngữ cảnh hệ thống bên ngoài cho các ứng dụng AI. Giao thức này được phát triển dưới dạng mã nguồn mở. Cơ chế của MCP cho phép thiết lập kết nối 2 chiều có kiểm soát giữa nguồn dữ liệu và ứng dụng AI:
- Bên sở hữu dữ liệu: Đóng gói toàn bộ cấu trúc dữ liệu và chức năng nghiệp vụ thành một MCP Server.
- Ứng dụng AI (Host): Chỉ cần tích hợp giao thức MCP một lần duy nhất để kết nối với mọi MCP Server sẵn có mà không phải lập trình lại cho từng nguồn.
Vì sao cần Model Context Protocol?
Model Context Protocol được thiết kế để giải quyết triệt để bài toán tích hợp phân mảnh trong hạ tầng công nghệ. Trước khi có MCP, mỗi nguồn dữ liệu mới bắt buộc phải viết một kết nối riêng cho từng công cụ AI. Nếu doanh nghiệp vận hành 10 ứng dụng AI và 10 hệ thống dữ liệu, số lượng kết nối cần duy trì lên tới 100 kết nối độc lập.
MCP chuyển đổi mô hình tích hợp từ dạng nhân tích số (NM) sang dạng tổng (N+M). Mỗi hệ thống dữ liệu chỉ cần phát hành 1 MCP Server, và mỗi ứng dụng AI chỉ cần hỗ trợ chuẩn MCP 1 lần.
Với doanh nghiệp, lợi ích của MCP thể hiện ở 3 điểm:
- Giảm chi phí tích hợp: dùng lại server có sẵn cho các hệ thống phổ biến như Google Drive, Slack, GitHub, Postgres.
- Giảm phụ thuộc nhà cung cấp: cùng một server dùng được cho nhiều ứng dụng AI khác nhau, việc đổi công cụ AI không đòi hỏi viết lại tích hợp.
- Tăng chất lượng kết quả: AI có đúng ngữ cảnh từ dữ liệu nội bộ nên trả lời và thực hiện công việc chính xác hơn.
MCP hoạt động như thế nào?
Giao thức MCP vận hành theo mô hình Client–Server phân tầng rõ ràng gồm 3 vai trò và 2 lớp giao thức.
1. Ba vai trò trong kiến trúc mcp
| Vai Trò | Thực Thể | Chức Năng Chính | Ví Dụ Điển Hình |
| MCP Host | Ứng dụng AI | Điều phối các kết nối và hiển thị giao diện cho người dùng | Claude Desktop, Visual Studio Code, Cursor |
| MCP Client | Thành phần kết nối | Duy trì kết nối 1:1 giữa Host và từng Server để thu thập ngữ cảnh | Thành phần tích hợp sẵn bên trong VS Code hay Cursor |
| MCP Server | Chương trình cung cấp | Đóng gói dữ liệu và cung cấp các công cụ thực thi | Server kết nối Sentry, GitHub, Postgres, Google Drive |
2. Hai lớp giao thức kỹ thuật
- Lớp dữ liệu (Data Layer): Định dạng thông điệp dựa trên chuẩn JSON-RPC 2.0, quy định cấu trúc khám phá năng lực hệ thống và xử lý thông tin cốt lõi.
- Lớp vận chuyển (Transport Layer): Quy định kênh truyền tải và xác thực bảo mật:
- Stdio (Standard Input/Output): Truyền trực tiếp giữa các tiến trình trên cùng một máy cục bộ, tối ưu tốc độ và không tốn chi phí mạng.
- Streamable HTTP: Truyền tải qua môi trường HTTP/HTTPS cho Server từ xa, hỗ trợ xác thực bằng OAuth, Token hoặc API Key.
Ba thành phần MCP server cung cấp cho ai
Một MCP Server tiêu chuẩn đóng gói và cung cấp 3 tài nguyên chính cho ứng dụng AI thông qua các lệnh kiểm kê (Listing Commands):
- Công cụ (Tools): Các chức năng chủ động để AI thao tác trên hệ thống (ví dụ: thực thi truy vấn SQL, gọi REST API, thao tác tệp tin, khởi tạo ticket công việc).
- Tài nguyên (Resources): Nguồn dữ liệu thụ động cung cấp ngữ cảnh (ví dụ: cấu trúc bảng csdl, nội dung file văn bản, nhật ký hệ thống).
- Mẫu câu lệnh (Prompts): Các khuôn mẫu chỉ dẫn hệ thống (System Prompts) thiết kế sẵn giúp AI vận hành công cụ đúng quy chuẩn.
Ví dụ một server cho cơ sở dữ liệu bán hàng có thể cung cấp công cụ truy vấn doanh số, tài nguyên mô tả cấu trúc các bảng dữ liệu và mẫu câu lệnh chứa ví dụ truy vấn chuẩn. Ngược lại, client có thể cung cấp cho server khả năng hỏi thêm thông tin hoặc xin xác nhận từ người dùng (elicitation) trước khi thực hiện một thao tác.
MCP khác API, function calling và RAG ở điểm nào?
MCP là lớp chuẩn hóa nằm trên API, function calling và RAG: API là cách hệ thống mở dữ liệu, function calling là khả năng mô hình yêu cầu gọi chức năng, RAG là kỹ thuật truy xuất tài liệu, còn MCP quy định cách ứng dụng AI khám phá và dùng tất cả những thứ đó theo một chuẩn chung. MCP đóng gói các kỹ thuật này vào một chuẩn kết nối chung.
| Tiêu Chí | API | Function Calling | RAG | MCP |
| Bản Chất | Giao diện lập trình ứng dụng | Khả năng mô hình đề xuất gọi hàm | Kỹ thuật truy xuất tài liệu đưa vào Prompt | Giao thức chuẩn kết nối AI với dữ liệu & công cụ |
| Đơn Vị Định Nghĩa | Từng nhà cung cấp phần mềm | Từng nhà phát triển mô hình AI | Đội ngũ phát triển ứng dụng | Chuẩn mở chung (Agentic AI Foundation) |
| Khả Năng Tái Sử Dụng | Phải viết lại tích hợp cho mỗi AI | Khai báo lại cấu trúc hàm cho từng AI | Dựng lại kho dữ liệu vector riêng | 1 Server dùng chung cho mọi Host chuẩn MCP |
| Tự Khám Phá Năng Lực | Đọc tài liệu API thủ công | Khai báo cứng trong mã nguồn | Không áp dụng | Client tự động quét và niêm phong công cụ/tài nguyên |
| Thao Tác Hệ Thống | Có | Có (thông qua mã ứng dụng) | Không (chỉ đọc dữ liệu) | Có (thông qua Tools của Server) |
Trong thực tế, một server thường gọi API của hệ thống bên dưới, và mô hình dùng function calling để chọn công cụ của server. RAG có thể được đóng gói thành một tài nguyên hoặc công cụ tìm kiếm trên server.
Các Nền Tảng Hỗ Trợ Và Hệ Sinh Thái MCP
MCP nhận được sự ủng hộ toàn diện từ các tập đoàn công nghệ lớn và hạ tầng đám mây hàng đầu:
- Ứng dụng AI hỗ trợ: ChatGPT, Claude, Gemini, Cursor, Microsoft Copilot, Visual Studio Code.
- Hạ tầng đám mây: AWS, Cloudflare, Google Cloud, Microsoft Azure.
- Bộ công cụ phát triển (SDK): Hỗ trợ đầy đủ các ngôn ngữ TypeScript, Python, Kotlin, Java với hơn 97.000.000 lượt tải/tháng.
- Tích hợp doanh nghiệp: Đã triển khai thực tế tại các tập đoàn thuộc Fortune 500, Block, Apollo, Replit, Sourcegraph.
Ngay từ lúc ra mắt, Anthropic đã cung cấp server dựng sẵn cho Google Drive, Slack, GitHub, Git, Postgres và Puppeteer. Các doanh nghiệp tích hợp sớm gồm Block và Apollo, cùng các công cụ lập trình Zed, Replit, Codeium và Sourcegraph.
Doanh nghiệp nên bắt đầu dùng MCP từ đâu?
Doanh nghiệp nên áp dụng chiến lược chuyển đổi theo từng giai đoạn kiểm soát rủi ro. 3 bước được khuyến nghị bao gồm: dùng kết nối chính thức có sẵn, xây MCP server nội bộ chỉ đọc thông tin, rồi mới mở quyền ghi thông tin cho các thao tác đã kiểm chứng. Mỗi bước cần một danh sách kiểm tra chặt chẽ trước khi chuyển sang bước tiếp theo.
- Dùng kết nối chính thức có sẵn: bắt đầu với server do chính nhà cung cấp phần mềm phát hành, như kết nối tới hệ thống quản lý dự án hoặc kho tài liệu doanh nghiệp đang dùng. Tránh cài server không rõ nguồn gốc từ kho cộng đồng.
- Xây server nội bộ chỉ đọc thông tin: đóng gói dữ liệu nội bộ như quy trình, chính sách, báo cáo thành tài nguyên chỉ đọc. AI trả lời được câu hỏi nghiệp vụ mà chưa thể thay đổi dữ liệu.
- Mở quyền ghi có kiểm soát: cấp công cụ ghi cho từng thao tác cụ thể, như tạo phiếu yêu cầu hay cập nhật trạng thái đơn hàng, kèm bước người dùng xác nhận trước khi thực hiện.
Checklist kiểm tra một server trước khi đưa vào sử dụng i:
- Nguồn gốc: server do ai phát hành, có được nhà cung cấp phần mềm gốc xác nhận không?
- Quyền truy cập: server cần những quyền gì, quyền đó có vượt quá nhu cầu không?
- Mô tả công cụ: đội kỹ thuật đã đọc toàn văn mô tả công cụ chưa, có chỉ dẫn lạ không?
- Dữ liệu đi đâu: dữ liệu có rời khỏi hệ thống doanh nghiệp hoặc ra nước ngoài không?
- Xác thực: server từ xa có dùng OAuth và kiểm tra token đúng đối tượng không?
- Nhật ký: mọi lần gọi công cụ có được ghi lại để truy vết không?
→ Khung kiểm soát tổng thể cho các kết nối AI xem tại: AI governance và quản trị dữ liệu doanh nghiệp.
Nếu doanh nghiệp của bạn đang cân nhắc mở dữ liệu nội bộ cho công cụ AI và cần người đủ năng lực đánh giá kiến trúc và rủi ro, chúng tôi sẵn sàng tư vấn lộ trình học dựa trên vai trò hiện tại của bạn.
→ Đăng ký tại trang chương trình PMDS hoặc gọi hotline 098 360 4487.