Login

Model Context Protocol (MCP) là gì? Chuẩn kết nối AI với công cụ và dữ liệu

  • author-image

    Nguyễn Đình Cường

  • blog-tag
  • blog-comment 0 comment
  • created-date 09 Nov, 2026
blog-thumbnail

Mỗi lần muốn cho một trợ lý AI truy cập cơ sở dữ liệu, thư mục tài liệu hay một dịch vụ bên ngoài, lập trình viên thường phải viết tích hợp riêng. Model Context Protocol (MCP) là giao thức mở được đề xuất nhằm chuẩn hóa cách ứng dụng AI kết nối với công cụ và nguồn dữ liệu, giống như một cổng cắm chung.

Vấn đề MCP muốn giải quyết

Giả sử có M ứng dụng AI và N công cụ hoặc nguồn dữ liệu. Nếu mỗi cặp phải tích hợp riêng, bạn cần tới M nhân N tích hợp. Một giao thức chung biến bài toán thành M cộng N: mỗi ứng dụng hỗ trợ giao thức một lần, mỗi công cụ cung cấp một "máy chủ" tuân theo giao thức một lần, rồi chúng kết nối được với nhau.

Các thành phần chính

  • Host/Client: ứng dụng AI (ví dụ trợ lý lập trình hoặc ứng dụng chat) kết nối tới các máy chủ MCP.
  • Server MCP: chương trình nhỏ phơi bày khả năng của một công cụ hay nguồn dữ liệu theo giao thức chuẩn.
  • Các loại khả năng: công cụ (hàm mô hình có thể gọi), tài nguyên (dữ liệu để đọc), và mẫu prompt dựng sẵn.

Cách giao tiếp dựa trên thông điệp JSON theo kiểu gọi thủ tục từ xa, chạy qua các phương thức vận chuyển như đầu vào/đầu ra chuẩn của tiến trình cục bộ hoặc HTTP. Chi tiết cụ thể có thể thay đổi theo phiên bản đặc tả, bạn nên đọc tài liệu chính thức.

Ví dụ ý tưởng một máy chủ đơn giản

Bên dưới là phác thảo bằng Python minh họa tư duy: khai báo một công cụ có tên, mô tả và hàm xử lý. Đây là mã giả định để hiểu khái niệm, hãy dùng SDK chính thức khi triển khai thật:

# Phác thảo ý tưởng, không phải API cụ thể của một SDK
cong_cu = {
    "name": "dem_dong_code",
    "description": "Đếm số dòng trong một file văn bản",
    "input_schema": {
        "type": "object",
        "properties": {"duong_dan": {"type": "string"}},
        "required": ["duong_dan"],
    },
}

def xu_ly(duong_dan: str) -> int:
    with open(duong_dan, encoding="utf-8") as f:
        return sum(1 for _ in f)

Điểm quan trọng: công cụ mô tả rõ tên, mục đích và định dạng đầu vào để mô hình biết khi nào và cách gọi.

Lợi ích

  1. Tái sử dụng: một máy chủ MCP dùng được với nhiều ứng dụng AI hỗ trợ giao thức.
  2. Tách biệt quan tâm: người làm công cụ không cần biết ứng dụng AI cụ thể.
  3. Hệ sinh thái mở: cộng đồng có thể chia sẻ các máy chủ cho dịch vụ phổ biến.
  4. Dễ thử nghiệm: bạn kiểm thử máy chủ độc lập với ứng dụng AI.

Bảo mật: điều không được bỏ qua

Cho AI quyền truy cập công cụ thật nghĩa là rủi ro thật. Hãy chú ý:

  • Quyền tối thiểu: chỉ phơi bày các công cụ và dữ liệu cần thiết, ưu tiên chỉ đọc khi có thể.
  • Xác nhận của con người: với hành động thay đổi dữ liệu hay gửi đi bên ngoài.
  • Tin cậy máy chủ bên thứ ba: chỉ cài máy chủ từ nguồn đáng tin; mã chạy trên máy bạn có thể truy cập tài nguyên cục bộ.
  • Prompt injection: nội dung công cụ trả về (trang web, email, tài liệu) có thể chứa chỉ dẫn độc hại. Coi đó là dữ liệu, không phải mệnh lệnh.
  • Quản lý bí mật: không nhét khóa API vào mô tả hay đầu ra công cụ.

Khi nào đáng dùng?

  • Bạn muốn trợ lý AI truy cập tài liệu hay hệ thống nội bộ theo cách chuẩn.
  • Bạn xây công cụ và muốn nhiều ứng dụng AI dùng được.
  • Bạn đang tránh viết đi viết lại các tích hợp tương tự.

Với tích hợp đơn giản một lần, gọi trực tiếp API hoặc dùng tính năng gọi hàm của nhà cung cấp mô hình có thể gọn hơn.

Kết luận

MCP là nỗ lực chuẩn hóa lớp kết nối giữa AI và thế giới bên ngoài. Hiểu ý tưởng này giúp bạn thiết kế công cụ cho AI gọn gàng, tái sử dụng được, và quan trọng nhất là có ý thức về bảo mật ngay từ đầu.

Để nắm chắc API, JSON và lập trình backend, nền tảng của các tích hợp như vậy, mời bạn xem các khóa học tại codebem.com.

author_photo
Nguyễn Đình Cường

0 comment