AI MCP là gì? Model Context Protocol – "cổng USB-C" của AI

AI MCP, viết tắt của Model Context Protocol (giao thức ngữ cảnh mô hình), là một chuẩn mở cho phép các ứng dụng AI như Claude kết nối với nguồn dữ liệu và công cụ bên ngoài qua một giao diện chung. Được Anthropic giới thiệu vào tháng 11/2024, MCP thay thế các tích hợp làm riêng lẻ bằng những MCP server có thể tái sử dụng, giúp hệ thống AI dễ dàng tiếp cận thông tin và khả năng cần thiết.

MCP hữu ích nhất khi nhiều ứng dụng AI hoặc AI agent cần làm việc với cùng các hệ thống. Nếu bạn chỉ có một ứng dụng kết nối với một API, tích hợp trực tiếp có thể đơn giản hơn.

MCP trong AI là viết tắt của gì?

MCP là viết tắt của Model Context Protocol. Mỗi từ mô tả một phần của vấn đề mà MCP giải quyết:

• Model (mô hình): hệ thống AI gửi yêu cầu một LLM như GPT, Claude hay Gemini, hoặc một agent được xây dựng trên LLM đó.
• Context (ngữ cảnh): thông tin mô hình cần để trả lời tốt, như bản ghi trong cơ sở dữ liệu, file trên máy, phản hồi từ API nội bộ hay tin nhắn từ công cụ như Slack.
• Protocol (giao thức): định dạng thống nhất để trao đổi thông tin đó. Thay vì viết một tích hợp riêng cho từng mô hình AI và từng nguồn dữ liệu, lập trình viên chỉ cần tuân theo một đặc tả (specification).

Vì sao MCP được gọi là "USB-C" của AI?

MCP thường được ví như "cổng USB-C cho ứng dụng AI". Phép so sánh này khá sát: trước khi có USB-C, mỗi thiết bị đi kèm một loại cáp riêng, và muốn chuyển dữ liệu giữa các thiết bị thì phải xoay xở với đủ loại đầu cắm không tương thích. MCP đóng vai trò thống nhất tương tự cho AI, cho phép mọi ứng dụng hỗ trợ MCP truy cập dữ liệu ngữ cảnh từ bất kỳ nguồn nào theo một cách chuẩn, không phải viết code lặp lại.

Tích hợp AI từng gặp đúng vấn đề đó. Kết nối trợ lý AI với PostgreSQL cần code riêng; kết nối với Slack lại là một cách làm khác; đọc một thư mục trên máy lại thêm một cách nữa. Với MCP, đội ngũ chỉ cần xây một MCP server cho mỗi nguồn dữ liệu, và mọi AI client hỗ trợ giao thức đều dùng được. Khi chuyển từ Claude Desktop sang một host khác cũng hỗ trợ MCP, như một IDE hay một agent nội bộ, bạn không cần viết lại server đó.

AI MCP hoạt động như thế nào?

MCP được xây dựng trên JSON-RPC 2.0 và hỗ trợ hai cơ chế truyền tải (transport): stdio cho server chạy cục bộ và Streamable HTTP cho server từ xa (thay thế cơ chế HTTP+SSE trước đó từ bản đặc tả tháng 3/2025). Cùng một mã nguồn server, chỉ với vài chỉnh sửa nhỏ, có thể chạy cục bộ khi phát triển và triển khai lên endpoint từ xa khi vận hành thật.

Kiến trúc AI MCP: Host, Client và Server

• MCP host: ứng dụng người dùng tương tác trực tiếp, như Claude Desktop, một IDE như Cursor, hoặc một AI agent do doanh nghiệp tự xây. Host chứa một hoặc nhiều MCP client và quản lý vòng đời của chúng.
• MCP client: lớp giao tiếp nằm trong host. Mỗi client giữ kết nối với đúng một MCP server và xử lý đóng gói thông điệp, thương lượng khả năng và khôi phục lỗi.
• MCP server: một chương trình trung gian cung cấp quyền truy cập vào một nguồn dữ liệu hoặc công cụ cụ thể. Trong quá trình khởi tạo kết nối, server khai báo những khả năng mà nó hỗ trợ, chẳng hạn như tools (công cụ), resources (tài nguyên) và prompts (mẫu hướng dẫn). Sau đó, client truy vấn danh sách cụ thể các công cụ, tài nguyên và mẫu hướng dẫn có sẵn thông qua các phương thức tương ứng (tools/list, resources/list và prompts/list).

Ba thành phần cơ bản (primitive) của MCP

• Resources (tài nguyên): dữ liệu chỉ đọc do host/ứng dụng chọn để AI truy cập khi cần, như nội dung file, dòng dữ liệu, phản hồi API hay log. Mỗi resource có URI và có thể đăng ký nhận thông báo khi thay đổi.
• Tools (công cụ): các hàm AI có thể gọi để thực hiện hành động, như gửi tin nhắn Slack, tạo issue trên GitHub hay chạy truy vấn SQL. Tool có schema đầu vào rõ ràng và trả về kết quả có cấu trúc.
• Prompts (mẫu lệnh): các mẫu dựng sẵn giúp người dùng làm việc với server, ví dụ prompt "code review" tự lấy nội dung của một pull request cụ thể.

Quy trình xử lý một yêu cầu thông qua MCP

Khi yêu cầu của người dùng cần thông tin bên ngoài, host đưa cho mô hình danh sách tool hiện có, và mô hình quyết định gọi tool nào. Host cũng có thể đính kèm resource làm ngữ cảnh. MCP client gửi yêu cầu tới server dưới dạng thông điệp JSON-RPC. Server xác thực với dịch vụ phía sau, chạy truy vấn hoặc hành động, rồi trả kết quả về dưới dạng JSON có cấu trúc.

Với các hành động làm thay đổi dữ liệu, host thường yêu cầu người dùng duyệt lệnh gọi tool trước. Đặc tả MCP yêu cầu host xin sự đồng ý của người dùng trước khi gọi tool; mức độ chặt chẽ phụ thuộc vào từng ứng dụng host.

Kiểm tra khả năng hỗ trợ (Capability Negotiation)

Khi client kết nối với server, hai bên trao đổi phiên bản giao thức và các khả năng đã khai báo. Bước bắt tay này ngăn client gọi một tool mà server không hỗ trợ, hoặc dùng một tính năng, như đăng ký theo dõi resource, mà bên kia không hỗ trợ.

Mô hình bảo mật và các rủi ro (Security Model and Risks)

MCP server chạy cục bộ dùng quyền của người khởi chạy nó, còn server từ xa thường dùng OAuth. Điều này kéo theo một số đánh đổi: kết quả trả về từ tool có thể chứa prompt injection, và server bên thứ ba chưa được kiểm duyệt có thể làm lộ quá nhiều dữ liệu. Bạn có thể giảm rủi ro bằng cách kiểm duyệt và cố định phiên bản server bên thứ ba, dùng tài khoản quyền tối thiểu, yêu cầu người dùng duyệt các hành động thay đổi dữ liệu, và ghi log mọi lệnh gọi tool để kiểm tra.

Vì sao AI MCP quan trọng với AI trong doanh nghiệp

MCP thay đổi cách doanh nghiệp kết nối AI với hệ thống của mình theo ba hướng.

Với lập trình viên: xây một lần, dùng mọi nơi

Khi chưa có MCP, một đội ngũ làm việc với nhiều mô hình, ví dụ Claude, một mô hình mã nguồn mở nội bộ và một hệ thống legacy phải duy trì nhiều bộ code tích hợp cho cùng một nguồn dữ liệu. MCP tách lớp dữ liệu khỏi lớp mô hình: lập trình viên viết một MCP server, và mọi AI host hỗ trợ MCP đều kết nối được. Nhờ đó giảm việc tích hợp lặp lại khi nhiều AI host dùng chung một nguồn dữ liệu.

Với doanh nghiệp: giữ dữ liệu ở đúng chỗ của nó

Gửi dữ liệu CRM, tài chính hay mã nguồn nội bộ cho một nhà cung cấp AI bên ngoài đặt ra nhiều lo ngại về bảo mật và tuân thủ. Với MCP, AI kết nối tới dữ liệu ngay tại nơi nó đang được lưu: MCP server có thể chạy on-premise hoặc trong Virtual Private Cloud (VPC) của doanh nghiệp và áp dụng chính sách quản lý danh tính và truy cập (IAM) hiện có, nhờ đó quyền truy cập dữ liệu vẫn do chính sách IAM hiện có kiểm soát, bất kể mô hình chạy ở đâu.

Với AI agent: từ trả lời đến hành động

Một mô hình ngôn ngữ chỉ hữu ích tới mức các hành động nó có thể thực hiện. Khi tool và resource được cung cấp theo một chuẩn chung, MCP cho phép agent chạy các quy trình nhiều bước: đọc log lỗi trên máy, truy vấn PostgreSQL để lấy thông tin người dùng liên quan, rồi soạn ticket trên Jira mà không cần viết code kết nối riêng cho từng bước.

So sánh MCP và tích hợp API truyền thống

Tích hợp API truyền thống coi AI chỉ là thêm một bên dùng dữ liệu, để lập trình viên tự nối khoảng cách giữa dữ liệu thô và thứ mô hình thực sự cần. MCP bổ sung hỗ trợ ở cấp giao thức cho cách hệ thống AI tìm và sử dụng dữ liệu, công cụ.

Khi nào nên (và không nên) dùng MCP?

MCP phát huy hiệu quả khi nhiều ứng dụng AI hoặc agent cần dùng chung nguồn dữ liệu và công cụ. Với một mô hình gọi một đến hai API ổn định, tích hợp API trực tiếp hoặc function calling có sẵn thường nhanh triển khai và dễ debug hơn.

Câu hỏi thường gặp về AI MCP

AI MCP là gì?

AI MCP (Model Context Protocol) là một chuẩn mở cho phép ứng dụng AI kết nối với nguồn dữ liệu và công cụ bên ngoài qua một giao diện chung, thay vì phải làm tích hợp riêng cho từng mô hình và từng nguồn dữ liệu.

MCP server, tool và connector là gì?

MCP server là một chương trình nhẹ cung cấp một nguồn dữ liệu, như cơ sở dữ liệu PostgreSQL hay hệ thống file trên máy, cho AI. MCP tool là một hàm AI có thể gọi thông qua server, như send_slack_message hoặc run_sql_query. "Connector" thường chỉ phần tích hợp nối MCP server, hoặc ứng dụng AI, với một dịch vụ bên thứ ba.

AI agent sử dụng MCP như thế nào?

AI agent dùng MCP để tìm và thực hiện hành động một cách linh hoạt. Thay vì dựa vào logic viết cứng, agent hỏi MCP server xem có những tool nào, tạo yêu cầu có cấu trúc rồi gửi đi. Server thực hiện hành động (thường sau khi người dùng duyệt) và trả kết quả về dưới dạng ngữ cảnh có cấu trúc cho bước suy luận tiếp theo của AI.

Những nền tảng AI nào hỗ trợ MCP?

Tính đến tháng 10/2026, MCP được hỗ trợ sẵn trong Claude Desktop, Cursor, VS Code và Windsurf. Từ năm 2025, OpenAI, Google và Microsoft đã tích hợp MCP vào các sản phẩm như ChatGPT, Gemini CLI, GitHub Copilot và Microsoft Copilot Studio. Các framework AI agent lớn như LangChain và CrewAI cũng đã tích hợp giao thức này.

Vì sao AI cần MCP?

MCP giảm tình trạng dữ liệu bị cô lập và việc tích hợp lặp đi lặp lại. Đội ngũ chỉ cần xây một MCP server cho mỗi nguồn dữ liệu, và mọi AI host tương thích đều dùng được, thay vì làm tích hợp mới cho từng mô hình.

MCP server có phải là AI agent không?

Không. MCP server chỉ là nơi cung cấp dữ liệu hoặc thực thi tool một cách thụ động, không tự suy luận. AI agent trong host mới là bên suy luận, lập kế hoạch và quyết định khi nào gọi tool của server.

Mọi AI agent đều dùng MCP?

Chưa. MCP ngày càng được nhiều nền tảng AI và framework agent lớn áp dụng, nhưng nhiều agent vẫn dùng lớp bọc API tự viết hoặc plugin độc quyền.

Kết luận

Model Context Protocol (MCP) đã nhanh chóng phát triển từ một đặc tả mới thành hạ tầng dùng chung cho các ứng dụng AI. Nhiều trợ lý AI và IDE phổ biến hiện đã hỗ trợ MCP, và nhiều đội ngũ đang xây dựng chiến lược ứng dụng AI Agent dựa trên giao thức này. Với các doanh nghiệp đang cân nhắc triển khai MCP, câu hỏi thực tế đặt ra là nên ưu tiên kết nối những nguồn dữ liệu nào trước và những nguồn nào phù hợp hơn với việc tích hợp trực tiếp qua API.

Haposoft cũng đã phát triển các MCP server cho các sản phẩm của mình, bao gồm Fastener ERP, Hapo SMS và Hapo OKR. Thông qua Claude, người dùng có thể kiểm tra đơn hàng sản xuất và tồn kho, theo dõi cơ hội bán hàng, hợp đồng và tình trạng thanh toán, hoặc gửi cập nhật tiến độ OKR mà không cần truy cập riêng từng hệ thống. Quyền truy cập được giới hạn theo quyền của tài khoản đang đăng nhập và mọi thao tác làm thay đổi dữ liệu đều yêu cầu người dùng xác nhận trước.

Bạn có thể bắt đầu tìm hiểu AI MCP từ:

• Đọc tài liệu chính thức của Model Context Protocol để hiểu đặc tả cốt lõi.
• Tham khảo các MCP server do cộng đồng xây dựng trên GitHub (ví dụ cho PostgreSQL, Slack hay hệ thống file), và kiểm duyệt từng server trước khi dùng.
• Bạn đang lên kế hoạch áp dụng MCP cho hệ thống của mình? Trao đổi với đội ngũ AI MCP của Haposoft về các giải pháp tích hợp MCP an toàn, triển khai on-premise cho AI agent của bạn.