Nhà nghiên cứu Alliance DAO: Giải thích đơn giản về khái niệm MCP đang gây sốt trong lĩnh vực AI gần đây
Tuyển chọn TechFlowTuyển chọn TechFlow
Nhà nghiên cứu Alliance DAO: Giải thích đơn giản về khái niệm MCP đang gây sốt trong lĩnh vực AI gần đây
Đối với các ứng dụng AI, MCP giống như USB-C trong phần cứng.
Chuyên sâu báo cáo Web3Tác giả: Mohamed ElSeidy
Biên dịch: TechFlow
Giới thiệu
Hôm qua, token AI liên quan đến Solana là $Dark đã ra mắt trên Binance Alpha, và đến nay vốn hóa thị trường đã đạt khoảng 40 triệu USD.
Trong câu chuyện mã hóa AI mới nhất, $Dark có mối liên hệ mật thiết với “MCP” (giao thức ngữ cảnh mô hình) – lĩnh vực mà gần đây các công ty công nghệ Web2 như Google cũng đang chú ý và khám phá.
Tuy nhiên hiện tại vẫn chưa có nhiều bài viết giải thích rõ ràng khái niệm MCP và tác động của câu chuyện này.
Bài viết dưới đây là một bài phân tích sâu sắc, dễ hiểu về giao thức MCP của nhà nghiên cứu Mohamed ElSeidy thuộc Alliance DAO, dùng ngôn ngữ hết sức通俗 để trình bày nguyên lý và định vị của MCP, có thể giúp chúng ta nhanh chóng nắm bắt được câu chuyện mới nhất.
TechFlow đã biên dịch toàn bộ nội dung.
Trong những năm làm việc tại Alliance, tôi đã chứng kiến vô số nhà sáng lập xây dựng các công cụ chuyên dụng và tích hợp dữ liệu riêng, tất cả đều được nhúng vào các tác nhân AI và quy trình làm việc của họ. Tuy nhiên, những thuật toán, định dạng và tập dữ liệu độc đáo này bị khóa đằng sau các tích hợp tùy chỉnh, rất ít người sử dụng.
Với sự xuất hiện của Giao thức Ngữ cảnh Mô hình (Model Context Protocol - MCP), tình trạng này đang thay đổi nhanh chóng. MCP được định nghĩa là một giao thức mở chuẩn hóa cách ứng dụng giao tiếp và cung cấp ngữ cảnh cho các mô hình ngôn ngữ lớn (LLM). Một phép so sánh tôi rất thích là: “Đối với các ứng dụng AI, MCP giống như USB-C trong phần cứng”; nó mang tính chuẩn hóa, cắm là chạy, đa năng và mang tính cách mạng.
Tại sao chọn MCP?
Các mô hình ngôn ngữ lớn (như Claude, OpenAI, LLAMA...) rất mạnh mẽ, nhưng bị giới hạn bởi lượng thông tin có thể truy cập hiện tại. Điều này có nghĩa là chúng thường có điểm dừng kiến thức, không thể tự duyệt web, hay truy cập trực tiếp vào tệp cá nhân hoặc công cụ chuyên biệt nếu không thực hiện tích hợp nào đó.
Đặc biệt, trước đây, các nhà phát triển gặp phải ba thách thức chính khi kết nối LLM với dữ liệu và công cụ bên ngoài:
-
Phức tạp trong tích hợp: Việc xây dựng tích hợp riêng biệt cho từng nền tảng (như Claude, ChatGPT...) đòi hỏi nỗ lực lặp lại và duy trì nhiều kho mã nguồn khác nhau.
-
Phân mảnh công cụ: Mỗi chức năng công cụ (ví dụ: truy cập tệp, kết nối API...) cần có mã tích hợp và mô hình quyền riêng biệt.
-
Phạm vi phân phối bị hạn chế: Các công cụ chuyên biệt bị giới hạn trong nền tảng cụ thể, làm giảm phạm vi phủ sóng và ảnh hưởng.
MCP giải quyết những vấn đề này bằng cách cung cấp một phương pháp chuẩn hóa, cho phép bất kỳ LLM nào cũng có thể truy cập an toàn vào các công cụ và nguồn dữ liệu bên ngoài thông qua một giao thức chung. Giờ thì chúng ta đã hiểu vai trò của MCP, hãy cùng xem mọi người đang xây dựng gì với nó.
Mọi người đang dùng MCP để xây cái gì?
Hệ sinh thái MCP hiện đang trong giai đoạn bùng nổ sáng tạo. Dưới đây là một số ví dụ mới nhất mà tôi tìm thấy trên Twitter về các nhà phát triển đang trưng bày sản phẩm của họ:
-
Storyboard do AI điều khiển: Một tích hợp MCP cho phép Claude điều khiển ChatGPT-4o, tự động tạo storyboard phong cách Studio Ghibli hoàn chỉnh mà không cần can thiệp thủ công.
-
Tích hợp giọng nói ElevenLabs: Một máy chủ MCP cho phép Claude và Cursor truy cập toàn bộ nền tảng âm thanh AI chỉ bằng một nhắc nhở văn bản đơn giản. Tích hợp này đủ mạnh để tạo ra các tác nhân thoại có thể thực hiện cuộc gọi đi, minh chứng cho khả năng mở rộng công cụ AI hiện tại sang lĩnh vực âm thanh của MCP.
-
Tự động hóa trình duyệt bằng Playwright: Một máy chủ MCP cho phép các tác nhân AI điều khiển trình duyệt web mà không cần chụp màn hình hay mô hình thị giác. Điều này tạo ra những khả năng mới cho tự động hóa web bằng cách cho phép LLM tương tác trực tiếp với trình duyệt theo cách chuẩn hóa.
-
Tích hợp WhatsApp cá nhân: Một máy chủ kết nối tài khoản WhatsApp cá nhân, cho phép Claude tìm kiếm tin nhắn và danh bạ, đồng thời gửi tin nhắn mới.
-
Công cụ tìm kiếm Airbnb: Một công cụ tìm căn hộ Airbnb, minh chứng cho sự tiện lợi của MCP và khả năng tạo ứng dụng hữu ích tương tác với dịch vụ web.
-
Hệ thống điều khiển robot: Một bộ điều khiển MCP dành cho robot. Ví dụ này thu hẹp khoảng cách giữa LLM và phần cứng vật lý, cho thấy tiềm năng của MCP trong các ứng dụng IoT và lĩnh vực robot.
-
Google Maps và tìm kiếm địa phương: Kết nối Claude với dữ liệu Google Maps để tạo hệ thống có thể tìm và đề xuất doanh nghiệp địa phương (như quán cà phê). Sự mở rộng này cho phép trợ lý AI cung cấp dịch vụ dựa trên vị trí.
-
Tích hợp blockchain: Dự án Lyra MCP đưa chức năng MCP lên StoryProtocol và các nền tảng web3 khác. Điều này cho phép tương tác với dữ liệu blockchain và hợp đồng thông minh, mở ra khả năng mới cho các ứng dụng phi tập trung được tăng cường bằng AI.
Điều đặc biệt nổi bật ở những ví dụ này là sự đa dạng của chúng. Trong thời gian ngắn kể từ khi ra mắt MCP, các nhà phát triển đã tạo ra các tích hợp bao gồm sản xuất phương tiện sáng tạo, nền tảng truyền thông, điều khiển phần cứng, dịch vụ định vị và công nghệ blockchain. Những ứng dụng khác biệt này tuân theo cùng một giao thức chuẩn hóa, cho thấy tính linh hoạt của MCP và tiềm năng trở thành tiêu chuẩn chung cho việc tích hợp công cụ AI.
Nếu muốn xem bộ sưu tập đầy đủ các máy chủ MCP, bạn có thể truy cập kho lưu trữ máy chủ MCP chính thức trên GitHub. Trước khi sử dụng bất kỳ máy chủ MCP nào, hãy đọc kỹ tuyên bố miễn trừ trách nhiệm và thận trọng với nội dung bạn chạy và ủy quyền.
Hứa hẹn và thổi phồng
Khi đối mặt với bất kỳ công nghệ mới nào, đáng để đặt câu hỏi: Liệu MCP thực sự mang tính cách mạng, hay chỉ là một công cụ khác bị thổi phồng quá mức và rồi sẽ biến mất?
Sau khi quan sát nhiều startup, tôi tin rằng MCP đại diện cho một bước ngoặt thực sự trong sự phát triển của AI. Khác với nhiều xu hướng hứa hẹn cách mạng nhưng chỉ mang lại thay đổi dần dần, MCP là một bước nâng cao năng suất, giải quyết vấn đề cơ sở hạ tầng cản trở toàn bộ hệ sinh thái phát triển.
Điểm đặc biệt của nó nằm ở chỗ, MCP không cố gắng thay thế hay cạnh tranh với các mô hình AI hiện có, mà làm cho chúng hữu ích hơn bằng cách kết nối chúng với các công cụ và dữ liệu bên ngoài cần thiết.
Dù vậy, những lo ngại hợp lý về bảo mật và chuẩn hóa vẫn còn tồn tại. Cũng như mọi giao thức ở giai đoạn đầu, khi cộng đồng đang mò mẫm các phương pháp tốt nhất về kiểm toán, quyền, xác thực và xác minh máy chủ, chúng ta có thể sẽ chứng kiến những khó khăn ban đầu. Các nhà phát triển cần tin tưởng vào chức năng của các máy chủ MCP, nhưng không nên tin mù quáng, đặc biệt khi chúng ngày càng phổ biến. Bài viết này đã đề cập đến một số lỗ hổng gần đây bị lộ ra do sử dụng vô tư các máy chủ MCP chưa được kiểm tra kỹ lưỡng, ngay cả khi chạy cục bộ.
Tương lai của AI nằm ở ngữ cảnh
Các ứng dụng AI mạnh nhất sẽ không còn là các mô hình độc lập, mà là hệ sinh thái các khả năng chuyên biệt được kết nối với nhau thông qua các giao thức chuẩn như MCP. Với các startup, MCP mở ra cơ hội xây dựng các thành phần chuyên biệt phù hợp với hệ sinh thái đang phát triển không ngừng này. Đây là cơ hội tận dụng kiến thức và năng lực độc đáo của bạn, đồng thời hưởng lợi từ lượng đầu tư khổng lồ vào các mô hình nền tảng.
Nhìn về tương lai, chúng ta có thể kỳ vọng MCP sẽ trở thành thành phần cơ bản của cơ sở hạ tầng AI, giống như HTTP đối với web. Khi giao thức trưởng thành và mức độ áp dụng gia tăng, rất có thể chúng ta sẽ chứng kiến sự xuất hiện của thị trường các máy chủ MCP chuyên biệt, cho phép các hệ thống AI tận dụng gần như mọi khả năng hoặc nguồn dữ liệu nào có thể tưởng tượng được.
Startup của bạn đã từng thử triển khai MCP chưa? Tôi rất muốn nghe trải nghiệm của bạn trong phần bình luận. Nếu bạn đang xây dựng thứ gì đó thú vị trong lĩnh vực này, hãy liên hệ với chúng tôi qua @alliancedao để đăng ký.
Phụ lục
Đối với những ai quan tâm đến cách MCP hoạt động trong thực tế, phụ lục dưới đây cung cấp phân tích kỹ thuật chi tiết về kiến trúc, quy trình làm việc và triển khai của nó.
Bên trong MCP
Tương tự như HTTP chuẩn hóa cách web truy cập dữ liệu và thông tin bên ngoài, MCP làm điều tương tự cho các khung AI, tạo ra một ngôn ngữ chung giúp các hệ thống AI khác nhau giao tiếp liền mạch. Hãy cùng khám phá cách nó hoạt động.
Kiến trúc và quy trình MCP
Kiến trúc chính tuân theo mô hình khách-chủ, gồm bốn thành phần chính phối hợp với nhau:
-
Chủ MCP: Bao gồm các ứng dụng AI trên máy tính để bàn như Claude hoặc ChatGPT, IDE như cursorAI hoặc VSCode, hoặc các công cụ AI khác cần truy cập dữ liệu và chức năng bên ngoài.
-
Khách MCP: Bộ xử lý giao thức được nhúng trong chủ, duy trì kết nối một-một với máy chủ MCP.
-
Máy chủ MCP: Chương trình nhẹ xuất ra chức năng cụ thể thông qua giao thức chuẩn hóa.
-
Nguồn dữ liệu: Bao gồm tệp, cơ sở dữ liệu, API và dịch vụ mà máy chủ MCP có thể truy cập an toàn.
Giờ thì chúng ta đã thảo luận về các thành phần, hãy xem cách chúng tương tác trong một quy trình điển hình:
-
Tương tác người dùng: Người dùng đặt câu hỏi hoặc đưa ra yêu cầu trong chủ MCP (ví dụ: Claude Desktop).
-
Phân tích LLM: LLM phân tích yêu cầu và xác định cần thông tin hoặc công cụ bên ngoài để đưa ra phản hồi đầy đủ.
-
Khám phá công cụ: Khách MCP truy vấn các máy chủ MCP đã kết nối để phát hiện các công cụ sẵn có.
-
Lựa chọn công cụ: LLM quyết định sử dụng công cụ nào dựa trên yêu cầu và chức năng sẵn có.
-
Yêu cầu quyền: Chủ yêu cầu người dùng cấp quyền thực hiện công cụ đã chọn nhằm đảm bảo tính minh bạch và an toàn.
-
Thực thi công cụ: Sau khi được chấp thuận, khách MCP gửi yêu cầu đến máy chủ MCP phù hợp, máy chủ này sử dụng quyền truy cập chuyên biệt vào nguồn dữ liệu để thực hiện thao tác.
-
Xử lý kết quả: Máy chủ trả kết quả về khách, khách định dạng lại để LLM sử dụng.
-
Tạo phản hồi: LLM tích hợp thông tin bên ngoài vào phản hồi toàn diện.
-
Hiển thị cho người dùng: Cuối cùng, phản hồi được trình bày cho người dùng cuối.
Sức mạnh của kiến trúc này nằm ở chỗ mỗi máy chủ MCP tập trung vào một lĩnh vực cụ thể, nhưng sử dụng giao thức truyền thông chuẩn hóa. Nhờ vậy, các nhà phát triển không cần xây dựng lại tích hợp cho từng nền tảng, mà chỉ cần phát triển công cụ một lần để phục vụ toàn bộ hệ sinh thái AI.
Cách xây dựng máy chủ MCP đầu tiên của bạn
Giờ hãy cùng xem cách triển khai một máy chủ MCP đơn giản trong vài dòng mã bằng SDK của MCP.
Trong ví dụ đơn giản này, chúng ta muốn mở rộng khả năng của Claude Desktop để nó có thể trả lời các câu hỏi như “Có những quán cà phê nào gần Công viên Trung tâm?”, lấy thông tin từ Google Maps. Bạn có thể dễ dàng mở rộng chức năng này để lấy đánh giá hoặc xếp hạng. Nhưng hiện tại, chúng ta tập trung vào công cụ MCP find_nearby_places, cho phép Claude lấy trực tiếp thông tin từ Google Maps và trình bày kết quả theo cách đối thoại.
Như bạn thấy, mã rất đơn giản. Đầu tiên, nó chuyển truy vấn thành tìm kiếm API Google Maps, sau đó trả về các kết quả hàng đầu ở định dạng cấu trúc. Như vậy, thông tin được truyền ngược lại LLM để ra quyết định tiếp theo.
Giờ chúng ta cần cho Claude Desktop biết về công cụ này, vì vậy chúng ta đăng ký nó trong tệp cấu hình như sau:
Đường dẫn macOS:
~/Library/Application Support/Claude/claude_desktop_config.json
Đường dẫn Windows:
%APPDATA%\Claude\claude_desktop_config.json
Chỉ vậy thôi, bạn đã hoàn tất! Giờ bạn đã mở rộng thành công chức năng của Claude để tìm kiếm vị trí từ Google Maps theo thời gian thực.
Chào mừng tham gia cộng đồng chính thức TechFlow
Nhóm Telegram:https://t.me/TechFlowDaily
Tài khoản Twitter chính thức:https://x.com/TechFlowPost
Tài khoản Twitter tiếng Anh:https://x.com/BlockFlow_News
Alliance
