MCP (Model Context Protocol) คืออะไร? มาตรฐานเปิดที่เปลี่ยนวิธี AI เชื่อมต่อกับข้อมูล

November 2024 ถือเป็นจุดเปลี่ยนสำคัญของวงการ AI เมื่อ Anthropic เปิดตัว Model Context Protocol (MCP) — มาตรฐานเปิดที่ออกแบบมาเพื่อแก้ปัญหาสำคัญที่สุดอย่างหนึ่งของ AI ในปัจจุบัน: การที่โมเดลภาษาไม่สามารถเข้าถึงข้อมูลภายนอกได้อย่างมีประสิทธิภาพ

MCP คืออะไร?

MCP (Model Context Protocol) คือมาตรฐานเปิดและโอเพนซอร์สสำหรับเชื่อมต่อ AI applications เข้ากับระบบภายนอก ไม่ว่าจะเป็นฐานข้อมูล ไฟล์ในเครื่อง, APIs, หรือเครื่องมือต่างๆ

หากจะเปรียบเทียบให้เข้าใจง่ายๆ MCP ก็เหมือนกับ USB-C สำหรับ AI Applications เช่นเดียวกับที่ USB-C เป็นมาตรฐานกลางที่อุปกรณ์อิเล็กทรอนิกส์ทุกชนิดสามารถเชื่อมต่อหากันได้ MCP ก็เป็นมาตรฐานกลางที่ช่วยให้ AI models เช่น Claude, ChatGPT, หรือ AI agent ต่างๆ สามารถเชื่อมต่อกับ data sources, tools และ workflows ได้ โดยไม่ต้องสร้าง integration แบบ custom สำหรับแต่ละระบบ

ปัญหาที่ MCP แก้ไข

ก่อน MCP จะเกิดขึ้น การเชื่อมต่อ AI เข้ากับข้อมูลภายนอกเป็นเรื่องที่ยุ่งยากและซับซ้อน ทุกครั้งที่ต้องการเชื่อมต่อ AI กับ data source ใหม่ ก็ต้องเขียน custom integration ใหม่ทุกครั้ง ส่งผลให้:

• นักพัฒนาต้องเสียเวลา กับการเขียนและดูแล integration สำหรับแต่ละระบบ
• การ scale ทำได้ยาก เพราะทุก data source ต้องมีการ implement แยกกัน
• ระบบไม่ยืดหยุ่น — เมื่อเปลี่ยนเครื่องมือ ก็ต้องเขียน integration ใหม่

MCP เข้ามาแก้ปัญหาเหล่านี้ด้วยการให้ มาตรฐานกลางเดียว ที่ทั้ง data sources และ AI applications สามารถใช้ร่วมกันได้

สถาปัตยกรรมของ MCP

MCP ใช้สถาปัตยกรรมแบบ Client-Server ที่ตรงไปตรงมา:

• MCP Hosts — โปรแกรมหรือ AI applications ที่ต้องการเข้าถึงข้อมูล (เช่น Claude Desktop, Claude Code, IDE ต่างๆ)
• MCP Clients — ตัวเชื่อมต่อภายใน host ที่สร้าง connection 1:1 กับ MCP server
• MCP Servers — โปรแกรมขนาดเล็กที่ expose ข้อมูลหรือความสามารถเฉพาะอย่างผ่านมาตรฐาน MCP

MCP server แต่ละตัวจะ expose ความสามารถ 3 รูปแบบหลัก:

1. Resources — ข้อมูลที่คล้ายกับไฟล์ ซึ่ง AI client สามารถอ่านได้ (เช่น ไฟล์, database records, API responses)
2. Tools — ฟังก์ชันที่ AI model สามารถเรียกใช้ (search, คำนวณ, สร้างภาพ)
3. Prompts — เทมเพลต prompt สำเร็จรูปที่ผู้ใช้สามารถ reuse ได้

นอกจากนี้ MCP ยังรองรับ Sampling — ความสามารถที่ allow server ให้ client สร้าง response จาก LLM เพิ่มเติม ทำให้เกิดการทำงานแบบ agentic และ Transports — กลไกการส่ง messages ระหว่าง client กับ server (รองรับทั้ง stdio, HTTP, และ WebSocket)

MCP แตกต่างจากฟังก์ชัน calling อย่างไร?

หลายคนอาจสงสัยว่า MCP ต่างจาก Function Calling ที่ OpenAI และผู้ให้บริการอื่นๆ มีอยู่แล้วอย่างไร

Function Calling เป็น API-level feature ที่ allow AI model ให้เรียกฟังก์ชันที่กำหนดไว้ล่วงหน้าได้ แต่ MCP ไปไกลกว่านั้น

MCP จึงเป็น layer ที่อยู่เหนือ Function Calling — เป็น protocol ที่ define วิธีที่ client (AI application) และ server (data sources) คุยกัน แทนที่จะเป็นแค่ API call

การนำไปใช้งานจริง

ตัวอย่าง MCP Servers ที่มีให้ใช้แล้ว

Anthropic เปิดตัว MCP servers แบบ pre-built สำหรับระบบยอดนิยม:

• Google Drive — อ่านและค้นหาไฟล์ใน Drive
• Slack — อ่านข้อความและค้นหาใน Slack
• GitHub — จัดการ issues, PRs, และ code
• Postgres — query ฐานข้อมูลผ่านภาษา SQL
• Puppeteer — ควบคุม browser อัตโนมัติ
• Filesystem — อ่าน เขียน และจัดการไฟล์
• Memory — ระบบความจำแบบ knowledge graph

ตัวอย่างการใช้งานจริง

MCP เปิดความเป็นไปได้ใหม่ๆ มากมาย:

1. AI Personal Assistant — AI agent ที่สามารถเข้าถึง Google Calendar และ Notion เพื่อจัดการตารางงาน
2. Claude Code — ใช้ Figma design สร้าง web app ทั้งตัว ด้วยการเชื่อมต่อผ่าน MCP
3. Enterprise Chatbots — chatbot ที่เชื่อมต่อหลายฐานข้อมูลในองค์กร ให้พนักงานวิเคราะห์ข้อมูลผ่านการแชท
4. Dev Tools — VS Code, Cursor, และ Zed สามารถเชื่อมต่อ MCP servers เพื่อให้ AI coding assistant เข้าใจ context ของโปรเจกต์ได้ดีขึ้น
5. 3D Modeling — AI สร้างโมเดล 3D ผ่าน Blender และปริ้นท์ผ่าน 3D printer

ระบบนิเวศและการรองรับ

MCP เป็น open protocol ที่ได้รับการรองรับจากหลายฝ่ายในวงการ:

• AI Assistants: Claude Desktop, ChatGPT
• Development Tools: Visual Studio Code (GitHub Copilot), Cursor, Zed, Replit, Codeium, Sourcegraph
• Enterprise: Block (Square), Apollo
• Community: MCPJam, Smithery

นักพัฒนาและองค์กรชั้นนำอย่าง Block โดย Dhanji R. Prasanna, CTO ได้กล่าวถึง MCP ว่าเป็นเทคโนโลยีที่เชื่อม AI สู่โลกแห่งความจริง และทำให้ innovation เข้าถึงได้ง่ายขึ้น

อนาคตของ MCP

MCP กำลังถูกพัฒนาเป็นมาตรฐานเปิดที่มี community ขนาดใหญ่รองรับ Anthropic เปิดเผยว่ากำลังพัฒนา toolkit สำหรับ deployment MCP servers ใน production สำหรับองค์กร รวมถึงการรองรับ remote servers ที่สามารถให้บริการทั้งองค์กร

ด้วยแนวคิด "build once, integrate everywhere" ทำให้ MCP มีศักยภาพที่จะเป็นมาตรฐานกลางของวงการ AI ในระยะยาว — เช่นเดียวกับที่ USB-C หรือ HTTP กลายเป็นมาตรฐานที่ทุกคนใช้ร่วมกัน

ที่มา:

• Anthropic — Introducing the Model Context Protocol
• Model Context Protocol — Official Site
• Wikipedia — Model Context Protocol
• MCP Specification
• MCP GitHub Repository