Trước khi đi sâu vào Model Context Protocol, bạn cần nắm các khái niệm và thuật ngữ chính làm nền móng cho MCP. Bài này giới thiệu những ý tưởng cơ bản của giao thức và một bộ từ vựng chung để chúng ta trao đổi về các phần triển khai MCP trong suốt khoá học.
MCP thường được ví như "cổng USB-C cho ứng dụng AI". Cũng như USB-C cung cấp một giao diện vật lý và logic chuẩn để nối nhiều thiết bị ngoại vi vào máy tính, MCP cung cấp một giao thức thống nhất để kết nối model AI với các khả năng (capability) bên ngoài. Việc chuẩn hoá này có lợi cho cả hệ sinh thái:
- người dùng có trải nghiệm đơn giản và nhất quán hơn giữa các ứng dụng AI
- nhà phát triển ứng dụng AI dễ dàng tích hợp với một hệ sinh thái tool và nguồn dữ liệu ngày càng lớn
- nhà cung cấp tool và dữ liệu chỉ cần làm một phần triển khai duy nhất mà vẫn dùng được với nhiều ứng dụng AI
- cả hệ sinh thái được hưởng lợi nhờ khả năng tương tác (interoperability) tốt hơn, đổi mới nhiều hơn và ít phân mảnh hơn
Bài toán tích hợp
Bài toán tích hợp M×N là thách thức khi phải kết nối M ứng dụng AI khác nhau với N tool hoặc nguồn dữ liệu bên ngoài mà không có một cách làm chuẩn.
Khi không có MCP (bài toán M×N)
Không có giao thức như MCP, nhà phát triển sẽ phải tạo M×N bản tích hợp riêng: mỗi cặp ứng dụng AI và khả năng bên ngoài cần một bản.
Mỗi ứng dụng AI phải tích hợp riêng với từng tool hoặc nguồn dữ liệu. Đây là quá trình rất phức tạp và tốn kém, gây nhiều trở ngại cho nhà phát triển và chi phí bảo trì cao.
Khi có nhiều model và nhiều tool, số lượng bản tích hợp trở nên quá lớn để quản lý, mỗi bản lại có giao diện riêng.
Khi có MCP (lời giải M+N)
MCP biến bài toán này thành M+N bằng một giao diện chuẩn: mỗi ứng dụng AI triển khai phía client của MCP một lần, mỗi tool hoặc nguồn dữ liệu triển khai phía server một lần. Nhờ đó độ phức tạp tích hợp và gánh nặng bảo trì giảm mạnh.
Thuật ngữ cốt lõi của MCP
Giờ đã hiểu MCP giải quyết vấn đề gì, chúng ta cùng đi vào các thuật ngữ và khái niệm cốt lõi tạo nên giao thức MCP.
Các thành phần
Giống quan hệ client–server trong HTTP, MCP có client và server.
-
Host: ứng dụng AI mà người dùng cuối tương tác trực tiếp. Ví dụ: Claude Desktop của Anthropic, các IDE tích hợp AI như Cursor, thư viện inference như Hugging Face Python SDK, hoặc ứng dụng tự xây dựng bằng thư viện như LangChain hay smolagents. Host khởi tạo kết nối tới các MCP server và điều phối toàn bộ luồng xử lý giữa yêu cầu của người dùng, phần xử lý của LLM và các tool bên ngoài.
-
Client: một thành phần bên trong ứng dụng host, quản lý việc giao tiếp với một MCP server cụ thể. Mỗi client duy trì kết nối 1:1 với một server duy nhất, lo các chi tiết ở tầng giao thức của MCP và đóng vai trò trung gian giữa logic của host và server bên ngoài.
-
Server: một chương trình hoặc dịch vụ bên ngoài, cung cấp các khả năng (Tools, Resources, Prompts) qua giao thức MCP.
Các khả năng (capability)
Giá trị của ứng dụng chính là tổng các khả năng nó cung cấp, nên khả năng là phần quan trọng nhất của ứng dụng. MCP có thể kết nối với bất kỳ dịch vụ phần mềm nào, nhưng có một số khả năng phổ biến được dùng trong nhiều ứng dụng AI.
| Khả năng | Mô tả | Ví dụ |
|---|---|---|
| Tools | Các hàm thực thi được mà model AI có thể gọi để thực hiện hành động hoặc lấy dữ liệu đã tính toán. Thường gắn với mục đích sử dụng của ứng dụng. | Một tool của ứng dụng thời tiết có thể là hàm trả về thời tiết tại một địa điểm. |
| Resources | Nguồn dữ liệu chỉ đọc, cung cấp ngữ cảnh mà không cần tính toán nhiều. | Một trợ lý nghiên cứu có thể có resource chứa các bài báo khoa học. |
| Prompts | Các mẫu (template) hoặc quy trình (workflow) định sẵn, dẫn dắt tương tác giữa người dùng, model AI và các khả năng sẵn có. | Một prompt tóm tắt. |
| Sampling | Yêu cầu do server khởi tạo, nhờ client/host thực hiện một lượt tương tác với LLM. Nhờ đó có thể thực hiện các hành động đệ quy, nơi LLM xem lại nội dung đã sinh và đưa ra quyết định tiếp theo. | Một ứng dụng viết lách xem lại chính đầu ra của nó và quyết định chỉnh sửa thêm. |
Sơ đồ dưới đây minh hoạ các khả năng này cùng được áp dụng cho một tình huống của code agent.
Ứng dụng này có thể dùng các thực thể MCP như sau:
| Thực thể | Tên | Mô tả |
|---|---|---|
| Tool | Code Interpreter | Tool có thể chạy code do LLM viết. |
| Resource | Documentation | Resource chứa tài liệu của ứng dụng. |
| Prompt | Code Style | Prompt hướng dẫn LLM sinh code. |
| Sampling | Code Review | Sampling cho phép LLM review code và đưa ra quyết định tiếp theo. |
Kết luận
Hiểu các khái niệm và thuật ngữ chính này là nền tảng để làm việc hiệu quả với MCP. Ở các bài tiếp theo, chúng ta sẽ dựa trên nền tảng này để tìm hiểu các thành phần kiến trúc, giao thức giao tiếp và các khả năng tạo nên Model Context Protocol.
Nguồn
- Dịch và biên tập từ huggingface/mcp-course · units/en/unit1/key-concepts.mdx, giấy phép Apache-2.0.