ผู้ช่วย AI ตอบคำถามทั่วไปได้ดี แต่มักเข้าไม่ถึงข้อมูลจริงขององค์กร เช่น ยอดขายในฐานข้อมูลหรือสถานะงานในระบบแจ้งงาน (Ticket) ซึ่ง MCP ถูกออกแบบมาเพื่อแก้โจทย์นี้
บทความนี้สรุปว่า MCP ทำงานอย่างไร ใช้ทำอะไรในธุรกิจ ต้องระวังอะไร และควรเริ่มอย่างไร จากเอกสารทางการของโครงการและ Anthropic
สรุปสั้นสำหรับผู้บริหาร
- คืออะไร: มาตรฐานเปิดสำหรับเชื่อมแอป AI กับข้อมูลและเครื่องมือภายนอก สร้างโดย Anthropic
- ประโยชน์: สร้างตัวเชื่อม (MCP Server) ครั้งเดียว ใช้ได้กับทุกแอปที่รองรับ เช่น Claude, ChatGPT และ VS Code
- ใช้ทำอะไร: ให้ AI ค้นฐานข้อมูล อ่านไฟล์ หรือเปิด Ticket แทนผู้ใช้ ตามสิทธิ์ที่ได้รับ
- ต้องระวัง: การเรียกใช้เครื่องมือ (Tool) คือการรันโค้ดจริง ต้องยืนยันตัวตน จำกัดสิทธิ์ และให้คนอนุมัติงานสำคัญ
- เริ่มอย่างไร: ทดลอง Server สำเร็จรูปกับงานที่อ่านข้อมูลอย่างเดียว แล้วจึงสร้าง Server ของตัวเอง
MCP คืออะไร?
MCP (Model Context Protocol) คือมาตรฐานเปิดสำหรับเชื่อมแอป AI เข้ากับข้อมูล เครื่องมือ และระบบภายนอกผ่านช่องทางเดียว ทำให้ AI ดึงข้อมูลและลงมือทำงานได้ Anthropic เปิดตัวเป็นโอเพนซอร์สเมื่อ 25 พฤศจิกายน 2567
เว็บไซต์ของโครงการเปรียบ MCP กับพอร์ต USB-C ของแอป AI ส่วน Anthropic ระบุว่าก่อนมี MCP แหล่งข้อมูลใหม่แต่ละแห่งต้องมีโค้ดเชื่อมต่อเฉพาะ ระบบที่เชื่อมถึงกันจึงขยายได้ยาก
ทำไม MCP ถึงสำคัญกับองค์กร?
ถ้าไม่มีมาตรฐานกลาง ทุกครั้งที่อยากให้แอป AI ตัวใหม่เข้าถึง ERP หรือ CRM ทีมพัฒนาต้องเขียนตัวเชื่อม (Integration) ใหม่ให้แอปนั้นโดยเฉพาะ งานจึงเพิ่มตามจำนวนคู่ของแอปและระบบ
ด้วย MCP องค์กรสร้าง Server ให้ระบบของตัวเองครั้งเดียว แล้วแอปที่รองรับอย่าง Claude, ChatGPT, Visual Studio Code และ Cursor ก็เชื่อมต่อได้ ช่วยลดการผูกติดกับผู้ให้บริการ AI รายเดียว
สถาปัตยกรรมของ MCP ทำงานอย่างไร?
MCP ใช้สถาปัตยกรรมแบบ Client-Server (ผู้ขอใช้บริการกับผู้ให้บริการ) และรับส่งข้อความด้วย JSON-RPC 2.0 ซึ่งเป็นรูปแบบมาตรฐานสำหรับเรียกคำสั่งข้ามโปรแกรม
Host, Client และ Server ต่างกันอย่างไร?
- Host: แอป AI ที่ผู้ใช้ใช้งาน เช่น Claude Desktop, Claude Code หรือ Visual Studio Code
- Client: ตัวเชื่อมต่อภายใน Host โดย Host สร้าง Client หนึ่งตัวต่อ Server หนึ่งตัว
- Server: โปรแกรมที่เปิดข้อมูลหรือความสามารถของระบบให้ AI ใช้ เช่น ไฟล์ ฐานข้อมูล หรือบริการออนไลน์
MCP กำหนดเฉพาะวิธีแลกเปลี่ยนบริบท ไม่ได้กำหนดว่าแอปจะใช้โมเดลภาษา (LLM) อย่างไร
Server เปิดอะไรให้ AI ใช้ได้บ้าง?
- Tools (เครื่องมือ): ฟังก์ชันที่ AI สั่งทำงานได้ เช่น ดึงข้อมูลจากฐานข้อมูล (Query) หรือเรียก API
- Resources (แหล่งข้อมูล): ข้อมูลที่ใช้เป็นบริบท เช่น เนื้อหาไฟล์หรือระเบียนในฐานข้อมูล
- Prompts (แม่แบบคำสั่ง): แม่แบบข้อความที่ใช้ซ้ำได้ เช่น ตัวอย่างวิธีใช้ Tool
ตัวอย่างเช่น Server ของฐานข้อมูลอาจมี Tool สำหรับ Query, Resource ที่เก็บโครงสร้างตาราง และ Prompt ที่มีตัวอย่างการใช้งาน ส่วน Server เองก็ขอให้ผู้ใช้กรอกข้อมูลเพิ่มหรือยืนยันการทำงานได้ ผ่านความสามารถที่เรียกว่า Elicitation
stdio กับ Streamable HTTP ต่างกันอย่างไร?
- stdio: รับส่งผ่านช่องทางมาตรฐาน (Standard Input/Output) ของโปรแกรมบนเครื่องเดียวกัน เหมาะกับ Server แบบ Local ที่รันบนเครื่องผู้ใช้
- Streamable HTTP: ส่งผ่านเครือข่ายด้วย HTTP เหมาะกับ Server แบบ Remote ที่รันบนเซิร์ฟเวอร์และให้บริการหลายคน โดยเอกสารแนะนำให้ใช้ OAuth (มาตรฐานการมอบสิทธิ์เข้าถึง) ออกโทเค็นยืนยันตัวตน
ณ เดือนกันยายน 2569 สเปกฉบับล่าสุดของ MCP คือเวอร์ชัน 2026-07-28
ตัวอย่างการใช้ MCP ในธุรกิจมีอะไรบ้าง?
- ถามข้อมูลด้วยภาษาคน: ผู้จัดการถามยอดขายหรือสต็อกผ่านแชต แล้ว AI เรียก Tool ที่ Query ฐานข้อมูลให้
- เปิด Ticket: ทีมบริการลูกค้าให้ AI สรุปปัญหาแล้วเปิด Ticket โดยเจ้าหน้าที่กดยืนยันก่อน
- สรุปเอกสาร: AI อ่านไฟล์ในโฟลเดอร์หรือคลังเอกสารที่อนุญาต เพื่อตอบคำถามหรือร่างรายงาน
- งานพัฒนาซอฟต์แวร์: เครื่องมือเขียนโค้ดดึงข้อมูลจาก GitHub หรือระบบติดตามข้อผิดพลาดอย่าง Sentry มาวิเคราะห์ปัญหา
ตอนเปิดตัว Anthropic ปล่อย Server สำเร็จรูปสำหรับ Google Drive, Slack, GitHub, Git, Postgres และ Puppeteer ส่วนการให้ AI ใช้หลาย Tool ต่อกันจนงานเสร็จคือหลักการของ AI Agent