Vấn Đề “Copy-Paste”#

Nhớ lần cuối bạn dùng AI assistant như ChatGPT, Claude, hay Gemini không? Chắc bạn đã làm kiểu này:

Bạn: “Viết blog post về… à khoan, để tôi paste nội dung từ trang web này trước…”

(Chuyển sang browser, copy text, chuyển lại, paste)

Bạn: “…dựa trên nội dung này. À, check giúp tôi file PDF này nữa…”

Rồi có thể:

Bạn: “Mà này, xem dự báo thời tiết ngày mai luôn đi.”

Nhưng AI không thể làm trực tiếp. Bạn phải:

1. Mở tab browser mới
2. Search thời tiết
3. Copy thông tin
4. Paste lại cho AI
5. Rồi mới hỏi

Lượt đi lượt về này gọi là vấn đề copy-paste. AI thông minh nhưng bị cô lập. Nó có thể nghĩ, nhưng không thể làm.

Vấn Đề “Quá Nhiều Ứng Dụng”#

Giờ nhân vấn đề này lên với mọi công cụ bạn dùng:

• Bạn có thể hỏi AI check Google Calendar? Không — bạn phải tự mở.
• Có thể hỏi nó tìm file trên máy? Không — bạn phải tự tìm và upload.
• Có thể hỏi nó đọc email? Không — bạn phải copy-paste.

Mỗi công cụ có cách kết nối (hoặc không kết nối) với AI riêng. Trong ngành công nghệ, đây gọi là vấn đề N × M:

• N công cụ (GitHub, Gmail, Slack, Notion, database, dịch vụ thời tiết…)
• M AI assistant (Claude, ChatGPT, Gemini, Copilot…)

Không có chuẩn chung, mỗi công cụ phải xây connector riêng cho mỗi AI assistant. Đó là N × M connectors. Và mỗi lần AI assistant mới xuất hiện, mọi công cụ lại phải xây thêm connector.

Đây là vấn đề MCP giải quyết.

“Model” (Mô Hình)#

Model là bộ não AI — thứ hiểu câu hỏi của bạn và tạo ra câu trả lời. Khi bạn nói chuyện với ChatGPT, bạn đang nói với một model. Khi dùng Claude Code, bạn đang dùng một model.

Các model khác nhau có khả năng khác nhau, như các đầu bếp khác nhau có chuyên môn riêng:

• Một số nhanh và rẻ (như đầu bếp nấu ăn nhanh)
• Một số chậm và xuất sắc (như đầu bếp Michelin-star)

Nhưng tất cả model đều có một giới hạn chung: chúng chỉ biết những gì được train. Chúng không thể tự truy cập thông tin mới hoặc công cụ bên ngoài. Model là bộ não không có giác quan — có thể nghĩ nhưng không thể thấy, nghe, hay chạm vào bất cứ thứ gì bên ngoài.

”Context” (Bối Cảnh)#

Context là tất cả thông tin model có trong một cuộc trò chuyện. Khi bạn gõ câu hỏi, bạn đang thêm vào context. Khi bạn paste tài liệu, bạn đang thêm vào context.

Nhưng có giới hạn. Model chỉ chứa được một lượng thông tin nhất định, đo bằng tokens (đơn vị của từ ngữ). Hãy nghĩ như một bảng trắng — bạn chỉ viết được chừng đó trước khi phải xóa thứ gì đó.

Đây là lúc MCP thông minh: nó không đổ mọi thứ vào context cùng lúc. Nó mang thông tin vào chỉ khi cần, như đầu bếp sai phụ bếp xuống kho lấy nguyên liệu khi đang nấu, thay vì mang cả kho vào bếp.

”Protocol” (Giao Thức)#

Protocol là bộ quy tắc hai hệ thống đồng ý với nhau để giao tiếp. Như việc nếu cả hai cùng nói tiếng Việt, chúng ta có thể trò chuyện mà không cần thông dịch.

MCP là ngôn ngữ mà AI model và công cụ bên ngoài đồng ý nói với nhau. Nó định nghĩa:

• Cách AI hỏi tool để lấy thông tin
• Cách tool trả lời thông tin đó
• Định dạng thông tin nên ở dạng nào
• Chuyện gì xảy ra khi có lỗi

Trước MCP, mỗi công cụ nói ngôn ngữ riêng. GitHub nói “GitHub API,” Slack nói “Slack API,” lịch của bạn nói “Calendar API.” AI model phải học từng ngôn ngữ riêng lẻ, và nếu công cụ mới xuất hiện, AI không thể nói chuyện với nó cho đến khi ai đó xây translator riêng.

Với MCP, mọi thứ nói một ngôn ngữ. Kết nối một công cụ một lần, và mọi AI hỗ trợ MCP đều có thể dùng nó ngay lập tức.

Tổng Hợp#

MCP là ngôn ngữ chung cho phép AI model nói chuyện với công cụ và dữ liệu bên ngoài.

Hãy nghĩ nó như USB-C cho AI. USB-C là một chuẩn kết nối duy nhất hoạt động với điện thoại, laptop, màn hình, sạc — thay vì mỗi thiết bị cần cáp riêng — thì MCP là chuẩn kết nối duy nhất hoạt động với GitHub, database, Slack, filesystem, và hàng trăm công cụ khác.

Trước USB-C, nếu mua điện thoại mới, bạn cần cáp mới. Trước MCP, nếu muốn AI dùng công cụ mới, bạn cần tích hợp tùy chỉnh mới. Giờ một chuẩn kết nối tất cả.

1. Host (Sân Khấu)#

Host là ứng dụng bạn đang dùng — nơi mọi thứ chạy. Có thể là:

• Claude Desktop (ứng dụng desktop cho Claude)
• Claude Code (coding assistant trong terminal)
• Cursor (trình soạn thảo code có AI)
• VS Code + Copilot
• ChatGPT desktop app

Host không tự suy nghĩ. Nó là sân khấu — cung cấp không gian và ánh sáng, nhưng diễn viên mới là người biểu diễn.

2. Client (Quản Lý Sân Khấu)#

Client nằm bên trong host. Nó quản lý kết nối tới MCP servers. Khi AI model cần truy cập công cụ, client:

1. Xác định MCP server nào cần gọi
2. Gửi yêu cầu tới server đó
3. Nhận phản hồi
4. Đưa thông tin lại cho model

Client như người quản lý sân khấu: khi diễn viên cần đạo cụ, quản lý biết kệ nào, đi lấy, và mang về.

3. Server (Bộ Phận Đạo Cụ)#

Server là chương trình kết nối tới một công cụ hoặc nguồn dữ liệu cụ thể. Nó expose khả năng của công cụ đó dưới dạng MCP tools mà bất kỳ client nào cũng có thể gọi.

Ví dụ:

• GitHub MCP Server cho AI truy cập pull requests, issues, code, CI runs
• PostgreSQL MCP Server cho AI truy cập database
• Firecrawl MCP Server cho AI khả năng search và scrape web
• Slack MCP Server cho AI đọc và gửi tin nhắn

Mỗi server như một bộ phận chuyên môn ở hậu trường — ánh sáng, âm thanh, đạo cụ, trang phục. Mỗi bộ có chuyên môn riêng, và tất cả đều nói cùng một ngôn ngữ với quản lý sân khấu.

Ba Thành Phần Làm Việc Cùng Nhau#

1
┌─────────────────────────────────────────────┐
2
│              MÁY TÍNH CỦA BẠN               │
3
│                                              │
4
│  ┌─────────────────────────────────────────┐│
5
│  │    HOST (Claude Desktop)                ││
6
│  │                                         ││
7
│  │  ┌──────────┐     ┌──────────────────┐  ││
8
│  │  │  Model   │◄───►│  MCP Client      │  ││
9
│  │  │  (AI)    │     │  (Quản lý SK)    │  ││
10
│  │  └──────────┘     └──────────────────┘  ││
11
│  │                          │              ││
12
│  └──────────────────────────┼──────────────┘│
13
│                             │               │
14
│  ┌──────────────────────────┼──────────────┐│
15
│  │  ┌────────┐ ┌────────┐ ┌────────┐      ││
16
│  │  │  MCP   │ │  MCP   │ │  MCP   │      ││
17
│  │  │ Server │ │ Server │ │ Server │      ││
18
│  │  │(GitHub)│ │(Slack) │ │  (DB)  │      ││
19
│  │  └────────┘ └────────┘ └────────┘      ││
20
│  │       BỘ PHẬN ĐẠO CỤ                    ││
21
│  └─────────────────────────────────────────┘│
22
└─────────────────────────────────────────────┘

Khi bạn hỏi AI điều gì cần công cụ bên ngoài:

1. Host nhận câu hỏi
2. Model (AI) quyết định cần check GitHub
3. Client kết nối tới GitHub MCP server
4. Server nói với GitHub API thực tế, lấy dữ liệu
5. Server trả dữ liệu về cho client
6. Client đưa dữ liệu cho model
7. Model dùng dữ liệu để trả lời

Tất cả xảy ra trong nền, trong vài giây. Với bạn, cảm giác như AI tự nhiên biết mọi thứ. Và đó chính xác là mục đích.

Ví Dụ 1: GitHub#

Yêu cầu: “Sao CI build failed trên PR #42?”

Không MCP: Bạn phải tự mở GitHub, tìm PR, đọc logs, copy-paste cho AI.

Có MCP: AI tự động đọc PR, check CI logs, phân tích lỗi, trả lời: “Build failed vì test e2e không connect được staging database.”

Ví Dụ 2: Database#

Yêu cầu: “Bao nhiêu khách hàng mới tuần này?”

Không MCP: Bạn phải mở database tool, viết SQL, chạy, copy kết quả.

Có MCP: AI tự query database, trả lời: “1,247 khách hàng mới. Tăng 15% so với tuần trước.”

Ví Dụ 3: Kết Hợp Nhiều Nguồn#

Yêu cầu: “Xem ticket support về lỗi checkout, tìm code liên quan, check có PR fix chưa, tổng hợp.”

Không MCP mất 30 phút. Có MCP AI tự động query Linear (MCP) + GitHub (MCP) + Sentry (MCP) và tổng hợp trong 1 câu.

1. Tools (Hành Động)#

Tools là thứ AI có thể làm. Khi AI gọi tool, điều gì đó xảy ra trong thế giới thực.

Tools là động từ — hành động AI có thể thực hiện.

2. Resources (Thông Tin)#

Resources là thứ AI có thể đọc. Nguồn dữ liệu AI có thể truy cập.

Resources là danh từ — thứ AI có thể nhìn vào.

3. Prompts (Mẫu)#

Prompts là template tái sử dụng hướng dẫn AI cách làm việc gì đó — như thẻ công thức nấu ăn.

Prompt Injection#

Kẻ tấn công có thể giấu lệnh trong nội dung web mà AI đọc. Nếu AI có quyền ghi, hậu quả có thể nghiêm trọng.

Cách An Toàn#

1. Bắt đầu read-only — chỉ đọc trước, thêm quyền ghi khi đã tin tưởng
2. Ít quyền nhất — nếu AI chỉ cần đọc issues, đừng cho token merge PR
3. Tài khoản riêng — tạo API key riêng cho MCP
4. Dùng Docker — cô lập MCP server trong container
5. Dùng server chính thức — ưu tiên server từ nhà cung cấp, không phải community fork