Phân Tích Model Context Protocol (MCP): Tương Lai Mới Của AI Agent

Trong thời gian gần đây, Model Context Protocol (MCP) - một giao thức mới do Anthropic phát triển với tiềm năng trở thành lớp giao tiếp tiêu chuẩn giữa AI Agent và thế giới thực, đặc biệt trong bối cảnh hội tụ giữa AI và Crypto đang được thúc đẩy mạnh mẽ. Vậy chi tiết Model Context Protocol là gì và có gì đặc biệt hãy cùng Hak Research tìm hiểu trong bài viết này nhé.

Tổng Quan Về Model Context Protocol

Vấn đề trước khi có MCP

Trước khi có sự xuất hiện của MCP, AI Agent dù là GPT, Claude hay bất kì LLM nào khác đều hoạt động trong môi trường đóng, phụ thuộc vào dữ liệu huấn luyện tĩnh (pre-trained), các Prompt đầu vào và một số công cụ tích hợp riêng biệt như Plugin, API tùy chỉnh. Điều này gây ra một số hạn chế chính như:

• Không thể truy cập được dữ liệu động: Việc quá phụ thuộc vào thông tin do người dùng cung cấp hoặc được đào tạo từ trước nên các mô hình này sẽ không thể cung cấp thông tin dữ liệu theo thời gian thực. 
• Không thể thực hiện được hành động: Vì chỉ hoạt động trong môi trường đóng khiến AI chỉ phản hồi người dùng dưới dạng các văn bản và không thể tự thao tác với hệ thống bên ngoài. Ví dụ: Một AI có thể trả lời cách viết báo cáo tài chính nhưng không thể gửi chúng qua email nội bộ công ty nếu không được tích hợp riêng.
• Tích hợp tốn công sức: Việc tích hợp bên ngoài cần code tùy chỉnh, điều này khiến mỗi hệ thống cần viết integration riêng khiến chi phí cao, API không đồng bộ và độ trễ lớn.

Sự xuất hiện của MCP có thể giải quyết vấn đề này giúp AI Agent có thể lấy dữ liệu, xử lí, đưa ra các hành động chẳng hạn như tạo Pull Request trên Github, gửi Email, chạy lệnh tài chính,...

Model Context Protocol là gì

Model Context Protocol là một giao thức mã nguồn mở được Anthropic vào cuối năm 2024 nhằm giải quyết một trong những điểm nghẽn lớn nhất của AI hiện nay: Khả năng kết nối và tương tác với các hệ thống, dữ liệu và công cụ bên ngoài theo thời gian thực. MCP hoạt động như một lớp tích hợp tiêu chuẩn giữa AI Agent (đặc biệt là các mô hình ngôn ngữ lớn LLM) với thế giới bên ngoài, cho phép truy cập dữ liệu động (từ API, Database, ví Web3, …) cũng như thực thi hành động như gửi lệnh, cập nhật trạng thái hoặc kích hoạt quy trình. Nói cách khác, MCP chuyển AI từ trạng thái thụ động sang chủ động không chỉ trả lời phản hồi của người dùng mà còn hành động.

Không giống như các phương thức tích hợp truyền thống vốn rời rạc và cần xây dựng API thủ công riêng biệt cho từng hệ thống, MCP cung cấp một Framework chuẩn hóa, linh hoạt và dễ mở rộng. Nhờ tính chất open-source và Permissionless, MCP đặc biệt phù hợp với triết lý của Web3 và đang nhanh chóng được tích hợp vào các hệ sinh thái lớn như Base, BNB Chain, Solana, OpenAI Agents SDK và các ứng dụng DeFi-AI. Trong bối cảnh AI chuyển dịch sang mô hình Agentic và Web3 cần các hệ thống có thể tương tác tự động và an toàn, MCP được kỳ vọng sẽ trở thành nền tảng hạ tầng trung gian cho tương lai của cả hai lĩnh vực.

Cách Thức Hoạt Động Của Model Context Protocol

Model Context Protocol hoạt động như một lớp tích hợp trung gian giữa mô hình ngôn ngữ lớn (LLM) và các hệ thống dữ liệu hoặc công cụ bên ngoài (web2 và web3). Chúng ta có thể nhìn vào hình ảnh bên dưới để hiểu hơn về MCP

• Host with MCP Client: đây là giao diện để người dùng tương tác với AI (chẳng hạn như Claude, ChatGPT,...). Đây là nơi thực hiện yêu cầu của người dùng và quyết định hành động.
• MCP Server: Đây là cầu nối xử lí yêu cầu của AI Agent và chuyển tiếp đến hệ thống đích 
• External System: Đây là hệ thống bên ngoài như Database, API, ví Crypto,...

Quy trình xử lí dữ liệu của MCP diễn ra như sau:

• Người dùng tương tác với hệ thống thông qua ngôn ngữ tự nhiên. Chẳng hạn như tìm Pool có APY cao nhất cho USDC và Stake 1000 USDC. AI Agent nhận lệnh của người dùng 
• AI Agent phân tích yêu cầu: Sử dụng LLM để hiểu yêu cầu và xác định các bước để hành động. Ví dụ cần gọi API để lấy APY sau đó gửi lệnh Stake.
• Gửi yêu cầu đến MCP Server: AI Agent gửi Request đến MCP Server trong trường hợp này là APY cao nhất cho USDC. 
• MCP Server định tuyến và xử lí: MCP Server sử dụng các Adapter (tương tự như Plugin) để gọi API tương ứng hoặc giao tiếp với hệ thống đích. 
• Kết quả trả về từ hệ thống: MCP Server thu thập dữ liệu và trả về cho AI Agent (Ví dụ APY cao nhất dành cho USDC là 7.4% trên Aave). Sau đó AI Agent nhận dữ liệu và xử lí các yêu cầu tiếp theo là Staking 1000 USDC vào Aave. MCP tiếp tục nhận nhận lệnh mới gọi Smart Contract Staking và Staking 1000 USDC vào Aave.

Việc tích hợp với MCP Server giúp AI Agent mở rộng phạm vi hoạt động và có thể thực hiện được nhiều hành động theo thời gian thực, mang lại nhiều lợi ích cho người dùng và các dự án trong thị trường Crypto.

Hệ Sinh Thái Model Context Protocol Đang Được Hình Thành 

Với những ứng dụng to lớn như vậy thì không khó để nhận thấy đang có rất nhiều dự án/ tổ chức lớn đang nhanh chóng tích hợp MCP vào các sản phẩm của mình. OpenAI - một công ty AI hàng đầu đã tích hợp MCP vào Agents SDK, hỗ trợ kết nối Agent với MCP Server, Perplexity AI - một công ty công nghệ chuyên phát triển AI Assistant cũng đã triển khai Perplexity MCP (Sonar) để cho phép AI search web real-time thông qua MCP. 

Ngoài ra, ở thời điểm hiện tại cũng đã có nhiều nền tảng AI Developer/Tooling tích hợp MCP chẳng hạn như:

• Cursor: Tích hợp MCP trong IDE để AI agent tương tác với codebase, database, hệ thống thông báo như play sound, log event.
• Gradio: Có MCP Client demo cho phép giao tiếp MCP bằng cả chuẩn STDIO và SSE (event streaming)
• Supabase: Cung cấp MCP server cho database PostgreSQL, cho phép AI truy vấn hoặc cập nhật dữ liệu backend. 
• Weaviate: Cung cấp MCP server để AI có thể thực hiện semantic vector search phục vụ cho RAG, AI Search Engine.

Trong thị trường Crypto, cộng đồng Web3 cũng đang rất nhạy trong việc tích hợp MCP chẳng hạn như Coinbase đã triển khai MCP Server để AI tương tác với Smart Contract, BNB Chain đã thử nghiệm AI Agent tích hợp qua MCP để gọi Contract, cộng đồng Solana cũng đang tìm cách tích hợp MCP như middleware layer cho nhiều dự án trong hệ sinh thái của mình.

Tương Lai Và Những Ứng Dụng Của Model Context Protocol

Sự xuất hiện của MCP giúp AI Agent không chỉ là các hệ thống phản ứng theo yêu cầu người dùng nữa mà chúng đang trở thành những thực thể chủ động, hướng tới khả năng tự ra quyết định một cách độc lập. MCP được xem như là USB của AI giúp AI có một nguồn dữ liệu rồi rào để có thể thực hiện được nhiều hoạt động khác nhau. Tương lai khi MCP được phát triển và hoàn thiện thì chúng mang đến nhiều ứng dụng như:

• Trong thiết kế đồ họa: Sự xuất hiện của MCP giúp ChatGPT hay Claude có thể giao tiếp trực tiếp với các phần mềm Blender để tạo mô hình 3D từ prompt hoặc cho phép AI đọc file thiết kế Figma và chuyển sang HTML/CSS một cách dễ dàng. Rõ ràng điều này sẽ giúp ích rất nhiều cho nhà thiết kế hoặc người lập trình Frontend tăng tốc hiệu suất trong quá trình làm việc. 
• Trong dữ liệu không gian và bản đồ: Thông qua MCP thì Claude có thể tương tác trực tiếp với QGIS - phần mềm mã nguồn mở cho bản đồ và dữ liệu địa lí. Điều này giúp các AI Agent có thể tự động phân tích bản đồ, lập bản đồ đô thị, nông nghiệp, môi trường. Ví dụ: một AI Agent có thể vẽ bản đồ vùng trồng cà phê ở Việt Nam dựa trên dữ liệu nhiệt độ và độ cao.
• Trong truy cập web & dữ liệu mở: Thông qua MCP thì AI Agent có thể tìm kiếm web real time thay vì chỉ dựa vào những dữ liệu huấn luyện từ trước đó. Điều này giúp người dùng và một số dự án có thể tận dụng để đưa ra các nghiên cứu, phân tích thị trường,.... Ví dụ: Tìm tất cả cập nhật về chính sách áp thuế đối ứng của Donald Trump - Claude trả về kết quả mới nhất.

Đối với thị trường Crypto, sự xuất hiện của MCP giúp các ứng dụng của AI Agent trong web3 trở nên còn mạnh mẽ hơn nữa. Một dữ liệu khổng lồ của web3 được cung cấp cho AI Agent giúp chúng có thể tự học hỏi và sau đó đưa ra những quyết định sáng suốt mà ngay cả người dùng có thể chưa biết.

• Tự động hóa DeFi bằng AI: MCP cho phép các AI Agent tương tác trực tiếp với giao thức DeFi từ đó tự động hóa các tác vụ tài chính như: Tìm kiếm pool có APY cao nhất, Rebalance danh mục đầu tư dựa trên biến động thị trường, tối ưu hóa chiến lược Yield Farming và Staking,...
• Phân tích dữ liệu onchain: AI Agent có thể sử dụng MCP để truy cập dữ liệu blockchain thời gian thực. Ví dụ: Theo dõi hoạt động ví, phân tích xu hướng Memecoin, sự kiện Depeg, token flow, … Ngoài ra, có thể tổng hợp dữ liệu onchain phục vụ cảnh báo rủi ro.
• Quản trị DAO: MCP giúp AI Agent: Tóm tắt các đề xuất, biểu quyết theo ngữ cảnh người dùng, theo dõi và phân tích Treasury DAO. Điều này giúp giảm tải cho thành viên DAO trong việc đọc và phân tích Proposal, cho phép biểu quyết nhanh, phù hợp với quan điểm cá nhân hoặc tổ chức
• ….

Tổng kết

Nhìn chung, sự xuất hiện của MCP như là một cánh tay phải dành cho AI Agent giúp chúng có thể tận dụng được hơn nữa sức mạnh vốn có của mình. Trên đây là tất cả thông tin mình muốn chia sẻ trong bài viết này, hi vọng mọi người đã nhận được những kiến thức bổ ích.