MCP: ก้าวต่อไปของ AI ที่ยิ่งใหญ่?

ความเข้าใจเกี่ยวกับ MCP

หากคุณยังไม่คุ้นเคยกับ MCP คุณอาจเคยได้ยินคำว่า ‘Agent’ (หรือ intelligent agent) มาบ้าง ความนิยมที่เพิ่มขึ้นของ Manus สตาร์ทอัพจากจีนในช่วงต้นปี 2025 ทำให้แนวคิดนี้เป็นที่สนใจอย่างมาก

หัวใจสำคัญที่ทำให้ Agent ได้รับความนิยมคือความสามารถในการทำงานได้อย่างมีประสิทธิภาพ ต่างจาก Large Language Models (LLMs) รุ่นก่อนหน้าที่ส่วนใหญ่ทำหน้าที่เป็นอินเทอร์เฟซสำหรับการสนทนา Agents ได้รับการออกแบบมาเพื่อดำเนินการตามงานอย่างแข็งขัน โดยใช้เครื่องมือและแหล่งข้อมูลภายนอก LLMs แบบดั้งเดิมมีข้อจำกัดเนื่องจากข้อมูลการฝึกอบรมและต้องใช้กระบวนการที่ซับซ้อนในการเข้าถึงทรัพยากรภายนอก

MCP มีความสำคัญต่อการทำให้วิสัยทัศน์ของ Agent เป็นจริง ช่วยให้ LLMs สามารถโต้ตอบกับเครื่องมือภายนอกที่รองรับโปรโตคอล MCP ได้อย่างราบรื่น ทำให้พวกเขาสามารถทำงานที่เฉพาะเจาะจงและซับซ้อนมากขึ้นได้

ปัจจุบัน แอปพลิเคชันหลายตัว เช่น Amap และ WeChat Read ได้เปิดตัว MCP Servers อย่างเป็นทางการ สิ่งนี้ช่วยให้นักพัฒนาสามารถสร้างแอปพลิเคชัน AI ได้โดยการเลือก LLM ที่ต้องการและผสานรวมเข้ากับ MCP servers เช่น Amap หรือ WeChat Read สิ่งนี้ทำให้ LLM สามารถทำงานต่างๆ เช่น การค้นหาแผนที่และการดึงข้อมูลจากหนังสือได้

กระแส MCP เริ่มต้นในเดือนกุมภาพันธ์ 2024 และได้รับแรงผลักดันอย่างรวดเร็วทั่วโลก

ผู้เล่นรายใหญ่ เช่น OpenAI, Google, Meta, Alibaba, Tencent, ByteDance และ Baidu ได้ประกาศการสนับสนุนโปรโตคอล MCP และเปิดตัวแพลตฟอร์ม MCP ของตนเอง โดยเชิญชวนนักพัฒนาและผู้ให้บริการแอปพลิเคชันเข้าร่วม

MCP: การรวมระบบนิเวศ AI ให้เป็นหนึ่งเดียว

แนวคิดของ ‘super apps’ เป็นหัวข้อที่ได้รับความนิยมในวงการ AI ในปี 2024 โดยคาดว่าจะมีการแพร่หลายของแอปพลิเคชัน AI อย่างรวดเร็ว อย่างไรก็ตาม ระบบนิเวศนวัตกรรม AI ยังคงกระจัดกระจาย

การเกิดขึ้นของ MCP สามารถเปรียบเทียบได้กับการรวมชาติจีนภายใต้ Qin Shi Huang ซึ่งได้กำหนดมาตรฐานการเขียน การขนส่ง และระบบการวัด การสร้างมาตรฐานนี้ช่วยอำนวยความสะดวกในการดำเนินกิจกรรมทางเศรษฐกิจและการค้าเป็นอย่างมาก

นักวิเคราะห์ตลาดหลายคนเชื่อว่าการนำ MCP และโปรโตคอลที่คล้ายกันมาใช้จะเป็นการปูทางไปสู่การเพิ่มขึ้นอย่างมีนัยสำคัญของแอปพลิเคชัน AI ในปี 2025

โดยพื้นฐานแล้ว MCP ทำหน้าที่เป็น ‘super plug-in’ สำหรับ AI ทำให้สามารถผสานรวมเข้ากับเครื่องมือและแหล่งข้อมูลภายนอกต่างๆ ได้อย่างราบรื่น

พื้นฐานทางเทคนิคของ MCP

MCP หรือ Model Context Protocol เปิดตัวครั้งแรกโดย Anthropic ในเดือนพฤศจิกายน 2024

ในฐานะที่เป็นมาตรฐานเปิด MCP ช่วยให้แอปพลิเคชัน AI สามารถสื่อสารกับแหล่งข้อมูลและเครื่องมือภายนอกได้

ลองนึกภาพ MCP เป็นอะแดปเตอร์สากลสำหรับ LLMs โดยกำหนด ‘USB interface’ ที่เป็นมาตรฐาน

อินเทอร์เฟซนี้ช่วยให้นักพัฒนาสามารถสร้างแอปพลิเคชันในลักษณะที่เป็นมาตรฐานและเป็นระเบียบมากขึ้น โดยเชื่อมต่อกับแหล่งข้อมูลและเวิร์กโฟลว์ต่างๆ

การเอาชนะอุปสรรคในการพัฒนาแอปพลิเคชัน AI

ก่อนการเกิดขึ้นของ MCP การพัฒนาแอปพลิเคชัน AI เป็นกระบวนการที่ท้าทายและซับซ้อน

ตัวอย่างเช่น การพัฒนาผู้ช่วยด้านการเดินทางด้วย AI จำเป็นต้องใช้ LLM ในการทำงานต่างๆ เช่น การเข้าถึงแผนที่ การค้นหาคู่มือการเดินทาง และการสร้างแผนการเดินทางส่วนบุคคลตามความต้องการของผู้ใช้

เพื่อให้ LLM สามารถค้นหาแผนที่และค้นหาคู่มือได้ นักพัฒนาต้องเผชิญกับความท้าทายดังต่อไปนี้:

• ผู้ให้บริการ AI แต่ละราย (OpenAI, Anthropic ฯลฯ) ได้นำ Function Calling ไปใช้ในรูปแบบที่แตกต่างกัน การสลับระหว่าง LLMs จำเป็นต้องให้นักพัฒนาเขียนโค้ดการปรับตัวใหม่ โดยพื้นฐานแล้วคือการสร้าง ‘คู่มือผู้ใช้’ สำหรับ LLM เพื่อใช้เครื่องมือภายนอก มิฉะนั้น ความถูกต้องของเอาต์พุตของโมเดลจะลดลงอย่างมาก
• การขาดมาตรฐานที่เป็นเอกภาพสำหรับการโต้ตอบของ LLM กับโลกภายนอกส่งผลให้มีการนำโค้ดกลับมาใช้ซ้ำได้ต่ำ ซึ่งขัดขวางการพัฒนาของระบบนิเวศแอปพลิเคชัน AI

Chen Ziqian ผู้เชี่ยวชาญด้านเทคโนโลยีอัลกอริทึมที่ Alibaba Cloud ModelScope กล่าวว่า ‘ก่อน MCP นักพัฒนาจำเป็นต้องเข้าใจ LLMs และทำการพัฒนาขั้นที่สองเพื่อฝังเครื่องมือภายนอกลงในแอปพลิเคชันของตน หากประสิทธิภาพของเครื่องมือไม่ดี นักพัฒนาจะต้องตรวจสอบว่าปัญหาเกิดจากแอปพลิเคชันเองหรือเครื่องมือ’

Manus สตาร์ทอัพด้าน AI ที่กล่าวถึงข้างต้นเป็นตัวอย่างที่สำคัญ ในการประเมินครั้งก่อน พบว่า Manus จำเป็นต้องเรียกใช้เครื่องมือมากกว่าสิบรายการเพื่อเขียนบทความข่าวสารง่ายๆ ซึ่งรวมถึงการเปิดเบราว์เซอร์ การเรียกดูและขูดหน้าเว็บ การเขียน การตรวจสอบ และการส่งมอบผลลัพธ์สุดท้าย

หาก Manus เลือกที่จะเรียกใช้เครื่องมือภายนอกในแต่ละขั้นตอน จำเป็นต้องเขียน ‘ฟังก์ชัน’ เพื่อจัดเรียงวิธีการเรียกใช้เครื่องมือภายนอก เป็นผลให้ Manus มักจะยุติงานเนื่องจากโอเวอร์โหลดและใช้โทเค็นมากเกินไป

ข้อดีของ MCP

ด้วย MCP นักพัฒนาไม่จำเป็นต้องรับผิดชอบต่อประสิทธิภาพของเครื่องมือภายนอกอีกต่อไป แต่สามารถมุ่งเน้นไปที่การบำรุงรักษาและดีบักแอปพลิเคชันเอง ซึ่งช่วยลดภาระงานในการพัฒนาได้อย่างมาก

เซิร์ฟเวอร์แต่ละเครื่องภายในระบบนิเวศ เช่น Alipay และ Amap สามารถบำรุงรักษาบริการ MCP ของตนเอง อัปเดตเป็นเวอร์ชันล่าสุด และรอให้นักพัฒนาเชื่อมต่อ

ข้อจำกัดและความท้าทายของ MCP

แม้จะมีศักยภาพ แต่ระบบนิเวศ MCP ยังอยู่ในช่วงเริ่มต้นและเผชิญกับความท้าทายหลายประการ

นักพัฒนาบางคนแย้งว่า MCP เป็นเลเยอร์ของความซับซ้อนที่ไม่จำเป็น โดยแนะนำว่า APIs เป็นโซลูชันที่ง่ายกว่า LLMs สามารถเรียกใช้ APIs ผ่านโปรโตคอลต่างๆ ได้อยู่แล้ว ทำให้ MCP ดูเหมือนซ้ำซ้อน

ปัจจุบัน บริการ MCP ส่วนใหญ่ที่เผยแพร่โดยบริษัทขนาดใหญ่ถูกกำหนดโดยบริษัทเอง โดยกำหนดว่าฟังก์ชันใดที่ LLMs สามารถเรียกใช้ได้และวิธีการจัดตารางเวลา อย่างไรก็ตาม สิ่งนี้ทำให้เกิดความกังวลว่าบริษัทต่างๆ อาจไม่ให้การเข้าถึงข้อมูลที่สำคัญและเรียลไทม์ที่สุด

นอกจากนี้ หาก MCP servers ไม่ได้เปิดตัวอย่างเป็นทางการหรือได้รับการบำรุงรักษาอย่างดี ความปลอดภัยและความเสถียรของการเชื่อมต่อ MCP อาจเป็นที่น่าสงสัย

Tang Shuang นักพัฒนาอิสระได้แชร์ตัวอย่างของแผนที่ MCP Server ที่มีเครื่องมือน้อยกว่า 20 รายการ เครื่องมือห้ารายการเหล่านี้ต้องใช้ละติจูดและลองจิจูด ในขณะที่เครื่องมือพยากรณ์อากาศต้องใช้ ID หน่วยงานการปกครองโดยไม่มีคำแนะนำเกี่ยวกับวิธีการขอ ID เหล่านี้ วิธีแก้ไขเดียวคือให้ผู้ใช้กลับไปยังระบบนิเวศของผู้ให้บริการและทำตามขั้นตอนเพื่อรับข้อมูลและสิทธิ์

ในขณะที่ความนิยมของ MCP เป็นที่ประจักษ์ แต่พลวัตที่อยู่เบื้องหลังนั้นซับซ้อน แม้ว่าผู้ขาย LLM ยินดีที่จะให้บริการ MCP แต่พวกเขายังคงควบคุมและลังเลที่จะเป็นประโยชน์ต่อระบบนิเวศอื่นๆ หากบริการไม่ได้รับการบำรุงรักษาอย่างเหมาะสม นักพัฒนาอาจเผชิญกับภาระงานที่เพิ่มขึ้น ซึ่งบ่อนทำลายวัตถุประสงค์ของระบบนิเวศ

ชัยชนะของโอเพนซอร์ส

ทำไม MCP ถึงได้รับความนิยมในขณะนี้

ในขั้นต้น MCP ได้รับความสนใจเพียงเล็กน้อยหลังจากเปิดตัวโดย Anthropic มีเพียงแอปพลิเคชันจำนวนจำกัด เช่น Claude Desktop ของ Anthropic เท่านั้นที่รองรับโปรโตคอล MCP นักพัฒนาขาดระบบนิเวศการพัฒนา AI แบบรวมเป็นหนึ่งเดียวและส่วนใหญ่ทำงานโดยลำพัง

การนำ MCP มาใช้โดยนักพัฒนาได้ค่อยๆ นำไปสู่แถวหน้า เริ่มต้นในเดือนกุมภาพันธ์ 2025 แอปพลิเคชันการเขียนโปรแกรม AI ที่ได้รับความนิยมหลายตัว รวมถึง Cursor, VSCode และ Cline ได้ประกาศการสนับสนุนโปรโตคอล MCP ซึ่งช่วยเพิ่มโปรไฟล์ของมันอย่างมาก

หลังจากการนำไปใช้โดยชุมชนนักพัฒนา การผสานรวม MCP โดยผู้ขาย LLM เป็นปัจจัยสำคัญในการนำไปใช้อย่างแพร่หลาย

การประกาศของ OpenAI เกี่ยวกับการสนับสนุน MCP เมื่อวันที่ 27 มีนาคม ตามด้วย Google ถือเป็นก้าวสำคัญ

Sundar Pichai ซีอีโอของ Google แสดงความรู้สึกสองจิตสองใจต่อ MCP บน X โดยระบุว่า ‘To MCP or not to MCP, that is the question’ อย่างไรก็ตาม เพียงสี่วันหลังจากโพสต์ทวีตนี้ Google ก็ประกาศสนับสนุน MCP เช่นกัน

การนำ MCP มาใช้โดยผู้เล่นรายใหญ่ในอุตสาหกรรม AI อย่างรวดเร็วเน้นย้ำถึงศักยภาพในการเปลี่ยนแปลงวิธีการพัฒนาและปรับใช้แอปพลิเคชัน AI

เส้นทางข้างหน้าสำหรับ MCP

ในขณะที่ระบบนิเวศ MCP ยังคงพัฒนาต่อไป การแก้ไขข้อจำกัดและความท้าทายที่มีอยู่จะเป็นสิ่งสำคัญ ซึ่งรวมถึง:

• การสร้างมาตรฐาน: การพัฒนาโปรโตคอล MCP ที่เป็นมาตรฐานมากขึ้นซึ่งเป็นอิสระจากผู้ขายแต่ละราย
• ความปลอดภัย: การใช้มาตรการรักษาความปลอดภัยที่แข็งแกร่งเพื่อให้มั่นใจในความปลอดภัยและความน่าเชื่อถือของการเชื่อมต่อ MCP
• การบำรุงรักษา: การส่งเสริมการพัฒนาและการบำรุงรักษา MCP servers คุณภาพสูง
• การเข้าถึง: ทำให้ MCP เข้าถึงได้ง่ายขึ้นสำหรับนักพัฒนาทุกระดับทักษะ

ด้วยการแก้ไขความท้าทายเหล่านี้ MCP มีศักยภาพในการปลดล็อกยุคใหม่ของนวัตกรรม AI ทำให้สามารถสร้างแอปพลิเคชัน AI ที่มีประสิทธิภาพ อเนกประสงค์ และใช้งานง่ายมากขึ้น

โดยสรุป แม้ว่า MCP จะยังอยู่ในช่วงเริ่มต้น แต่ศักยภาพในการเปลี่ยนแปลงภูมิทัศน์ AI นั้นไม่อาจปฏิเสธได้ ด้วยการส่งเสริมระบบนิเวศที่เปิดกว้าง เป็นมาตรฐาน และทำงานร่วมกันมากขึ้น MCP สามารถปูทางไปสู่อนาคตที่ AI สามารถเข้าถึงและเป็นประโยชน์ต่อทุกคนมากขึ้น