Model Context Protocol (MCP) đã được phát hành như một tiêu chuẩn cụ thể để biến các mô hình ngôn ngữ lớn (LLM) thành các tác nhân (agent) có thể gọi các công cụ bên ngoài trong một vòng lặp có thể đo lường và bảo mật. Bằng cách định nghĩa một "phích cắm" chung giữa bất kỳ máy chủ (host) nào hỗ trợ MCP và bất kỳ máy chủ MCP (MCP server) nào, giao thức này cho phép các nhà phát triển thay thế các đoạn mã tùy biến bằng một quy trình làm việc có thể dự đoán và kiểm chứng được.

Tại sao LLM cần một giao thức

Một LLM chỉ dự đoán token văn bản tiếp theo từ dữ liệu huấn luyện của nó. Nó không thể lấy các dữ kiện mới, ghi vào cơ sở dữ liệu hoặc kích hoạt một API bên ngoài nếu không có logic bổ sung. Các nhà phát triển đã xây dựng các "agent" bao bọc một mô hình trong một vòng lặp: mô hình yêu cầu một công cụ, công cụ chạy, kết quả được phản hồi lại, và mô hình quyết định xem có nên tiếp tục hay trả lời người dùng.

Vòng lặp đó hoạt động hiệu quả, nhưng nếu không có một bộ quy tắc chung, rất dễ tạo ra các quy trình mất kiểm soát hoặc khiến hệ thống bị lộ trước các lệnh gọi không mong muốn. Mỗi công cụ mới đều yêu cầu một sự tích hợp tùy chỉnh, khiến việc theo dõi mức sử dụng token, giới hạn ngân sách hoặc các chính sách bảo mật giữa các dự án trở nên khó khăn.

MCP lấp đầy những khoảng trống đó bằng cách mã hóa cấu trúc của vòng lặp và dữ liệu phải truyền qua đó.

Cấu trúc hai phần của một MCP Agent

MCP chia một agent thành một định nghĩa (definition) – khuôn mẫu mô tả những gì agent có thể làm – và một thực thể (instance) – việc thực thi cụ thể một yêu cầu của người dùng.

Định nghĩa Agent (khuôn mẫu)

  • Host loop – bộ điều phối dẫn dắt chu kỳ hỏi-công cụ-đọc-quyết định.
  • System context – persona và các chỉ dẫn cấp cao định hình hành vi của mô hình.
  • MCP server set – danh mục các nguồn công cụ có sẵn mà host có thể gọi.
  • Tool policy – danh sách rõ ràng về các công cụ được phép sử dụng cho một agent cụ thể.
  • LLM selection – mô hình cụ thể sẽ tạo ra các lập luận bằng văn bản.
  • Termination limits – số lượng vòng lặp tối đa và ngân sách token để ngăn chặn các vòng lặp vô tận.
  • Task contract – mô tả chính thức về các đầu vào mà agent chấp nhận và định dạng đầu ra mà nó trả về.
  • Context strategy – các quy tắc về cách lược bỏ hoặc tóm tắt lịch sử hội thoại để duy trì trong giới hạn token.

Thực thể Agent (tác vụ đang chạy)

  • Goal – yêu cầu của người dùng khởi tạo vòng lặp.
  • Working context – lịch sử tích lũy, bao gồm cả các kết quả công cụ trước đó.
  • Credentials – các token hoặc bộ quyền cần thiết để gọi các công cụ đã chọn.
  • Consumed budget – thống kê số token đã tiêu thụ và các bước đã thực hiện cho đến nay.

Các yếu tố này cho thấy cả những gì một agent được phép làm và những gì nó đang thực hiện tại thời điểm hiện tại.

MCP thay đổi quy trình phát triển như thế nào

Trước khi có MCP, một nhà phát triển muốn LLM truy vấn một API thời tiết, lấy một hàng từ cơ sở dữ liệu và sau đó soạn thảo một báo cáo phải viết mã kết nối (glue code) riêng biệt cho từng endpoint. Mã đó thường ẩn các lệnh gọi công cụ bên trong prompt của mô hình, khiến việc xác định yêu cầu nào kích hoạt phản hồi nào trở nên bất khả thi.

Với MCP, host gửi cuộc hội thoại đến mô hình, kiểm tra bất kỳ yêu cầu công cụ nào mà mô hình tạo ra, tự mình thực thi công cụ đó, và sau đó đưa kết quả trở lại. Mã bổ sung là tối thiểu, nhưng khả năng hiển thị là tuyệt đối: mọi lượt đi-về và mọi token đều được ghi lại.

Khả năng hiển thị đó mang lại hai lợi ích thực tế:

  1. Đo lường chi phí – các nhà phát triển có thể so sánh một mô hình rẻ hơn với một mô hình lớn hơn trên cùng một tác vụ, thấy chính xác mỗi vòng lặp tiêu thụ bao nhiêu token.
  2. Kiểm tra bảo mật – chính sách công cụ và kiểm tra thông tin xác thực diễn ra bên ngoài mô hình, ngăn chặn mô hình âm thầm gọi các dịch vụ không được phép.

Những gì vẫn chưa được xác định

MCP quy định hình dạng của cuộc hội thoại và siêu dữ liệu (metadata) đi kèm, nhưng nó không quy định cách một công cụ được triển khai nội bộ như thế nào.

Những gì cần theo dõi tiếp theo

  • Metric suites – bài viết tiếp theo trong loạt bài này hứa hẹn sẽ cung cấp một danh sách kiểm tra các chỉ số mà nhà phát triển nên theo dõi (mức chi tiêu token, số lượng vòng lặp, độ trễ trên mỗi công cụ). Những chỉ số đó sẽ trở thành các bước kiểm tra sức khỏe tiêu chuẩn cho bất kỳ agent nào dựa trên MCP.

Tóm lại

Model Context Protocol cung cấp cho các agent LLM một cấu trúc chung, có thể kiểm chứng, giúp tách biệt những gì một agent có thể làm với những gì nó đang làm tại bất kỳ thời điểm nào. Bằng cách biến việc gọi công cụ vốn mờ ám thành một vòng lặp minh bạch, MCP giúp việc đo lường đó trở nên khả thi.