MCP vs API: Tại sao các API truyền thống lại thất bại trước các AI Agent

Các API truyền thống đang thất bại trước các AI agent.

Trong nhiều năm, các nhà phát triển đã xây dựng các ứng dụng web bằng REST và GraphQL. Những công cụ này hoạt động tốt với con người. Chúng hoạt động tốt với mã nguồn có tính xác định (deterministic code). Nhưng các AI agent thì khác. Chúng hoạt động dựa trên ý định và khả năng lập luận.

Nếu bạn đối xử với một LLM như một nhà phát triển con người, bạn đang mắc sai lầm. Kết quả là bạn sẽ có những hệ thống chậm chạp, đắt đỏ và dễ gãy đổ (brittle).

Model Context Protocol (MCP) thay đổi điều này. Đây là một tiêu chuẩn mở cho khả năng kết nối AI.

Vấn đề tích hợp

Khi bạn kết nối một AI với năm công cụ khác nhau bằng các API truyền thống, bạn phải viết tới hai mươi lăm bộ kết nối tùy chỉnh. Đây là bài toán N x M. Nó tạo ra nợ kỹ thuật (technical debt) khổng lồ.

MCP giải quyết vấn đề này. Nó tạo ra một kiến trúc N + M. Mỗi công cụ sử dụng một MCP server. Mỗi agent sử dụng một MCP client. Nó đóng vai trò như một bộ chuyển đổi vạn năng (universal adapter) cho các LLM.

Ba lý do tại sao MCP vượt trội hơn REST đối với AI:

1. Khám phá động (Dynamic Discovery) Trong REST, bạn phải mã hóa cứng (hardcode) các endpoint. Nếu bạn thay đổi một endpoint, bạn phải cập nhật mã nguồn và các câu lệnh (prompts). MCP sử dụng cơ chế khám phá động. Agent sẽ hỏi server xem nó có thể làm được gì. Server sẽ phản hồi bằng một danh sách các công cụ và khả năng. Agent sẽ học hỏi ngay tức thì (on the fly).

2. Hiệu quả Token Các API truyền thống thường gửi các gói dữ liệu JSON khổng lồ. Trong thế giới AI, token tốn tiền. Dữ liệu cồng kềnh gây ra độ trễ và tình trạng suy giảm ngữ cảnh (context rot). Các LLM sẽ mất tập trung khi thấy quá nhiều siêu dữ liệu (metadata) không liên quan. Các MCP server trả về dữ liệu được tối ưu hóa cho cửa sổ ngữ cảnh (context windows) của LLM.

3. Phiên làm việc có trạng thái (Stateful Sessions) REST là không trạng thái (stateless). Các AI agent cần một vòng lặp liên tục giữa tư duy và hành động. MCP sử dụng JSON-RPC 2.0. Điều này cho phép các thương lượng có trạng thái (stateful negotiations). Ngữ cảnh được duy trì xuyên suốt các hành động mà không cần gửi lại các gói dữ liệu khổng lồ.

MCP sử dụng ba thành phần chính:

  • Tools: Các hành động mà mô hình thực hiện, chẳng hạn như chạy một truy vấn SQL.
  • Resources: Dữ liệu chỉ đọc như các tệp nhật ký (log files) hoặc tài liệu.
  • Prompts: Các mẫu (templates) để hướng dẫn khả năng lập luận của mô hình.

MCP không thay thế cơ sở dữ liệu hay các API hiện có của bạn. Nó thay thế các đoạn mã kết nối (glue code) mong manh mà bạn phải viết để kết nối các dịch vụ đó với một LLM.

Đừng xây dựng các hàm tùy chỉnh để chuyển đổi JSON thành chuỗi (stringify JSON) cho AI của bạn nữa. Hãy bắt đầu xây dựng các kiến trúc có khả năng mở rộng.

Source: https://dev.to/chaudharidevam/mcp-vs-api-why-traditional-apis-are-failing-ai-agents-28m8