Giới thiệu về Model Context Protocol (MCP)

Tại sao nên học Model Context Protocol?

Các mô hình ngôn ngữ lớn không thể truy cập dữ liệu theo thời gian thực hoặc tự thực hiện hành động, và việc kết nối từng công cụ hay API bằng mã tùy chỉnh thì không thể mở rộng quy mô. Giao thức Ngữ cảnh Mô hình (MCP) giải quyết vấn đề này bằng một cách duy nhất, tiêu chuẩn hóa để các ứng dụng AI kết nối với các công cụ, dữ liệu và dịch vụ bên ngoài—thường được gọi là "cổng USB-C cho AI." Trong khóa học này, bạn sẽ xây dựng máy chủ và máy khách MCP từ đầu bằng Python và kết nối chúng với một LLM.

Làm thế nào để tôi xây dựng và kết nối MCP Server đầu tiên của mình?

Bạn sẽ bắt đầu bằng cách tìm hiểu kiến trúc MCP — host, client và server — cùng ba thành phần cơ bản mà mọi server đều cung cấp: tools, resources và prompts. Sau đó, bạn sẽ xây dựng một máy chủ chuyển đổi tiền tệ bằng FastMCP, thêm docstring và type hint để một LLM có thể khám phá các công cụ của bạn, và viết một client Python bất đồng bộ liệt kê và gọi các công cụ đó qua truyền tải stdio.

Làm thế nào để tôi cung cấp cho một LLM công cụ và ngữ cảnh theo thời gian thực?

Chỉ có công cụ thôi là chưa đủ—mô hình còn cần dữ liệu và hướng dẫn hành vi. Bạn sẽ thêm tài nguyên cho ngữ cảnh chỉ đọc và các lời nhắc để hướng dẫn mô hình khi đầu vào mơ hồ, sau đó kết nối cả ba primitive này vào một LLM của OpenAI bằng quy trình gọi công cụ gồm năm bước để mô hình có thể trả lời tự tin hoặc hỏi làm rõ khi cần.

Làm thế nào để đưa MCP Servers vào môi trường sản xuất?

Máy chủ thực tế cần nhiều hơn là mã chỉ chạy tốt trong trường hợp lý tưởng. Bạn sẽ thay thế các tài nguyên dựa trên tệp bằng các truy vấn được hỗ trợ bởi cơ sở dữ liệu, thêm thời gian chờ cho yêu cầu, xử lý lỗi có cấu trúc và xác thực API an toàn giúp giữ khóa ở phía máy chủ. Cuối cùng, bạn sẽ kết nối với một máy chủ MCP của bên thứ ba và thấy rằng cùng một mã client có thể hoạt động với bất kỳ máy chủ nào hỗ trợ giao thức này.