Tweet
Agentic AI và MCP – Bộ não và cây cầu kết nối thế giới AI
Trong vài năm qua, hai khái niệm được nhắc đến nhiều nhất trong AI doanh nghiệp là Agentic AI và MCP (Model Context Protocol). Nhiều người tưởng rằng chúng cạnh tranh với nhau, nhưng thực tế chúng bổ sung cho nhau.
Có thể hình dung rất đơn giản:
Nếu Agentic AI có trí thông minh nhưng không có MCP, nó giống như một nhân viên rất giỏi nhưng bị khóa trong một căn phòng, không thể truy cập CRM, cơ sở dữ liệu hay các ứng dụng doanh nghiệp. Ngược lại, MCP chỉ cung cấp con đường kết nối, còn việc phải làm gì với dữ liệu là do Agent quyết định.
Agentic AI là gì?
Agentic AI là thế hệ AI có khả năng tự lập kế hoạch, tự ra quyết định và tự thực hiện nhiều bước để hoàn thành một mục tiêu, thay vì chỉ trả lời từng câu hỏi như chatbot truyền thống.
Ví dụ, người dùng yêu cầu:
Agent sẽ tự:
Chính khả năng lập kế hoạch và điều phối này tạo nên bản chất của Agentic AI.
MCP là gì?
MCP (Model Context Protocol) là giao thức mở do Anthropic khởi xướng nhằm chuẩn hóa cách AI kết nối với dữ liệu và công cụ bên ngoài.
Thay vì mỗi ứng dụng phải viết bộ tích hợp riêng cho CRM, GitHub, Slack hay cơ sở dữ liệu, MCP cung cấp một giao diện thống nhất để AI truy cập các tài nguyên đó.
Có thể xem MCP như USB-C của thế giới AI: một chuẩn kết nối chung giúp AI làm việc với nhiều hệ thống khác nhau.
Agentic AI quyết định, MCP kết nối
Điểm khác biệt nằm ở vai trò của từng thành phần.
Agentic AI tập trung vào logic:
Trong khi đó, MCP tập trung vào truy cập:
Nói ngắn gọn, Agent là người suy nghĩ, còn MCP là hệ thống đường sá giúp Agent đến đúng nơi để lấy thông tin.
Quy trình hoạt động
Người dùng đưa ra yêu cầu:
Agent phân tích yêu cầu và gửi MCP Request tới MCP Server.
MCP Server lần lượt truy cập:
Sau đó, dữ liệu thô được trả về cho Agent để phân tích và tạo báo cáo hoàn chỉnh.
Điểm quan trọng là Agent không cần biết CRM hay Slack sử dụng API gì. Mọi khác biệt đã được MCP Server che giấu phía sau một giao thức chuẩn.
Bên trong một Agentic AI
Một Agent hoàn chỉnh không chỉ gồm LLM mà còn có nhiều thành phần phối hợp:
Nhờ đó, Agent có thể thực hiện các quy trình nhiều bước thay vì chỉ trả lời một lần.
Kiến trúc Client–Server của MCP
MCP sử dụng mô hình Client–Server.
Trong đó:
Một MCP Server có thể đại diện cho:
Nhờ vậy, cùng một Agent có thể truy cập nhiều hệ thống mà không cần thay đổi logic bên trong.
Vì sao MCP quan trọng với doanh nghiệp?
Trong doanh nghiệp, dữ liệu thường phân tán ở nhiều nơi như ERP, CRM, Email, GitHub, ITSM, Kubernetes hay các hệ thống giám sát.
Nếu mỗi Agent phải tự viết mã kết nối với từng hệ thống, việc phát triển sẽ rất phức tạp.
MCP giải quyết vấn đề này bằng cách chuẩn hóa việc truy cập dữ liệu và công cụ. Khi một hệ thống đã có MCP Server, nhiều Agent khác nhau có thể tái sử dụng mà không cần xây dựng lại các bộ tích hợp.
Vai trò của MCP trong AI Infrastructure
Trong các AI Factory hiện đại, MCP đóng vai trò lớp kết nối giữa Agent AI và hạ tầng CNTT.
Ví dụ, một AI Agent cho NetOps có thể sử dụng MCP để:
Agent tập trung vào phân tích và ra quyết định, còn MCP đảm nhận việc truy cập dữ liệu từ nhiều hệ thống theo một chuẩn thống nhất. Kết luận
Agentic AI và MCP không thay thế nhau mà là hai thành phần của cùng một kiến trúc. Agentic AI mang đến khả năng suy luận, lập kế hoạch và thực hiện công việc, còn MCP cung cấp giao thức chuẩn để kết nối với dữ liệu và công cụ trong doanh nghiệp.
Có thể tóm tắt bằng một câu: Agentic AI là "bộ não" quyết định phải làm gì, còn MCP là "cây cầu" giúp bộ não đó tiếp cận đúng dữ liệu và đúng dịch vụ. Khi kết hợp với LLM, bộ nhớ, công cụ và các nền tảng như Kubernetes, Cisco Intersight hay Splunk, chúng tạo nên nền tảng cho thế hệ AI Agent có khả năng làm việc thực sự trong môi trường doanh nghiệp.
Trong vài năm qua, hai khái niệm được nhắc đến nhiều nhất trong AI doanh nghiệp là Agentic AI và MCP (Model Context Protocol). Nhiều người tưởng rằng chúng cạnh tranh với nhau, nhưng thực tế chúng bổ sung cho nhau.
Có thể hình dung rất đơn giản:
- Agentic AI là "người thực hiện công việc" (The Actor).
- MCP là "cây cầu" (The Bridge) kết nối AI với thế giới bên ngoài.
Nếu Agentic AI có trí thông minh nhưng không có MCP, nó giống như một nhân viên rất giỏi nhưng bị khóa trong một căn phòng, không thể truy cập CRM, cơ sở dữ liệu hay các ứng dụng doanh nghiệp. Ngược lại, MCP chỉ cung cấp con đường kết nối, còn việc phải làm gì với dữ liệu là do Agent quyết định.
Agentic AI là gì?
Agentic AI là thế hệ AI có khả năng tự lập kế hoạch, tự ra quyết định và tự thực hiện nhiều bước để hoàn thành một mục tiêu, thay vì chỉ trả lời từng câu hỏi như chatbot truyền thống.
Ví dụ, người dùng yêu cầu:
"Hãy tóm tắt doanh số quý 4 từ CRM và Slack."
Agent sẽ tự:
- Xác định nguồn dữ liệu cần lấy.
- Truy cập CRM và Slack.
- Tổng hợp, phân tích dữ liệu.
- Tạo báo cáo cuối cùng.
Chính khả năng lập kế hoạch và điều phối này tạo nên bản chất của Agentic AI.
MCP là gì?
MCP (Model Context Protocol) là giao thức mở do Anthropic khởi xướng nhằm chuẩn hóa cách AI kết nối với dữ liệu và công cụ bên ngoài.
Thay vì mỗi ứng dụng phải viết bộ tích hợp riêng cho CRM, GitHub, Slack hay cơ sở dữ liệu, MCP cung cấp một giao diện thống nhất để AI truy cập các tài nguyên đó.
Có thể xem MCP như USB-C của thế giới AI: một chuẩn kết nối chung giúp AI làm việc với nhiều hệ thống khác nhau.
Agentic AI quyết định, MCP kết nối
Điểm khác biệt nằm ở vai trò của từng thành phần.
Agentic AI tập trung vào logic:
- Hiểu mục tiêu.
- Lập kế hoạch.
- Quyết định bước tiếp theo.
- Quan sát và điều chỉnh kết quả.
Trong khi đó, MCP tập trung vào truy cập:
- Kết nối cơ sở dữ liệu.
- Gọi API.
- Đọc tài liệu.
- Truy cập các công cụ (Tools).
- Trả dữ liệu về cho Agent.
Nói ngắn gọn, Agent là người suy nghĩ, còn MCP là hệ thống đường sá giúp Agent đến đúng nơi để lấy thông tin.
Quy trình hoạt động
Người dùng đưa ra yêu cầu:
"Tóm tắt doanh số quý 4 từ CRM và Slack."
Agent phân tích yêu cầu và gửi MCP Request tới MCP Server.
MCP Server lần lượt truy cập:
- CRM Database.
- Slack.
- Local Documents.
- Các nguồn dữ liệu khác nếu cần.
Sau đó, dữ liệu thô được trả về cho Agent để phân tích và tạo báo cáo hoàn chỉnh.
Điểm quan trọng là Agent không cần biết CRM hay Slack sử dụng API gì. Mọi khác biệt đã được MCP Server che giấu phía sau một giao thức chuẩn.
Bên trong một Agentic AI
Một Agent hoàn chỉnh không chỉ gồm LLM mà còn có nhiều thành phần phối hợp:
- LLM để suy luận.
- Memory lưu ngữ cảnh.
- Orchestrator điều phối workflow.
- Tools để thực hiện hành động.
- MCP Client kết nối đến MCP Server.
Nhờ đó, Agent có thể thực hiện các quy trình nhiều bước thay vì chỉ trả lời một lần.
Kiến trúc Client–Server của MCP
MCP sử dụng mô hình Client–Server.
Trong đó:
- AI Application hoặc Agent đóng vai trò MCP Client.
- Các hệ thống bên ngoài cung cấp dữ liệu hoặc chức năng thông qua MCP Server.
Một MCP Server có thể đại diện cho:
- GitHub.
- Google Drive.
- Slack.
- CRM.
- SQL Database.
- Kubernetes.
- Cisco Intersight.
- Nexus Dashboard.
- VMware.
- AWS.
- Azure.
Nhờ vậy, cùng một Agent có thể truy cập nhiều hệ thống mà không cần thay đổi logic bên trong.
Vì sao MCP quan trọng với doanh nghiệp?
Trong doanh nghiệp, dữ liệu thường phân tán ở nhiều nơi như ERP, CRM, Email, GitHub, ITSM, Kubernetes hay các hệ thống giám sát.
Nếu mỗi Agent phải tự viết mã kết nối với từng hệ thống, việc phát triển sẽ rất phức tạp.
MCP giải quyết vấn đề này bằng cách chuẩn hóa việc truy cập dữ liệu và công cụ. Khi một hệ thống đã có MCP Server, nhiều Agent khác nhau có thể tái sử dụng mà không cần xây dựng lại các bộ tích hợp.
Vai trò của MCP trong AI Infrastructure
Trong các AI Factory hiện đại, MCP đóng vai trò lớp kết nối giữa Agent AI và hạ tầng CNTT.
Ví dụ, một AI Agent cho NetOps có thể sử dụng MCP để:
- Đọc cấu hình từ Cisco Nexus Dashboard.
- Kiểm tra máy chủ trong Cisco Intersight.
- Lấy log từ Splunk.
- Truy vấn Kubernetes.
- Tổng hợp dữ liệu và đề xuất phương án xử lý sự cố.
Agent tập trung vào phân tích và ra quyết định, còn MCP đảm nhận việc truy cập dữ liệu từ nhiều hệ thống theo một chuẩn thống nhất. Kết luận
Agentic AI và MCP không thay thế nhau mà là hai thành phần của cùng một kiến trúc. Agentic AI mang đến khả năng suy luận, lập kế hoạch và thực hiện công việc, còn MCP cung cấp giao thức chuẩn để kết nối với dữ liệu và công cụ trong doanh nghiệp.
Có thể tóm tắt bằng một câu: Agentic AI là "bộ não" quyết định phải làm gì, còn MCP là "cây cầu" giúp bộ não đó tiếp cận đúng dữ liệu và đúng dịch vụ. Khi kết hợp với LLM, bộ nhớ, công cụ và các nền tảng như Kubernetes, Cisco Intersight hay Splunk, chúng tạo nên nền tảng cho thế hệ AI Agent có khả năng làm việc thực sự trong môi trường doanh nghiệp.
Attached Files