Software & Codingอ่าน ~7 นาที0 วิว

รู้จัก MCP (Model Context Protocol) คืออะไร? พร้อมวิธีเชื่อมต่อใช้งานจริงแบบละเอียด (Step-by-Step)

ทำความเข้าใจมาตรฐาน MCP ที่เปรียบเสมือน "สาย USB-C ของโลก AI": อธิบายสถาปัตยกรรม Host-Client-Server, Local stdio vs Streamable HTTP, 3 ความสามารถหลัก (Tools/Resources/Prompts) และวิธีเขียน Config ต่อจริงใน Claude Code, Antigravity, Codex และ OpenCode

K
อ. Kevin (AI Studio)Founder & Lead AI System Architect · Kevin AI Academy
รู้จัก MCP (Model Context Protocol) คืออะไร? พร้อมวิธีเชื่อมต่อใช้งานจริงแบบละเอียด (Step-by-Step)
รู้จักและวิธีเชื่อมต่อ
MCP Protocol
USB-C ของโลก AI → ต่อ Tools & DB จริง

สมัยก่อนถ้าอยากให้ AI ไปดึงข้อมูลจาก Notion, ส่งงานขึ้น GitHub, แก้ฐานข้อมูลใน Supabase หรือสั่งปั้นโมเดล 3D ใน Blender นักพัฒนาต้องมานั่งเขียนโค้ดเชื่อมต่อ (Custom Wrapper / Function Calling) แยกกันทีละโปรแกรม ทำให้ AI ตัวหนึ่งต่อได้แค่งานไม่กี่อย่าง แต่ตั้งแต่ Model Context Protocol (MCP) ถือกำเนิดขึ้น ทุกอย่างก็เปลี่ยนไปเหมือนการมี "พอร์ต USB-C มาตรฐานกลางของโลก AI"

🔌 อธิบายให้เห็นภาพใน 1 ประโยค: ก่อนมี MCP หากมี AI 5 ตัว อยากต่อกับ Tool 10 ตัว ต้องเขียนโค้ดเชื่อม 5 x 10 = 50 แบบ แต่เมื่อมี MCP โปรแกรมสร้าง Tool ทำแค่ MCP Server 1 ตัว — AI ทุกตัวที่รองรับ MCP (Google Antigravity, Claude Code, Codex, OpenCode, Cursor) เสียบปลั๊กใช้งานร่วมกันได้ทันที! หรือดูตัวอย่างเชื่อมต่อจริงกับ Blender 3D / Unity ได้ที่ Game Dev MCP Studio

1. โครงสร้างการทำงาน 3 ชั้นของ MCP (Architecture)

MCP สื่อสารกันด้วยโปรโตคอลมาตรฐาน JSON-RPC 2.0 โดยแบ่งองค์ประกอบออกเป็น 3 ส่วนชัดเจน:

  1. MCP Host (ตัวบ้านใหญ่): คือแอปพลิเคชัน AI ที่คุณนั่งใช้งานอยู่ เช่น Google Antigravity, Claude Code, Claude Desktop, OpenAI Codex, OpenCode หรือ Cursor
  2. MCP Client (หัวเสียบภายใน Host): ตัวจัดการการเชื่อมต่อแบบ 1:1 ภายใน Host ทำหน้าที่จับมือสื่อสารกับ Server แต่ละตัว
  3. MCP Server (อุปกรณ์ปลายทาง): โปรแกรมขนาดเล็กที่ห่อหุ้มความสามารถของระบบภายนอก (เช่น ต่อ Database, ต่อ Blender, ต่อ Playwright Browser หรือ Slack) แล้วเปิดช่องทางให้ AI เรียกใช้

2. 3 สิ่งที่ MCP Server มอบให้ AI (MCP Primitives)

เวลา AI เชื่อมต่อกับ MCP Server สำเร็จ มันจะถาม Server ว่า "คุณทำอะไรได้บ้าง?" ซึ่ง Server จะตอบกลับมาใน 3 รูปแบบ:

ประเภท (Primitive) บทบาทหน้าที่ ตัวอย่างใช้งานจริง
1. Tools (เครื่องมือลงมือทำ) ฟังก์ชันที่ AI ตัดสินใจเรียกใช้เองเพื่อดึงค่าหรือเปลี่ยนแปลงระบบ run_sql_query, create_github_pr, execute_blender_code, click_button
2. Resources (แหล่งข้อมูลอ้างอิง) ข้อมูลอ่านอย่างเดียว (Read-only context) ระบุด้วย URI schema://users, file://AGENTS.md, logs://server/error
3. Prompts (ชุดคำสั่งสำเร็จรูป) Workflow Template ที่ผู้พัฒนาเตรียมไว้ให้ผู้ใช้กดเรียกใช้ /review-security, /generate-migration

3. การเชื่อมต่อ 2 รูปแบบ: Local (stdio) vs Remote (Streamable HTTP)

เวลาติดตั้ง MCP คุณจะเจอการเชื่อมต่อ 2 แบบนี้เป็นหลัก:

  • Local Transport (stdio — Standard Input/Output): โปรแกรม AI บนเครื่องจะรันคำสั่งเช่น npx ... หรือ uvx ... เปิด MCP Server ขึ้นมาเป็น Subprocess ในเครื่องของคุณเอง สื่อสารผ่าน stdin/stdout เร็ว ปลอดภัย ข้อมูลไม่วิ่งออกนอกเครื่อง (นิยมใช้กับ Filesystem, Git, Blender MCP, Godot MCP, Unity MCP)
  • Remote Transport (Streamable HTTP + SSE): ใช้เชื่อมต่อกับ MCP Server ที่รันอยู่บน Cloud ผ่าน URL เดียว (HTTP POST + Server-Sent Events) มักมีระบบ OAuth / API Token สำหรับบริการ SaaS เช่น GitHub Remote MCP, Notion, Linear, Figma, หรือ Vercel

4. วิธีเชื่อมต่อ MCP ในเครื่องมือยอดฮิต 4 ตัว (ก๊อป Config ไปวางได้เลย)

ไฟล์ตั้งค่าหลักของ MCP จะมีหน้าตาคล้ายกันมาก ต่างกันแค่ชื่อไฟล์และตำแหน่งที่แต่ละโปรแกรมอ่าน:

4.1 Claude Code CLI & Workspace (.mcp.json)

วิธีเร็วที่สุดคือรันคำสั่งใน Terminal หรือสร้างไฟล์ .mcp.json ไว้ที่โฟลเดอร์รากของโปรเจกต์:

# วิธีติดตั้งผ่าน CLI (Claude Code)
claude mcp add playwright -- npx -y @playwright/mcp@latest
claude mcp add blender -- uvx mcp-for-blender

หรือสร้างไฟล์ .mcp.json ด้วยตัวเอง:

{
  "mcpServers": {
    "filesystem": {
      "command": "npx",
      "args": ["-y", "@modelcontextprotocol/server-filesystem", "./src"]
    },
    "playwright": {
      "command": "npx",
      "args": ["-y", "@playwright/mcp@latest"]
    },
    "blender": {
      "command": "uvx",
      "args": ["mcp-for-blender"]
    }
  }
}

4.2 Google Antigravity (~/.gemini/antigravity/mcp_config.json)

เปิดหน้า MCP Store / Plugins Manager ใน Antigravity เพื่อกดติดตั้งด้วยคลิกเดียว หรือใส่ JSON โครงสร้าง mcpServers ลงใน mcp_config.json ได้ทันที

4.3 OpenAI Codex CLI (~/.codex/config.toml)

Codex ใช้รูปแบบไฟล์ TOML ในการลงทะเบียน MCP Server:

[mcp_servers.playwright]
command = "npx"
args = ["-y", "@playwright/mcp@latest"]

[mcp_servers.blender]
command = "uvx"
args = ["mcp-for-blender"]

4.4 OpenCode CLI (opencode.json)

{
  "$schema": "https://opencode.ai/config.json",
  "mcp": {
    "playwright": {
      "type": "local",
      "command": ["npx", "-y", "@playwright/mcp@latest"],
      "enabled": true
    }
  }
}

5. ลองสร้าง MCP Server ของตัวเองด้วย Python (20 บรรทัดก็ใช้งานได้!)

อยากให้ AI Agent อ่านข้อมูลบริษัทหรือเรียกใช้สูตรคำนวณเฉพาะของธุรกิจคุณไหม? ใช้ไลบรารีทางการของ FastMCP เขียนง่ายนิดเดียว:

# 1) ติดตั้ง: pip install mcp
# 2) บันทึกเป็นไฟล์ studio_tools.py

from mcp.server.fastmcp import FastMCP

mcp = FastMCP("KevinStudioHelper")

@mcp.tool()
def calculate_video_cost(clips_count: int, seconds_per_clip: int) -> dict:
    """คำนวณงบประมาณและเครดิตโดยประมาณสำหรับงาน AI Video"""
    total_seconds = clips_count * seconds_per_clip
    estimated_credits = total_seconds * 2
    return {
        "clips": clips_count,
        "total_seconds": total_seconds,
        "estimated_credits": estimated_credits
    }

@mcp.resource("studio://guidelines")
def get_brand_rules() -> str:
    return "Brand Tone: Dark Luxury Studio, Colors: Amber Gold (#fbbf24) + Slate (#070b14)"

if __name__ == "__main__":
    mcp.run(transport="stdio")

จากนั้นนำไปลงทะเบียนใน .mcp.json ด้วย "command": "python", "args": ["/path/to/studio_tools.py"] แล้วรีสตาร์ท AI Agent — เครื่องมือของเราจะโผล่ขึ้นมาให้ AI เรียกใช้ทันที!


6. เช็กลิสต์ความปลอดภัยในการต่อ MCP (Security Best Practices)

  • อย่า Commit API Key ลง Git: ถ้าใช้ Token ลับ ให้เรียกผ่าน Environment Variable (env) ในเครื่องเท่านั้น และใส่ไฟล์ Config ส่วนตัวไว้ใน .gitignore
  • จำกัดสิทธิ์แบบ Least Privilege: หากต่อ Database จริงของบริษัท ให้สร้าง Database User ที่มีสิทธิ์แค่ SELECT (Read-Only) ป้องกัน AI ลบตารางสำคัญ
  • ใช้ Human Approval สำหรับคำสั่งที่มีผลถาวร: เช่น การส่งอีเมลหาลูกค้า โพสต์ Social Media หรือโอนเงิน ให้ตั้งค่า Permission ถามยืนยันจากมนุษย์ทุกครั้ง
🎮 ตัวอย่างการใช้ MCP จริงสายสร้างเกม & 3D

อยากสร้างไฟล์ .mcp.json เชื่อม Blender + Godot / Unreal 5 / Unity อัตโนมัติ?

ลองใช้ตัวสร้าง .mcp.json →
แท็กที่เกี่ยวข้อง:#MCP#Model Context Protocol#USB-C for AI#Claude Code#Antigravity#FastMCP#API Integration#Blender MCP
SHARE THIS ARTICLE

แชร์บทความนี้ต่อให้เพื่อนหรือทีมของคุณ

เลือกส่งต่อผ่าน Facebook, LINE, X (Twitter), WhatsApp, Email หรือคัดลอกลิงก์ได้ทันที

สนใจเรียนรู้เทคนิค AI เจาะลึกกับ อ. Kevin แบบจับมือทำ?

เลือกลงทะเบียนคลาสเรียน AI Content, Agentic AI Foundation หรือ Private 1-on-1 เพื่อนำไปใช้กับงานจริงของคุณทันที

ดูรอบและจองคลาสเรียน ↗