MCP (Model Context Protocol) คืออะไร?

ไทม์ไลน์สำคัญของ MCP

MCP เป็นเทคโนโลยีที่เพิ่งเกิดขึ้นไม่นาน แต่มีพัฒนาการที่รวดเร็วมาก:

ช่วงเวลา	เหตุการณ์สำคัญ
พฤศจิกายน 2024	Anthropic เปิดตัว MCP เป็น Open Standard ให้นักพัฒนาทั่วโลกใช้งานได้ฟรี
ต้นปี 2025	บริษัทเทคโนโลยีรายใหญ่เริ่มสนับสนุน MCP รวมถึง Block, Replit, Sourcegraph และ Zed
ธันวาคม 2025	Anthropic มอบ MCP ให้ Agentic AI Foundation (AAIF) ภายใต้ Linux Foundation ร่วมกับ Block และ OpenAI เพื่อเป็นมาตรฐานกลางของอุตสาหกรรม
ต้นปี 2026	Claude มี 75+ connectors ผ่าน MCP รองรับการเชื่อมต่อกับบริการยอดนิยมมากมาย

สถาปัตยกรรมของ MCP ทำงานอย่างไร?

MCP ใช้สถาปัตยกรรมแบบ Client-Server ที่ประกอบด้วย 3 ส่วนหลัก:

ส่วนประกอบ	บทบาท	ตัวอย่าง
MCP Host	แอปพลิเคชัน AI ที่ผู้ใช้โต้ตอบด้วย	Claude Desktop, IDE, Chatbot ขององค์กร
MCP Client	ตัวกลางที่สร้างการเชื่อมต่อแบบ 1:1 กับ MCP Server	SDK ที่ฝังอยู่ใน Host application
MCP Server	โปรแกรมขนาดเล็กที่เปิดให้เข้าถึงข้อมูลหรือเครื่องมือเฉพาะทาง	Google Drive Server, Database Server, ERP Server

เมื่อผู้ใช้ถามคำถาม AI จะตรวจสอบว่าต้องใช้ข้อมูลจากแหล่งไหน แล้วเรียกใช้ MCP Server ที่เกี่ยวข้องผ่าน MCP Client โดยอัตโนมัติ ทั้งหมดนี้เกิดขึ้นเบื้องหลัง ผู้ใช้ไม่ต้องทำอะไรเพิ่มเติม

ฟีเจอร์หลักของ MCP

MCP ไม่ใช่แค่การเชื่อมต่อ API ธรรมดา แต่มีความสามารถที่ออกแบบมาเฉพาะสำหรับ AI โดยเฉพาะ:

ฟีเจอร์	รายละเอียด
Tool Calling (เรียกใช้เครื่องมือ)	AI สามารถเรียกใช้ฟังก์ชันจากระบบภายนอกได้โดยตรง เช่น สร้างรายการสั่งซื้อ ส่งอีเมล หรือดึงรายงาน
Resource Access (เข้าถึงข้อมูล)	AI อ่านไฟล์ ฐานข้อมูล หรือเอกสารจากแหล่งข้อมูลต่างๆ ได้โดยไม่ต้อง copy-paste
Contextual Prompts (บริบทอัตโนมัติ)	MCP Server สามารถส่ง prompt templates ให้ AI เพื่อให้เข้าใจบริบทของข้อมูลได้ดีขึ้น
Tool Search (ค้นหาเครื่องมือ)	AI ค้นหา tool ที่เหมาะสมจาก registry ได้อัตโนมัติ ไม่ต้องกำหนดล่วงหน้า
Programmatic Tool Calling	เรียกใช้เครื่องมือผ่าน API ได้โดยตรง ไม่ต้องผ่าน UI ของ AI
Sampling (การขอความช่วยเหลือจาก AI)	MCP Server สามารถขอให้ AI ช่วยประมวลผลข้อมูลได้ เป็น 2-way communication

เปรียบเทียบ: ก่อนและหลังมี MCP

เพื่อให้เห็นภาพชัดขึ้น ลองเปรียบเทียบวิธีการเชื่อมต่อ AI กับระบบภายนอกแบบเดิมกับแบบ MCP:

ประเด็น	ก่อนมี MCP	หลังมี MCP
การเชื่อมต่อ	เขียนโค้ดแยกทีละระบบ (Custom Integration)	เขียน MCP Server ครั้งเดียว ใช้กับ AI ได้ทุกตัว
จำนวน Integration	N AI apps x M ระบบ = N x M ชิ้นงาน	N + M ชิ้นงาน (แต่ละฝั่งเขียนแค่ครั้งเดียว)
มาตรฐาน	ไม่มีมาตรฐานกลาง แต่ละเจ้าทำแบบของตัวเอง	มาตรฐานเปิดภายใต้ Linux Foundation
ความปลอดภัย	ขึ้นอยู่กับผู้พัฒนาแต่ละราย	มี Permission model ในตัว ผู้ใช้ต้องอนุมัติก่อน AI เข้าถึง
การบำรุงรักษา	อัปเดตทีละ Integration เมื่อ API เปลี่ยน	อัปเดตแค่ MCP Server ตัวที่เปลี่ยน
Vendor Lock-in	ผูกกับ AI provider รายเดียว	ย้าย AI provider ได้โดยไม่ต้องเขียน Integration ใหม่

Use Cases: MCP ใช้งานจริงอย่างไร?

ในปัจจุบัน MCP ถูกนำไปใช้งานจริงแล้วในหลายสถานการณ์ ทั้งระดับนักพัฒนาและระดับองค์กร:

1. AI Assistant ที่เข้าถึงข้อมูลองค์กร

แทนที่จะต้อง copy-paste ข้อมูลจากระบบต่างๆ มาให้ AI อ่าน MCP ทำให้ AI เข้าถึงฐานข้อมูล, Google Drive, Slack, หรือระบบ ERP ได้โดยตรง ตัวอย่างเช่น ถามว่า “ยอดขายเดือนนี้เทียบกับเดือนก่อนเป็นอย่างไร?” AI จะดึงข้อมูลจากฐานข้อมูลขายมาวิเคราะห์ให้ทันที

2. การพัฒนาซอฟต์แวร์อัตโนมัติ

นักพัฒนาใช้ MCP ให้ AI เข้าถึง codebase, Git repository, CI/CD pipeline, และ documentation ได้พร้อมกัน ทำให้ AI ช่วยเขียนโค้ด debug และ deploy ได้อย่างเข้าใจบริบทของโปรเจกต์จริง

3. การเชื่อมต่อเครื่องมือธุรกิจ (Business Tools)

เชื่อมต่อ AI กับ Google Calendar, Gmail, CRM, ระบบจัดการเอกสาร และอื่นๆ ผ่าน MCP ทำให้ AI ช่วยจัดการงานประจำวันได้ เช่น สรุปอีเมลสำคัญ นัดหมายประชุม หรือสร้างรายงานอัตโนมัติ

4. Data Analysis แบบ Real-time

AI เชื่อมต่อกับฐานข้อมูลผ่าน MCP Server แล้ว query ข้อมูลมาวิเคราะห์ได้ทันที ไม่ต้องส่งออกเป็น CSV แล้วอัปโหลดเข้า AI อีกต่อไป ซึ่งสอดคล้องกับแนวคิดเรื่อง การเชื่อมต่อระบบแบบไร้รอยต่อ (ERP Interoperability)

5. Agentic Workflows

MCP เป็นรากฐานสำคัญของ AI Agent ที่ทำงานหลายขั้นตอนได้อัตโนมัติ เช่น รับคำสั่ง “สร้างรายงานสรุปยอดขายรายสัปดาห์แล้วส่งให้ทีมผู้บริหาร” — AI จะดึงข้อมูลจากฐานข้อมูล สร้างรายงาน แล้วส่งอีเมลให้อัตโนมัติ ทั้งหมดผ่าน MCP

MCP กับ ERP: โอกาสใหม่ขององค์กร

MCP เปิดโอกาสใหม่ให้ระบบ ERP ขององค์กรเชื่อมต่อกับ AI ได้ง่ายขึ้นอย่างมาก:

• AI ที่เข้าใจข้อมูล ERP: แทนที่จะต้องเปิดหน้าจอ ERP ค้นหารายงาน ผู้ใช้สามารถถาม AI แล้วได้คำตอบทันที
• Workflow Automation: AI สร้าง Purchase Order, อนุมัติเอกสาร หรือออกรายงานผ่าน MCP Server ที่เชื่อมกับ ERP
• Cross-system Intelligence: AI ดึงข้อมูลจาก ERP, CRM, และระบบคลังสินค้าพร้อมกัน เพื่อวิเคราะห์แบบ 360 องศา

MCP เหมาะกับใคร?

เหมาะกับ	ยังไม่จำเป็นสำหรับ
องค์กรที่ใช้ AI ในการทำงานประจำวันแล้ว	องค์กรที่ยังไม่ได้เริ่มใช้ AI เลย
ทีม IT ที่ต้องเชื่อมต่อ AI กับระบบภายในหลายตัว	องค์กรที่ใช้ AI แค่ chat ถาม-ตอบทั่วไป
นักพัฒนาที่สร้าง AI-powered applications	ผู้ใช้ทั่วไปที่ไม่ได้พัฒนาซอฟต์แวร์
องค์กรที่ต้องการลด Vendor Lock-in กับ AI provider	องค์กรที่ใช้ AI provider เดียวและพอใจ
ธุรกิจที่กำลังวางแผน AI Strategy ระยะยาว	ธุรกิจที่ยังไม่มีข้อมูลดิจิทัลพร้อม

MCP เปลี่ยนวิธีที่ AI เชื่อมต่อกับโลกภายนอก — จากการเขียนโค้ดเฉพาะทีละระบบ เป็นมาตรฐานเปิดที่ทุกคนใช้ร่วมกันได้ องค์กรที่เข้าใจและเตรียมตัวรับ MCP ตั้งแต่วันนี้ จะมีความได้เปรียบในการใช้ AI อย่างเต็มศักยภาพในอนาคต

- ทีมงาน Saeree ERP

สรุป

MCP (Model Context Protocol) คือมาตรฐานเปิดที่ทำให้ AI เชื่อมต่อกับเครื่องมือและแหล่งข้อมูลภายนอกได้อย่างเป็นระบบ พัฒนาโดย Anthropic และปัจจุบันอยู่ภายใต้การดูแลของ Linux Foundation ผ่าน Agentic AI Foundation

สิ่งที่องค์กรควรทำตอนนี้:

1. ติดตามพัฒนาการของ MCP — เนื่องจากกำลังกลายเป็นมาตรฐานอุตสาหกรรม
2. ประเมินระบบที่ต้องการเชื่อมต่อ AI — ERP, CRM, ฐานข้อมูล, เอกสาร
3. วางแผน AI Strategy — ร่วมกับหลัก AI Governance เพื่อให้การใช้ AI ในองค์กรมีความปลอดภัยและโปร่งใส
4. เลือกระบบ ERP ที่พร้อมรองรับ AI — ระบบที่มี API เปิดและรองรับการเชื่อมต่อระบบภายนอกจะได้เปรียบในยุค AI

แหล่งอ้างอิง

• Model Context Protocol — Official Documentation
• Anthropic — Introducing the Model Context Protocol
• Linux Foundation — Agentic AI Foundation (AAIF)