Model Context Protocol (MCP): Giao Thức Chuẩn Kết Nối AI Agent Với Dữ Liệu Enterprise

1. Tại Sao Doanh Nghiệp Cần Chuyển Sang Chuẩn MCP?

Thách thức lớn nhất khi triển khai AI Agent tại các Tập đoàn và doanh nghiệp SME là “Sự cô lập dữ liệu” (Data Silos). Các hệ thống cũ (ERP SAP, CRM Salesforce, Database SQL) được bảo vệ bởi nhiều lớp tường lửa. Việc tạo các REST API riêng lẻ cho từng AI Model dẫn đến:

• Tốn kém chi phí bảo trì: Mỗi khi nâng cấp LLM hoặc đổi Vendor, toàn bộ Codebase tích hợp phải viết lại.
• Nguy cơ lỗ hổng an ninh: Các API Token bị phân tán, khó quản lý quyền truy cập dữ liệu (Data Authorization).
• Tốc độ phản hồi chậm (High Latency): Thiếu chuẩn hóa cấu trúc Context khiến LLM mất nhiều token để hiểu Schema.

2. Chi Tiết Kiến Trúc 3 Tầng Của Model Context Protocol (MCP)

Giao thức MCP vận hành theo mô hình Client – Server thông qua chuẩn truyền tin hai chiều (Bi-directional JSON-RPC):

3. Hướng Dẫn Cấu Hình MCP Server Kết Nối PostgreSQL Chi Tiết

Dưới đây là mã nguồn Python khởi tạo một MCP Server tối giản để kết nối AI Agent với Cơ sở dữ liệu nội bộ của doanh nghiệp:

import asyncio
from mcp.server.fastmcp import FastMCP
import psycopg2

# Khởi tạo MCP Server với tên thương hiệu Enterprise
mcp = FastMCP("EraGenAI-Enterprise-DB-Gateway")

DB_CONFIG = {
    "dbname": "enterprise_db",
    "user": "ai_read_only",
    "password": "SecurePassword2026!",
    "host": "localhost",
    "port": "5432"
}

@mcp.tool()
async def query_inventory(product_code: str) -> str:
    """Truy vấn số lượng tồn kho sản phẩm theo Mã SKUs"""
    conn = psycopg2.connect(**DB_CONFIG)
    cur = conn.cursor()
    cur.execute("SELECT name, stock_quantity, price FROM products WHERE sku = %s", (product_code,))
    result = cur.fetchone()
    conn.close()
    
    if result:
        return f"Sản phẩm: {result[0]} | Tồn kho: {result[1]} | Đơn giá: {result[2]:,.0f} VNĐ"
    return "Không tìm thấy thông tin sản phẩm."

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