MCP คืออะไร Model Context Protocol และวิธีติดตั้ง MCP server

ถ้าเคยต้องก๊อป issue จาก GitHub หรือผล query จากฐานข้อมูลมาวางให้ agent อ่านทีละก้อน MCP คือสิ่งที่ทำให้ agent ไปหยิบข้อมูลพวกนั้นเองได้ โดยคุณไม่ต้องเป็นคนก๊อปส่งต่อ

MCP คืออะไร ใครเป็นคนดูแล

MCP (Model Context Protocol) คือมาตรฐานเปิดที่กำหนดวิธีให้แอป AI เชื่อมต่อกับระบบภายนอก เช่น ไฟล์ ฐานข้อมูล บริการบนเว็บ และเครื่องมือของทีม ระบบไหนมี MCP server แล้ว แอป AI ที่รองรับ MCP ก็ต่อใช้ได้โดยไม่ต้องเขียนตัวเชื่อมใหม่

เอกสารบน modelcontextprotocol.io เปรียบ MCP ว่าเป็นพอร์ต USB-C ของแอป AI ก่อนมีมาตรฐานกลาง แอป AI แต่ละตัวต้องเขียนตัวเชื่อมกับแต่ละระบบแยกกันเอง พอมี MCP เจ้าของระบบเขียน server ครั้งเดียว แอปไหนพูด MCP ได้ก็ใช้ได้เลย

Anthropic ระบุว่าการย้ายไป AAIF ไม่ได้เปลี่ยนรูปแบบการกำกับดูแล MCP ตอนประกาศ Linux Foundation บอกว่ามี MCP server ที่เผยแพร่แล้วมากกว่า 10,000 ตัว

MCP server คืออะไร ทำงานอย่างไร

MCP server คือโปรแกรมที่เปิดความสามารถของระบบหนึ่งให้แอป AI ใช้ผ่านโปรโตคอล MCP เช่น GitHub MCP server ทำให้ agent อ่าน issue และ pull request ได้ server อาจรันบนเครื่องของคุณ หรือรันบนเซิร์ฟเวอร์ของผู้ให้บริการก็ได้

เอกสารทางการแบ่งบทบาทไว้สามส่วน host คือแอป AI ที่คุณใช้ เช่น Claude Code หรือ VS Code client คือตัวเชื่อมที่ host สร้างหนึ่งตัวต่อ server หนึ่งตัว และ server คือโปรแกรมที่ให้บริการ สิ่งที่ server เปิดให้ใช้มีสามแบบ

ข้อความระหว่าง client กับ server ใช้รูปแบบ JSON-RPC 2.0 ส่งได้สองทาง คือ stdio ที่ host เปิด server เป็นโปรเซสบนเครื่องเดียวกัน และ Streamable HTTP สำหรับ server ระยะไกลที่ยืนยันตัวตนด้วย OAuth หรือ token ส่วน SSE รุ่นเก่า เอกสารของ Claude Code ระบุว่าเลิกแนะนำแล้ว ให้ใช้ HTTP แทนถ้า server รองรับ

ลำดับการทำงานไม่ซับซ้อน host ถาม server ว่ามีเครื่องมืออะไร (tools/list) แล้วส่งรายการให้โมเดล พอโมเดลเลือกใช้ host ก็ส่ง tools/call ไปที่ server แล้วเอาผลลัพธ์ใส่กลับใน context ให้โมเดลคิดต่อ เป็นลูปเดียวกับที่ agent ใช้เครื่องมือในตัว (อ่านว่า AI Agent ทำงานอย่างไร)

MCP server ที่นักพัฒนาใช้บ่อยมีอะไรบ้าง

MCP server ที่ใช้บ่อยในงานโค้ดคือตัวที่ต่อกับ GitHub ฐานข้อมูล เบราว์เซอร์ และเอกสารของไลบรารี ทุกตัวในตารางมีอยู่ในเอกสารทางการ ณ พฤศจิกายน 2569

ก่อนติดตั้ง ให้ดูก่อนว่ามี CLI ที่ทำงานเดียวกันได้ไหม เอกสารของ Claude Code บอกว่า CLI อย่าง gh หรือ aws ประหยัด context กว่า เพราะไม่ต้องเพิ่มรายการเครื่องมือเข้าไป MCP จึงคุ้มที่สุดกับระบบที่ไม่มี CLI ดีๆ หรือระบบที่ต้องล็อกอินแบบ OAuth

ติดตั้ง MCP server ใน Claude Code และ Codex CLI อย่างไร

ใน Claude Code ใช้คำสั่ง claude mcp add ส่วน Codex CLI ใช้ codex mcp add หรือเขียนลงไฟล์ ~/.codex/config.toml เอง ทั้งสองตัวรองรับทั้ง server แบบ stdio ในเครื่องและ server ระยะไกลผ่าน HTTP

Claude Code

server ระยะไกลใช้ --transport http ตามด้วยชื่อและ URL ส่วน server ในเครื่องใช้ --transport stdio แล้ววางคำสั่งที่รัน server ไว้หลัง -- ซึ่งจะส่งให้ server ตรงๆ โดยไม่ถูกตีความเป็น flag ของ Claude Code

claude mcp add --transport http sentry https://mcp.sentry.dev/mcp

claude mcp add --transport http github https://api.githubcopilot.com/mcp/ \
  --header "Authorization: Bearer $GITHUB_PAT"

claude mcp add --transport stdio playwright -- npx -y @playwright/mcp@latest

ดู server ทั้งหมดด้วย claude mcp list ลบด้วย claude mcp remove <ชื่อ> และพิมพ์ /mcp ใน Claude Code เพื่อดูสถานะหรือล็อกอิน OAuth ตอนเพิ่ม server ใส่ --scope เพื่อเลือกว่าใช้ที่ไหน ถ้าไม่ใส่จะได้ local

ไฟล์ .mcp.json อ้างตัวแปรสภาพแวดล้อมด้วย ${VAR} ได้ จึงไม่ต้องเขียน token ลงไฟล์ที่ commit และ Claude Code จะถามก่อนใช้ server จากไฟล์นี้ครั้งแรก

{
  "mcpServers": {
    "sentry": { "type": "http", "url": "https://mcp.sentry.dev/mcp" },
    "db": {
      "type": "stdio",
      "command": "npx",
      "args": ["-y", "@bytebase/dbhub", "--dsn", "${DATABASE_URL}"]
    }
  }
}

Codex CLI

codex mcp add context7 -- npx -y @upstash/context7-mcp
codex mcp add sentry --url https://mcp.sentry.dev/mcp

หรือเขียนเองใน ~/.codex/config.toml ถ้าอยากให้ใช้เฉพาะโปรเจกต์ ให้วางที่ .codex/config.toml ซึ่ง Codex อ่านเฉพาะโปรเจกต์ที่ trust แล้ว

[mcp_servers.context7]
command = "npx"
args = ["-y", "@upstash/context7-mcp"]

[mcp_servers.github]
url = "https://api.githubcopilot.com/mcp/"
bearer_token_env_var = "GITHUB_PAT"

พิมพ์ /mcp ใน Codex เพื่อดู server ที่ทำงานอยู่ ใส่ enabled = false เพื่อปิดชั่วคราว และใช้ enabled_tools หรือ disabled_tools เพื่อเลือกเฉพาะเครื่องมือที่ต้องใช้ การตั้งค่าอื่นดูได้ใน คู่มือ Codex CLI

MCP กิน context และมีความเสี่ยงอะไรบ้าง

MCP มีต้นทุนสองเรื่อง เรื่องแรกคือพื้นที่ใน context window เพราะคำอธิบายและ schema ของเครื่องมือ รวมถึงผลลัพธ์ที่ส่งกลับ ต้องอยู่ใน context ให้โมเดลอ่าน เรื่องที่สองคือความปลอดภัย เพราะ server ทำงานด้วยสิทธิ์ของคุณ และข้อความที่ server ดึงมาอาจมีคำสั่งแอบแฝง

server ตัวเดียวอาจมีเครื่องมือหลายสิบตัว ถ้าโหลดคำอธิบายทั้งหมดตั้งแต่เริ่ม context จะเหลือน้อยลงก่อนเริ่มงานจริง (context window คืออะไร) Claude Code แก้ด้วยฟีเจอร์ tool search ที่เปิดเป็นค่าเริ่มต้น ตอนเริ่ม session จะโหลดแค่ชื่อเครื่องมือกับคำแนะนำของ server แล้วค่อยโหลด schema เต็มเมื่อต้องใช้จริง ฟีเจอร์นี้ทำงานกับ Claude Opus 4, Sonnet 4, Haiku 4.5 และรุ่นที่ใหม่กว่า ถ้าตั้ง ENABLE_TOOL_SEARCH=false หรือส่งงานผ่าน gateway ที่ไม่รองรับ เครื่องมือทั้งหมดจะถูกโหลดตั้งแต่ต้น เช็กได้ด้วย /context ส่วนผลลัพธ์ที่ยาวเกิน 25,000 token จะถูกตัดเป็นค่าเริ่มต้น ปรับได้ด้วย MAX_MCP_OUTPUT_TOKENS

เรื่องความปลอดภัย เอกสารของ Claude Code เตือนให้ตรวจว่าไว้ใจ server ก่อนเชื่อมต่อทุกครั้ง เพราะ server ที่ดึงเนื้อหาจากภายนอกเสี่ยงต่อ prompt injection เช่น issue หรือหน้าเว็บที่มีคนแอบเขียนคำสั่งไว้ให้ agent ทำตาม เช็กลิสต์ก่อนติดตั้ง

1. ติดตั้งเฉพาะ server ที่เชื่อถือได้ เช่น ของผู้ให้บริการระบบนั้นเอง หรือ repo ที่มีคนดูแลชัดเจน
2. ให้สิทธิ์น้อยที่สุด ใช้ token ที่จำกัด repo และสิทธิ์ ใช้ user ฐานข้อมูลแบบอ่านอย่างเดียว และอย่าต่อ production โดยตรง
3. เก็บ token ในตัวแปรสภาพแวดล้อม อ้างด้วย ${VAR} ใน .mcp.json หรือ bearer_token_env_var ใน Codex
4. อ่านก่อนกดอนุญาต ช่วงแรกให้ agent ถามก่อนเรียกเครื่องมือที่เขียนหรือลบข้อมูล
5. ถอด server ที่ไม่ได้ใช้ ทั้งประหยัด context และลดช่องทางที่จะถูกโจมตี

MCP ต่างจาก function calling และ agent skills อย่างไร

MCP, function calling และ agent skills ไม่ได้แข่งกัน function calling คือกลไกที่โมเดลใช้ขอเรียกเครื่องมือ MCP คือมาตรฐานสำหรับแพ็กเครื่องมือของระบบภายนอกให้แอป AI หลายตัวใช้ร่วมกัน ส่วน skill คือไฟล์คำแนะนำที่สอน agent ว่าควรทำงานอย่างไร ในทางปฏิบัติ host จะแปลงเครื่องมือจาก MCP server เป็น tool definition แล้วส่งให้โมเดลผ่าน function calling อีกที

กฎง่ายๆ เขียนแอปเองและมีไม่กี่ฟังก์ชัน ใช้ function calling ตรงๆ อยากให้ Claude Code หรือ Codex เข้าถึงระบบภายนอก ใช้ MCP อยากสอนวิธีทำงานของทีม ใช้ skill หรือ CLAUDE.md และถ้าผลจาก MCP ยาวจน context หลักบวม ให้ส่งงานนั้นให้ sub-agent ทำแทน

ใช้ MCP กับ buzzAI ได้ไหม

ใช้ได้ เพราะ MCP server รันอยู่ในเครื่องมือฝั่งคุณ ไม่ได้รันที่ API เมื่อชี้ Claude Code (ผ่าน ANTHROPIC_BASE_URL) หรือ Codex CLI ไปที่ API ของ buzzAI server ที่ตั้งไว้ก็ทำงานเหมือนเดิม ตราบที่โมเดลเรียกเครื่องมือได้ โมเดลของ buzzAI คือ Qwen3.8-27B แบบ open-weight ดูวิธีตั้งค่าได้ใน ใช้ Claude Code กับ API อื่น

สิ่งที่ยังต้องคิดคือ context เพราะ definition ของเครื่องมือและผลลัพธ์จาก MCP ยังกินที่เหมือนเดิม ถ้าต่อหลาย server ให้เลือกแพ็กที่ context พอ แพ็ก Personal มีตั้งแต่ 64K ถึง 256K ส่วนแพ็กบริษัทได้ 256K ทุกแพ็กไม่คิดค่า token และไม่มีโควตารายวันหรือรายสัปดาห์ สิ่งที่จำกัดคือจำนวน agent ที่รันพร้อมกัน ขนาด context และคิวในช่วงที่คนใช้เยอะ ตอนนี้ API ยังไม่เปิดใช้ทั่วไป รอบที่ 1 เป็น waitlist และเราจะส่ง API key ทางอีเมลเมื่อมีผู้สมัครครบโควต้าที่กำหนด ดูแพ็กได้ที่หน้าราคา