wehub/microsoft--mcp-for-beginners
1
0
Fork 0
Code Issues Pull Requests Actions Deployments Models Agent Notes Packages Projects Releases Wiki Activity
Files
main
microsoft--mcp-for-beginners/translations/th/00-Introduction/README.md
T
wehub-resource-sync c275ba2868 chore: import upstream snapshot with attribution
2026-07-13 13:31:35 +08:00

33 KiB
Raw Permalink Blame History

บทนำสู่โปรโตคอลบริบทของโมเดล (MCP): ทำไมจึงสำคัญสำหรับแอปพลิเคชัน AI ที่ปรับขนาดได้

บทนำสู่โปรโตคอลบริบทของโมเดล

(คลิกที่ภาพด้านบนเพื่อดูวิดีโอบทเรียนนี้)

แอปพลิเคชัน AI สร้างสรรค์เป็นก้าวที่ดีเพราะมักจะให้ผู้ใช้โต้ตอบกับแอปโดยใช้คำสั่งภาษาธรรมชาติ อย่างไรก็ตาม เมื่อมีการลงทุนเวลาและทรัพยากรมากขึ้นในแอปเหล่านี้ คุณต้องแน่ใจว่าสามารถผสานฟังก์ชันและทรัพยากรต่าง ๆ ได้ง่ายในลักษณะที่ขยายอย่างง่ายดาย แอปของคุณสามารถรองรับมากกว่าหนึ่งโมเดลที่ใช้ และจัดการกับความซับซ้อนของโมเดลต่าง ๆ ได้ กล่าวโดยสั้น การสร้างแอป Gen AI เริ่มต้นง่าย แต่เมื่อขยายตัวและซับซ้อนขึ้น คุณจะต้องเริ่มกำหนดสถาปัตยกรรมและมักจะต้องพึ่งพามาตรฐานเพื่อให้มั่นใจว่าแอปของคุณสร้างขึ้นอย่างสอดคล้องกัน นี่คือจุดที่ MCP เข้ามาจัดระเบียบและให้มาตรฐาน

🔍 โปรโตคอลบริบทของโมเดล (MCP) คืออะไร?

โปรโตคอลบริบทของโมเดล (MCP) คือ อินเทอร์เฟซมาตรฐานเปิด ที่อนุญาตให้โมเดลภาษาขนาดใหญ่ (LLMs) โต้ตอบกับเครื่องมือภายนอก, API, และแหล่งข้อมูลได้อย่างไร้รอยต่อ มันให้สถาปัตยกรรมที่สม่ำเสมอเพื่อเพิ่มความสามารถของโมเดล AI นอกเหนือจากข้อมูลฝึกฝน ช่วยให้ระบบ AI มีความชาญฉลาด, ปรับขนาดได้, และตอบสนองได้ดีขึ้น

🎯 ทำไมการมีมาตรฐานใน AI จึงสำคัญ

เมื่อแอปพลิเคชัน AI สร้างสรรค์มีความซับซ้อนมากขึ้น จำเป็นต้องนำมาตรฐานมาใช้เพื่อให้มั่นใจใน การปรับขนาด, การขยายความสามารถ, การบำรุงรักษา, และ หลีกเลี่ยงการล็อกกับผู้ขาย MCP ตอบสนองความต้องการเหล่านี้โดย:

  • รวมการเชื่อมต่อโมเดลกับเครื่องมือให้เป็นหนึ่งเดียว
  • ลดโซลูชันที่ปรับแต่งเฉพาะและเปราะบาง
  • อนุญาตให้ใช้หลายโมเดลจากผู้ขายต่าง ๆ ร่วมกันในระบบนิเวศเดียว

หมายเหตุ: แม้ MCP จะเรียกตัวเองว่าเป็นมาตรฐานเปิด แต่ไม่มีแผนที่จะทำให้ MCP เป็นมาตรฐานผ่านองค์กรมาตรฐานที่มีอยู่ เช่น IEEE, IETF, W3C, ISO หรือองค์กรมาตรฐานอื่นใด

📚 วัตถุประสงค์การเรียนรู้

เมื่ออ่านบทความนี้จบ คุณจะสามารถ:

  • นิยาม โปรโตคอลบริบทของโมเดล (MCP) และกรณีการใช้งานของมัน
  • เข้าใจวิธีที่ MCP มาตรฐานการสื่อสารระหว่างโมเดลกับเครื่องมือ
  • ระบุส่วนประกอบหลักของสถาปัตยกรรม MCP
  • สำรวจแอปพลิเคชันจริงของ MCP ในบริบทองค์กรและการพัฒนา

💡 ทำไมโปรโตคอลบริบทของโมเดล (MCP) จึงเป็นการเปลี่ยนเกม

🔗 MCP แก้ปัญหาการแตกกระจายในการโต้ตอบ AI

ก่อน MCP การรวมโมเดลเข้ากับเครื่องมือจำเป็นต้องใช้:

  • โค้ดเฉพาะสำหรับคู่เครื่องมือ-โมเดลแต่ละคู่
  • API ที่ไม่เป็นมาตรฐานสำหรับแต่ละผู้ขาย
  • การขัดจังหวะบ่อยครั้งเนื่องจากการอัปเดต
  • ความสามารถในการปรับขนาดที่ต่ำเมื่อมีเครื่องมือเพิ่มขึ้น

✅ ประโยชน์ของการมาตรฐาน MCP

ประโยชน์ คำอธิบาย
ความสามารถในการทำงานร่วมกัน LLMs ทำงานร่วมกับเครื่องมือจากผู้ขายต่าง ๆ ได้อย่างไร้รอยต่อ
ความสม่ำเสมอ พฤติกรรมเป็นหนึ่งเดียวทั้งบนแพลตฟอร์มและเครื่องมือต่าง ๆ
การนำกลับมาใช้ใหม่ เครื่องมือที่สร้างครั้งเดียวสามารถใช้ในหลายโครงการและระบบ
เร่งการพัฒนา ลดเวลาพัฒนาด้วยการใช้อินเทอร์เฟซสแตนด์ดาร์ดแบบเสียบแล้วใช้ได้ทันที

🧱 ภาพรวมสถาปัตยกรรม MCP ระดับสูง

MCP ใช้ โมเดลไคลเอนต์-เซิร์ฟเวอร์ โดย:

  • MCP Hosts รันโมเดล AI
  • MCP Clients เริ่มการร้องขอ
  • MCP Servers ให้บริบท, เครื่องมือ และความสามารถ

ส่วนประกอบหลัก:

  • Resources – ข้อมูลแบบคงที่หรือแบบไดนามิกสำหรับโมเดล
  • Prompts – เวิร์กโฟลว์ที่กำหนดไว้ล่วงหน้าสำหรับการสร้างแบบมีการแนะนำ
  • Tools – ฟังก์ชันที่ใช้งานได้ เช่น การค้นหา, การคำนวณ
  • Sampling – พฤติกรรมแบบเอกซ์เพรสซีฟผ่านการโต้ตอบซ้ำ
  • Elicitation – คำร้องขอที่เซิร์ฟเวอร์เป็นผู้เริ่มต้นเพื่อรับข้อมูลจากผู้ใช้
  • Roots – ขอบเขตระบบไฟล์สำหรับการควบคุมการเข้าถึงเซิร์ฟเวอร์

สถาปัตยกรรมโปรโตคอล:

MCP ใช้สถาปัตยกรรมสองชั้น:

  • Data Layer: การสื่อสารแบบ JSON-RPC 2.0 พร้อมการจัดการวงจรชีวิตและ primitives
  • Transport Layer: ช่องทางการสื่อสาร STDIO (ภายในเครื่อง) และ Streamable HTTP พร้อม SSE (ระยะไกล)

วิธีการทำงานของเซิร์ฟเวอร์ MCP

เซิร์ฟเวอร์ MCP ทำงานดังนี้:

  • กระบวนการร้องขอ:
    1. การร้องขอถูกเริ่มโดยผู้ใช้สุดท้ายหรือซอฟต์แวร์ที่ทำงานแทน
    2. MCP Client ส่งคำร้องไปยัง MCP Host ซึ่งจัดการรันไทม์โมเดล AI
    3. โมเดล AI รับคำสั่งผู้ใช้และอาจร้องขอการเข้าถึงเครื่องมือหรือข้อมูลภายนอกผ่านการเรียกเครื่องมือหนึ่งหรือมากกว่า
    4. MCP Host ไม่ใช่โมเดลโดยตรง ติดต่อกับ MCP Server(s) ที่เหมาะสมโดยใช้โปรโตคอลมาตรฐาน
  • ฟังก์ชันของ MCP Host:
    • Tool Registry: บำรุงรักษาคุณสมบัติของเครื่องมือและความสามารถ
    • Authentication: ยืนยันสิทธิ์เข้าถึงเครื่องมือ
    • Request Handler: ประมวลผลคำร้องขอเครื่องมือจากโมเดล
    • Response Formatter: จัดรูปแบบผลลัพธ์จากเครื่องมือให้อยู่ในรูปแบบที่โมเดลเข้าใจ
  • การทำงานของ MCP Server:
    • MCP Host ส่งต่อเรียกเครื่องมือไปยังหนึ่งหรือมากกว่า MCP Servers ซึ่งแต่ละเครื่องเปิดเผยฟังก์ชันพิเศษ เช่น การค้นหา, การคำนวณ, การสืบค้นฐานข้อมูล
    • MCP Servers ดำเนินการของตนและส่งกลับผลลัพธ์ไปยัง MCP Host ในรูปแบบที่สม่ำเสมอ
    • MCP Host จัดรูปแบบและส่งต่อนั้นไปยัง โมเดล AI
  • การตอบกลับคำขอเสร็จสิ้น:
    • โมเดล AI รวมผลลัพธ์จากเครื่องมือในคำตอบสุดท้าย
    • MCP Host ส่งคำตอบนี้กลับไปยัง MCP Client ที่ส่งมอบให้ผู้ใช้สุดท้ายหรือซอฟต์แวร์ผู้เรียก
---
title: สถาปัตยกรรม MCP และการทำงานร่วมกันขององค์ประกอบ
description: แผนภาพแสดงการไหลขององค์ประกอบใน MCP.
---
graph TD
    Client[ไคลเอนต์/แอปพลิเคชัน MCP] -->|ส่งคำขอ| H[โฮสต์ MCP]
    H -->|เรียกใช้| A[โมเดล AI]
    A -->|คำขอเรียกใช้เครื่องมือ| H
    H -->|โปรโตคอล MCP| T1[เครื่องมือเซิร์ฟเวอร์ MCP 01: การค้นหาเว็บ]
    H -->|โปรโตคอล MCP| T2[เครื่องมือเซิร์ฟเวอร์ MCP 02: เครื่องคิดเลข]
    H -->|โปรโตคอล MCP| T3[เครื่องมือเซิร์ฟเวอร์ MCP 03: เครื่องมือเข้าถึงฐานข้อมูล]
    H -->|โปรโตคอล MCP| T4[เครื่องมือเซิร์ฟเวอร์ MCP 04: เครื่องมือระบบไฟล์]
    H -->|ส่งคำตอบ| Client

    subgraph "องค์ประกอบโฮสต์ MCP"
        H
        G[ทะเบียนเครื่องมือ]
        I[การตรวจสอบสิทธิ์]
        J[ตัวจัดการคำขอ]
        K[ตัวจัดรูปแบบคำตอบ]
    end

    H <--> G
    H <--> I
    H <--> J
    H <--> K

    style A fill:#f9d5e5,stroke:#333,stroke-width:2px
    style H fill:#eeeeee,stroke:#333,stroke-width:2px
    style Client fill:#d5e8f9,stroke:#333,stroke-width:2px
    style G fill:#fffbe6,stroke:#333,stroke-width:1px
    style I fill:#fffbe6,stroke:#333,stroke-width:1px
    style J fill:#fffbe6,stroke:#333,stroke-width:1px
    style K fill:#fffbe6,stroke:#333,stroke-width:1px
    style T1 fill:#c2f0c2,stroke:#333,stroke-width:1px
    style T2 fill:#c2f0c2,stroke:#333,stroke-width:1px
    style T3 fill:#c2f0c2,stroke:#333,stroke-width:1px
    style T4 fill:#c2f0c2,stroke:#333,stroke-width:1px

👨‍💻 วิธีสร้างเซิร์ฟเวอร์ MCP (พร้อมตัวอย่าง)

เซิร์ฟเวอร์ MCP ช่วยขยายความสามารถของ LLM โดยการให้ข้อมูลและฟังก์ชันการใช้งาน

พร้อมทดสอบหรือยัง? นี่คือ SDK และตัวอย่างสำหรับการสร้างเซิร์ฟเวอร์ MCP ง่าย ๆ ในภาษาและสแตกต่าง ๆ:

🌍 กรณีใช้งานจริงของ MCP

MCP ทำให้สามารถสร้างแอปพลิเคชันหลากหลายขยายความสามารถของ AI ได้:

แอปพลิเคชัน คำอธิบาย
การบูรณาการข้อมูลองค์กร เชื่อมต่อ LLMs กับฐานข้อมูล, CRM หรือเครื่องมือภายใน
ระบบ AI ที่เป็นตัวแทน เปิดใช้งานตัวแทนอิสระที่เข้าถึงเครื่องมือและเวิร์กโฟลว์การตัดสินใจ
แอปมัลติโมดัล ผสมผสานเครื่องมือข้อความ, รูปภาพ และเสียงในแอป AI เดียวกัน
การรวมข้อมูลแบบเรียลไทม์ นำข้อมูลสดเข้ามาในโต้ตอบ AI เพื่อผลลัพธ์ที่แม่นยำและเป็นปัจจุบัน

🧠 MCP = มาตรฐานสากลสำหรับการโต้ตอบ AI

โปรโตคอลบริบทของโมเดล (MCP) ทำหน้าที่เป็นมาตรฐานสากลสำหรับการโต้ตอบ AI คล้ายกับวิธีที่ USB-C มาตรฐานการเชื่อมต่อทางกายภาพสำหรับอุปกรณ์ ในโลกของ AI MCP ให้ อินเทอร์เฟซที่สม่ำเสมอ ทำให้โมเดล (ไคลเอนต์) สามารถผสานรวมกับเครื่องมือภายนอกและผู้ให้บริการข้อมูล (เซิร์ฟเวอร์) ได้อย่างไร้รอยต่อ นี่ทำให้ไม่ต้องใช้โปรโตคอลแบบต่าง ๆ และเฉพาะสำหรับแต่ละ API หรือแหล่งข้อมูล

ภายใต้ MCP เครื่องมือที่เข้ากันได้กับ MCP (เรียกว่า MCP server) จะทำตามมาตรฐานร่วมกัน เซิร์ฟเวอร์เหล่านี้สามารถแสดงรายการเครื่องมือหรือการกระทำที่มี และดำเนินการตามเมื่อได้รับคำขอจากตัวแทน AI แพลตฟอร์มตัวแทน AI ที่รองรับ MCP สามารถค้นหาเครื่องมือจากเซิร์ฟเวอร์และเรียกใช้งานผ่านโปรโตคอลมาตรฐานนี้ได้

💡 ช่วยให้เข้าถึงความรู้ได้ง่ายขึ้น

นอกเหนือจากการเสนอเครื่องมือ MCP ยังช่วยให้เข้าถึงความรู้ได้อีกด้วย มันอนุญาตให้แอปพลิเคชันจัดเตรียมบริบทให้กับโมเดลภาษาขนาดใหญ่ (LLMs) โดยเชื่อมโยงพวกมันกับแหล่งข้อมูลต่าง ๆ ตัวอย่างเช่น MCP server อาจแทนที่คลังเอกสารของบริษัท ทำให้นายหน้าสามารถเข้าถึงข้อมูลที่เกี่ยวข้องได้ตามคำร้องขอ เซิร์ฟเวอร์อีกตัวอาจจัดการการกระทำเฉพาะ เช่น ส่งอีเมลหรืออัปเดตบันทึก จากมุมมองของตัวแทน สิ่งเหล่านี้เป็นเพียงเครื่องมือที่ใช้—บางเครื่องมือส่งข้อมูล (บริบทความรู้) ขณะที่บางเครื่องมือทำการกระทำ MCP บริหารจัดการทั้งสองอย่างอย่างมีประสิทธิภาพ

ตัวแทนที่เชื่อมต่อกับ MCP server จะเรียนรู้ความสามารถและข้อมูลที่เข้าถึงได้ของเซิร์ฟเวอร์นั้นโดยอัตโนมัติผ่านรูปแบบมาตรฐาน การทำให้เป็นมาตรฐานนี้ช่วยให้เครื่องมือพร้อมใช้งานแบบไดนามิก เช่น การเพิ่ม MCP server ใหม่ลงในระบบตัวแทนทำให้ฟังก์ชันของเซิร์ฟเวอร์นั้นสามารถใช้ได้ทันทีโดยไม่ต้องปรับแต่งคำสั่งของตัวแทนเพิ่มเติม

การผสานรวมที่เป็นระเบียบนี้สอดคล้องกับโฟลว์ที่แสดงในแผนภาพต่อไปนี้ โดยเซิร์ฟเวอร์ให้ทั้งเครื่องมือและความรู้ เพื่อให้ระบบทำงานร่วมกันได้อย่างต่อเนื่อง

👉 ตัวอย่าง: โซลูชันตัวแทนที่ปรับขนาดได้

---
title: โซลูชันเอเจนต์ที่ปรับขนาดได้ด้วย MCP
description: แผนภาพแสดงให้เห็นว่าผู้ใช้มีปฏิสัมพันธ์กับ LLM ที่เชื่อมต่อกับเซิร์ฟเวอร์ MCP หลายตัว โดยแต่ละเซิร์ฟเวอร์ให้ความรู้และเครื่องมือ สร้างสถาปัตยกรรมระบบ AI ที่ปรับขนาดได้
---
graph TD
    User -->|Prompt| LLM
    LLM -->|Response| User
    LLM -->|MCP| ServerA
    LLM -->|MCP| ServerB
    ServerA -->|Universal connector| ServerB
    ServerA --> KnowledgeA
    ServerA --> ToolsA
    ServerB --> KnowledgeB
    ServerB --> ToolsB

    subgraph Server A
        KnowledgeA[ความรู้]
        ToolsA[เครื่องมือ]
    end

    subgraph Server B
        KnowledgeB[ความรู้]
        ToolsB[เครื่องมือ]
    end
``` เชื่อมต่อสากลเปิดให้ MCP servers สื่อสารและแชร์ความสามารถซึ่งกันและกัน ช่วยให้ ServerA มอบหมายงานให้ ServerB หรืิอเข้าถึงเครื่องมือและความรู้ของมัน นี่คือการรวมเครื่องมือและข้อมูลข้ามเซิร์ฟเวอร์ สนับสนุนสถาปัตยกรรมตัวแทนที่ปรับขนาดและโมดูลาร์ เนื่องจาก MCP มาตรฐานการเปิดเผยเครื่องมือ ตัวแทนจึงสามารถค้นหาและส่งคำร้องขอระหว่างเซิร์ฟเวอร์ได้แบบไดนามิกโดยไม่ต้องผูกโค้ดเข้ากับระบบ

การรวมเครื่องมือและข้อมูล: เครื่องมือและข้อมูลสามารถเข้าถึงได้ข้ามเซิร์ฟเวอร์ ทำให้สถาปัตยกรรมตัวแทนที่ปรับขนาดและโมดูลาร์ง่ายขึ้น

### 🔄 สถานการณ์ MCP ขั้นสูงพร้อมการผสาน LLM ฝั่งไคลเอนต์

นอกสถาปัตยกรรม MCP เบื้องต้น ยังมีสถานการณ์ขั้นสูงที่ทั้งไคลเอนต์และเซิร์ฟเวอร์มี LLM ทำให้เกิดการโต้ตอบที่ซับซ้อนมากขึ้น ในแผนภาพต่อไปนี้ **Client App** อาจเป็น IDE ที่มีเครื่องมือ MCP หลายตัวพร้อมใช้งานสำหรับ LLM:

```mermaid
---
title: สถานการณ์ MCP ขั้นสูงพร้อมการรวม LLM ฝั่งไคลเอนต์-เซิร์ฟเวอร์
description: แผนภาพลำดับขั้นตอนที่แสดงไหล่การโต้ตอบอย่างละเอียดระหว่างผู้ใช้ แอปไคลเอนต์ LLM ไคลเอนต์ เซิร์ฟเวอร์ MCP หลายตัว และ LLM ฝั่งเซิร์ฟเวอร์ แสดงกระบวนการค้นหาเครื่องมือ การโต้ตอบผู้ใช้ การเรียกใช้เครื่องมือโดยตรง และขั้นตอนการเจรจาคุณลักษณะ
---
sequenceDiagram
    autonumber
    actor User as 👤 ผู้ใช้
    participant ClientApp as 🖥️ แอปไคลเอนต์
    participant ClientLLM as 🧠 LLM ฝั่งไคลเอนต์
    participant Server1 as 🔧 เซิร์ฟเวอร์ MCP 1
    participant Server2 as 📚 เซิร์ฟเวอร์ MCP 2
    participant ServerLLM as 🤖 LLM ฝั่งเซิร์ฟเวอร์
    
    %% Discovery Phase
    rect rgb(220, 240, 255)
        Note over ClientApp, Server2: ขั้นตอนการค้นหาเครื่องมือ
        ClientApp->>+Server1: ขอเครื่องมือ/ทรัพยากรที่มี
        Server1-->>-ClientApp: ส่งคืนรายการเครื่องมือ (JSON)
        ClientApp->>+Server2: ขอเครื่องมือ/ทรัพยากรที่มี
        Server2-->>-ClientApp: ส่งคืนรายการเครื่องมือ (JSON)
        Note right of ClientApp: จัดเก็บแคตตาล็อก<br/>เครื่องมือรวมที่เครื่อง
    end
    
    %% User Interaction
    rect rgb(255, 240, 220)
        Note over User, ClientLLM: ขั้นตอนการโต้ตอบผู้ใช้
        User->>+ClientApp: ป้อนคำสั่งภาษาธรรมชาติ
        ClientApp->>+ClientLLM: ส่งต่อคำสั่ง + แคตตาล็อกเครื่องมือ
        ClientLLM->>-ClientLLM: วิเคราะห์คำสั่ง & เลือกเครื่องมือ
    end
    
    %% Scenario A: Direct Tool Calling
    alt Direct Tool Calling
        rect rgb(220, 255, 220)
            Note over ClientApp, Server1: สถานการณ์ A: การเรียกใช้เครื่องมือโดยตรง
            ClientLLM->>+ClientApp: ขอให้เรียกใช้เครื่องมือ
            ClientApp->>+Server1: ดำเนินการเครื่องมือเฉพาะ
            Server1-->>-ClientApp: ส่งคืนผลลัพธ์
            ClientApp->>+ClientLLM: ประมวลผลผลลัพธ์
            ClientLLM-->>-ClientApp: สร้างคำตอบ
            ClientApp-->>-User: แสดงคำตอบสุดท้าย
        end
    
    %% Scenario B: Feature Negotiation (VS Code style)
    else Feature Negotiation (VS Code style)
        rect rgb(255, 220, 220)
            Note over ClientApp, ServerLLM: สถานการณ์ B: การเจรจาคุณลักษณะ
            ClientLLM->>+ClientApp: ระบุความสามารถที่ต้องการ
            ClientApp->>+Server2: เจรจาคุณลักษณะ/ความสามารถ
            Server2->>+ServerLLM: ขอข้อมูลบริบทเพิ่มเติม
            ServerLLM-->>-Server2: ให้ข้อมูลบริบท
            Server2-->>-ClientApp: ส่งคืนคุณลักษณะที่มี
            ClientApp->>+Server2: เรียกใช้เครื่องมือที่เจรจาแล้ว
            Server2-->>-ClientApp: ส่งคืนผลลัพธ์
            ClientApp->>+ClientLLM: ประมวลผลผลลัพธ์
            ClientLLM-->>-ClientApp: สร้างคำตอบ
            ClientApp-->>-User: แสดงคำตอบสุดท้าย
        end
    end

🔐 ประโยชน์เชิงปฏิบัติของ MCP

ประโยชน์เชิงปฏิบัติจาก MCP มีดังนี้:

  • ข้อมูลปัจจุบัน: โมเดลสามารถเข้าถึงข้อมูลล่าสุดเกินกว่าข้อมูลที่ฝึกมา
  • การขยายความสามารถ: โมเดลสามารถใช้เครื่องมือเฉพาะสำหรับงานที่ไม่ได้ฝึกมาก่อน
  • ลดความคลาดเคลื่อน: แหล่งข้อมูลภายนอกช่วยสร้างข้อมูลที่ถูกต้องจริง
  • ความเป็นส่วนตัว: ข้อมูลที่ละเอียดอ่อนเก็บไว้ในสภาพแวดล้อมที่ปลอดภัยแทนที่จะฝังในคำสั่ง

📌 ข้อคิดสำคัญ

นี่คือข้อคิดสำคัญในการใช้ MCP:

  • MCP มาตรฐานการโต้ตอบของโมเดล AI กับเครื่องมือและข้อมูล
  • ส่งเสริม การขยายตัว, ความสม่ำเสมอ, และการทำงานร่วมกัน
  • MCP ช่วย ลดเวลาในการพัฒนา, ปรับปรุงความน่าเชื่อถือ, และขยายความสามารถของโมเดล
  • สถาปัตยกรรมไคลเอนต์-เซิร์ฟเวอร์ช่วยให้แอป AI มีความยืดหยุ่นและขยายคุณสมบัติได้ง่าย

🧠 แบบฝึกหัด

คิดเกี่ยวกับแอป AI ที่คุณสนใจสร้าง

  • มี เครื่องมือหรือข้อมูลภายนอก ใดที่จะช่วยเพิ่มความสามารถบ้าง?
  • MCP จะช่วยให้การผสานรวม ง่ายขึ้นและน่าเชื่อถือขึ้นอย่างไร?

แหล่งข้อมูลเพิ่มเติม

ขั้นตอนถัดไป

ถัดไป: บทที่ 1: แนวคิดหลัก

ข้อจำกัดความรับผิดชอบ:
เอกสารนี้ได้ถูกแปลโดยใช้บริการแปลภาษาด้วย AI Co-op Translator แม้เราจะพยายามให้ความถูกต้องสูงสุด แต่โปรดทราบว่าการแปลอัตโนมัติอาจมีข้อผิดพลาดหรือความไม่ถูกต้องได้ เอกสารต้นฉบับในภาษาต้นฉบับของเอกสารนั้นควรถูกพิจารณาเป็นแหล่งข้อมูลที่ถูกต้อง สำหรับข้อมูลที่สำคัญ ควรใช้การแปลโดยมนุษย์มืออาชีพ เราไม่รับผิดชอบต่อความเข้าใจผิดหรือการตีความผิดที่เกิดจากการใช้การแปลนี้

Reference in New Issue View Git Blame Copy Permalink