MCP là gì & Cách sử dụng nó với AI Agents trong n8n (Hướng dẫn đầy đủ!)

Giới thiệu về MCP (Model Context Protocol)

MCP đang tạo nên một cơn sốt trong thế giới AI. Trong bài viết này, chúng ta sẽ khám phá MCP một cách đơn giản nhất có thể. Bất kể nền tảng của bạn là gì, bạn sẽ hiểu đầy đủ về nó, tại sao nó có tiềm năng thay đổi cách chúng ta tương tác với AI agents. Sau đó, chúng ta sẽ xem một vài bản demo về cách nó hoạt động và thực hiện hướng dẫn từng bước đơn giản về cách kết nối một vài máy chủ MCP với AI agent của bạn để bạn có cái nhìn tổng quan về toàn bộ khái niệm và cách nó hoạt động.

Nguồn gốc và sự phát triển của MCP

MCP không phải là một khái niệm mới. Nó được Entropic phát hành vào ngày 25 tháng 11 năm 2024. Theo Entropic, đây là một cách để AI assistants kết nối với các hệ thống khác nhau nơi dữ liệu tồn tại, bao gồm các kho nội dung và các API và công cụ khác nhau. Gần đây, nó đã có được động lực lớn, đó là lý do tại sao mọi người đều nói về nó.

Định nghĩa MCP và ví dụ

Nói một cách đơn giản, MCP giống như việc cung cấp cho AI của bạn một chìa khóa vạn năng, cho phép nó truy cập vào các thành phần, công cụ, tài nguyên dữ liệu, API và mọi thứ khác nhau mà trước đây yêu cầu kết nối thủ công. Bây giờ, tất cả có thể được truy cập một cách linh hoạt và hữu ích thông qua giao thức này. Đối với AI agents, đây có thể là một yếu tố thay đổi cuộc chơi vì nó tiêu chuẩn hóa cách agents có thể truy cập và tương tác với các tài nguyên dữ liệu bên ngoài.

Tầm quan trọng của MCP trong thế giới AI Agents

MCP cho phép AI agents của bạn mở rộng quy mô. Chúng ta sẽ xem xét kỹ hơn về cách nó khác biệt so với tích hợp hiện tại mà n8n và AI agents có, và tại sao nó có thể thay đổi cách chúng ta tương tác với dữ liệu, các công cụ API bên ngoài và tài nguyên bên ngoài khác nhau.

Demo: Sử dụng MCP Server với Firecrawl và Brave Search

Demo với Firecrawl MCP Server

Firecrawl là một công cụ cào dữ liệu (scraping website) phổ biến, biến bất kỳ dữ liệu trang web nào thành dữ liệu sẵn sàng cho LLM. Firecrawl MCP server cho phép bạn truy cập tất cả các tài nguyên và công cụ của Firecrawl mà không cần kết nối riêng lẻ.

Ví dụ: Khi bạn hỏi AI agent “Bạn có những công cụ nào?”, nó sẽ liên hệ với OpenAI và truy cập vào Firecrawl, liệt kê các công cụ khác nhau có sẵn trong Firecrawl MCP server.

XEM THÊM: Tiết lộ 8 cách xem hạn sử dụng của rượu vang chuẩn nhất

Trước đây, nếu bạn muốn truy cập các công cụ khác nhau này, bạn sẽ phải kết nối riêng lẻ thông qua HTTP request node hoặc HTTP request tools, đặc biệt nếu chúng không có kết nối gốc hoặc tích hợp gốc với n8n. Bạn sẽ cần kết nối riêng lẻ tất cả các công cụ này trong Firecrawl và cung cấp lời nhắc để nó biết chính xác khi nào cần truy cập vào công cụ cụ thể đó cho bất kỳ mục đích nào bạn cung cấp.

Nhưng với MCP, tất cả những gì bạn cần làm là kết nối MCP server của mình với Firecrawl và yêu cầu nó liệt kê các công cụ. AI không cần bất kỳ lời nhắc nào. Nó có thể trực tiếp truy cập vào công cụ Firecrawl và cung cấp cho bạn tất cả các công cụ mà nó có quyền truy cập.

Ví dụ: Bạn có thể yêu cầu nó cào một trang web cụ thể và nó sẽ truy cập các công cụ để xem những công cụ nào nó có quyền truy cập. Sau đó, nó sẽ sử dụng công cụ phù hợp để cung cấp phản hồi cho truy vấn mà người dùng cung cấp.

Như bạn có thể thấy, nó đã cào trang web một cách chính xác, bao gồm nội dung trực quan và tất cả các thông tin khác có sẵn trên trang web đó.

Ví dụ so sánh: Calendar Agent (trước đây) so với MCP

Trước đây, nếu bạn xây dựng một Calendar Agent, agent chính này cần có quyền truy cập vào tất cả các công cụ khác nhau trong Google Calendar. Bạn sẽ phải thiết lập riêng các công cụ để cập nhật sự kiện, xóa sự kiện, lấy sự kiện, tạo sự kiện mới và tạo sự kiện mới với người tham dự. Bên trong AI agent, bạn cần cung cấp một system prompt để cho nó biết công cụ nào được sử dụng cho mục đích nào.

MCP thay thế việc thêm các hành động riêng biệt theo cách thủ công bằng cách cung cấp một danh sách các công cụ. Nó liệt kê tất cả các công cụ mà nó có sẵn và sau đó, dựa trên truy vấn mà người dùng đang hỏi, nó sẽ thực thi công cụ chính xác dựa trên thông tin mà nó nhận được từ người dùng.

Nếu bạn xây dựng AI agent ở quy mô lớn, đây có thể là rất nhiều công việc thủ công. MCP loại bỏ sự cần thiết phải có các AI agents riêng biệt, thiết lập tham số riêng biệt, nhắc riêng cho từng AI agent và các công cụ mà nó có quyền truy cập. Nó thay thế tất cả bằng hai công cụ MCP server: list tool và execute.

Bạn có thể áp dụng điều này cho nhiều hoạt động khác nhau trong cùng một AI agent. Điều này trở nên rất dễ dàng ở quy mô lớn vì bạn không còn cần phải vào các agents riêng biệt và có các công cụ riêng biệt mà bạn đang đính kèm. Thay vào đó, bạn có một cách tiêu chuẩn để giao tiếp và một cách tiêu chuẩn để tiếp cận các công cụ và thực hiện các lệnh khác nhau dựa trên truy vấn mà người dùng cung cấp.

XEM THÊM: Blog Khách Sạn: Ý Tưởng Nội Dung Hấp Dẫn & Chiến Lược Tăng Tương Tác

Demo với Brave Search MCP Server

Brave Search hoạt động theo cách tương tự. Dựa trên truy vấn, nó sẽ cung cấp thông tin phù hợp.

Ví dụ: Khi bạn hỏi “Bạn có những công cụ nào?”, nó sẽ liên hệ với Brave và cung cấp cho bạn các công cụ mà nó có quyền truy cập. Trong trường hợp này, Brave Search MCP server có quyền truy cập vào hai công cụ: brave web search và brave local search.

Sau đó, bạn có thể hỏi “Tin tức mới nhất liên quan đến OpenAI là gì?”. Nó sẽ truy cập vào công cụ thực thi và mang đến tin tức mới nhất liên quan đến OpenAI.

Hướng dẫn từng bước: Kết nối MCP Servers với AI Agents trong n8n

Yêu cầu

Hiện tại, điều này chỉ khả dụng trên phiên bản local hosted vì nó chỉ là một community server. Tất cả những gì bạn đang thấy (công cụ MCP) thực sự là một community node. Do đó, bạn cần đảm bảo rằng bạn đang ở trong phiên bản local hosted của mình.

Tùy thuộc vào phiên bản local hosted bạn đang sử dụng (npm hoặc Docker), yêu cầu sẽ thay đổi. Hãy xem hướng dẫn về cách chạy n8n cục bộ trên máy của bạn thông qua npm.

Cài đặt NN Nodes dmcp

Đăng nhập vào tài khoản của bạn trên Local Host. Đi tới cài đặt (settings), nhấp vào community nodes và tìm kiếm NN nodes mCP, sau đó cài đặt nó.

Bạn sẽ thấy NN noes dmcp trong community noes của mình.

Thêm MCP Client Tool vào AI Agent

Tạo một workflow mới. Thêm một AI agent. Chọn một chat model (ví dụ: OpenAI).

Nhấp vào tools và tìm kiếm MCP. Nếu bạn đã cài đặt node chính xác, MCP client tool sẽ hiển thị ở đây. Nếu nó không hiển thị, bạn cần cài đặt nó.

Thiết lập Credentials

Nhấp vào MCP client tool. Thêm credentials của bạn. Nhấp vào “Create new credentials”.

Credentials setup này hơi khác so với setups thông thường của bạn. Bạn cần cung cấp command, arguments và environments cho setup cụ thể này.

Đi tới từng MCP server mà bạn muốn kết nối. Ví dụ: nếu bạn muốn kết nối với Firecrawl, hãy truy cập Firecrawl MCP server. Nó sẽ cung cấp tất cả các thông tin và hướng dẫn khác nhau mà bạn cần để kết nối với Firecrawl server này.

Sao chép command, argument và environment.

Thiết lập Firecrawl Credentials

Trong Firecrawl MCP credential setup:

Command: npx
Argument: dasy firecrawl mCP
Environment: firecrawl Api = API key của bạn

Đi tới MCP Dev portal để tạo API key miễn phí. Sao chép và dán API key của bạn. Nhấp vào Save.

XEM THÊM: Doneness là gì? 3 điều về Doneness nhân viên nhà hàng nên biết

Thiết lập Brave Search Credentials

Brave Search cũng tương tự. Tạo một API key miễn phí.

Trong Brave Search API credentials:

Command: npx
Argument: [argument]
Environment: Brave API key = API key của bạn

Dán API key của bạn. Nhấp vào Save.

Sử dụng List Tool và Execute Tool

Công cụ đầu tiên mà bạn sẽ kết nối là “List Tool”. Công cụ thứ hai là “Execute Tool”.

Đối với “Execute Tool”, bạn cần cung cấp một tên công cụ. Bạn có thể sử dụng AI function để lấy tên công cụ một cách động.

Trong tool name, hãy sử dụng lệnh từ AI tool đã chọn để thực thi.

Đối với tool parameter, hãy nhấp vào biểu tượng ba sao để xác định nó tự động bằng model.

Đặt tên cho chúng để dễ dàng quản lý: ví dụ: “Firecrawl List” và “Firecrawl Execute”.

Kiểm tra Workflow

Nhấp vào “Open Chat”. Nhập “Bạn có những công cụ nào?”. Nó sẽ liệt kê tất cả các công cụ mà nó có quyền truy cập.

Sau đó, bạn có thể yêu cầu nó cào một trang web. Nó sẽ sử dụng công cụ thích hợp và cung cấp cho bạn thông tin mà bạn yêu cầu.

Cách hoạt động

Công cụ “List Tool” liệt kê tất cả các công cụ có sẵn. Nó cho biết tên của công cụ, mô tả và các lược đồ khác nhau mà nó cần quyền truy cập để thực hiện các tìm kiếm hoặc truy vấn được yêu cầu.

Công cụ “Execute Tool” sử dụng giá trị động để truy cập vào công cụ thích hợp và thực hiện chức năng một cách chính xác.

Kết luận

MCP loại bỏ sự cần thiết phải thêm các công cụ riêng lẻ và giúp bạn dễ dàng mở rộng quy mô AI agents. Bạn có thể sử dụng các server này và cung cấp chức năng cho các MCP server thay vì tạo các kết nối riêng lẻ theo cách thủ công.

Đây là vẻ đẹp của MCP server và đó là lý do tại sao nó có tiềm năng lớn khi thay đổi cách AI agents tiếp cận các nguồn dữ liệu hoặc API khác nhau. Thay vì sử dụng HTTP request tool để kết nối với các công cụ khác nhau, giờ đây bạn có thể chuyển tất cả các chức năng đó sang MCP server. Tất cả những gì bạn cần làm là đảm bảo rằng bạn đang đặt giá trị động và dựa trên truy vấn, nó sẽ tiếp cận công cụ thích hợp và lấy thông tin mà không cần bạn phải thực hiện bất kỳ kết nối thủ công nào.