Giải thích MCP siêu đơn giản và hướng dẫn kết nối MCP Server

Key Concepts

• Model Context Protocol (MCP): Một chuẩn mở giúp các mô hình ngôn ngữ lớn (LLMs) kết nối với các nguồn dữ liệu và công cụ bên ngoài một cách thống nhất.
• Cut-off Date: Thời điểm cuối cùng mà một mô hình ngôn ngữ lớn được học dữ liệu từ thế giới thực.
• MCP Host: Chương trình hoặc công cụ muốn truy cập hoặc kết nối đến các nguồn dữ liệu hoặc công cụ bên ngoài (ví dụ: LLMs, IDEs, công cụ AI).
• MCP Server: Máy chủ của các nguồn dữ liệu hoặc công cụ bên ngoài, phơi bày các API theo chuẩn MCP.
• MCP Client: Duy trì kết nối giữa MCP Host và MCP Server.
• Local Resources: File dữ liệu, cơ sở dữ liệu, dịch vụ, công cụ lưu trữ cục bộ.
• Remote Resources: Tài nguyên, công cụ có thể truy cập trên internet thông qua API.

Giới thiệu về MCP và Vấn Đề Của Các Mô Hình Ngôn Ngữ Lớn

• Vấn đề: Các mô hình ngôn ngữ lớn (LLMs) như Chat GPT, Gemini, Dipsic, Claude gặp phải các hạn chế như:
  • Cut-off date: Không biết thông tin sau thời điểm cut-off. Ví dụ, Gemini 1.0 Ultra có cut-off date là tháng 10/2023.
  • Không truy cập trực tiếp URL/webpage: Một số LLMs (ví dụ: Claude) không thể tóm tắt nội dung bài báo trên Wikipedia hoặc video YouTube trực tiếp.
  • Không truy cập file cục bộ: Không thể tóm tắt file doc, pdf trên máy tính hoặc truy cập cơ sở dữ liệu nội bộ của doanh nghiệp.
• Giải pháp: Kết nối LLMs với các công cụ và nguồn dữ liệu bên ngoài để khắc phục hạn chế.
  • Kết nối với nguồn dữ liệu cập nhật để giải quyết vấn đề cut-off.
  • Sử dụng công cụ trích xuất thông tin từ URL/webpage.
  • Sử dụng công cụ truy cập file cục bộ.
  • Cung cấp quyền truy cập vào cơ sở dữ liệu hoặc API của doanh nghiệp.
• Vấn đề mới: Mỗi LLM và công cụ/nguồn dữ liệu có quy chuẩn kết nối riêng, tạo ra sự phức tạp trong tích hợp.
• MCP ra đời: Giải quyết vấn đề này bằng cách cung cấp một chuẩn kết nối thống nhất.

Kiến trúc Tổng Quát của MCP

• MCP tuân theo kiến trúc server-client, bao gồm 5 thành phần chính:
  1. MCP Host: LLMs (Claude, Chat GPT, Gemini, Dipsic), IDEs (Pham, VS Code), công cụ AI khác.
  2. MCP Server: Máy chủ của GitHub, Google Drive, Notion, Slack, phơi bày API theo chuẩn MCP.
  3. MCP Client: Duy trì kết nối giữa MCP Host và MCP Server.
  4. Local Resources: File dữ liệu, cơ sở dữ liệu lưu trữ trên máy tính, ổ cứng rời, hoặc máy tính khác.
  5. Remote Resources: Tài nguyên truy cập qua internet thông qua API (Slack, Gmail, Calendar, GitHub, Google Drive).

Ví dụ Thực Tế: Kết Nối Claude với MCP Server

• Mục tiêu: Kết nối Claude với các công cụ bên ngoài để thực hiện nhiệm vụ mà Claude không thể làm được.
• Bước 1: Cài đặt Cloud Desktop.
• Bước 2: Cài đặt Node.js.
• Bước 3: Kết nối Claude với MCP Server "File System".
  • Truy cập GitHub repository "Model Context Protocol" của Anthropic.
  • Chọn repository "server".
  • Chọn MCP server "File System" để truy cập và thao tác với file dữ liệu trên máy tính.
  • Copy đoạn code cấu hình từ GitHub.
  • Mở Cloud Desktop, vào File > Settings > Developer > Edit Config.
  • Paste đoạn code vào file close-desktop-config.json.
  • Chỉnh sửa username và đường dẫn thư mục được phép truy cập (ví dụ: Desktop, Downloads).
  • Khởi động lại Cloud Desktop.
  • Đặt câu hỏi cho Claude về nội dung thư mục Desktop.
  • Cho phép Claude truy cập MCP server "File System".
  • Claude trả lời bằng cách liệt kê các file và thư mục trong Desktop.
• Bước 4: Kết nối Claude với MCP Server "Propertiier".
  • Chọn MCP server "Propertiier" để truy cập và tóm tắt nội dung video YouTube.
  • Copy đoạn code cấu hình từ GitHub.
  • Mở file close-desktop-config.json, thêm dấu phẩy sau cấu hình "File System", paste cấu hình "Propertiier".
  • Khởi động lại Cloud Desktop.
  • Đặt câu hỏi cho Claude về tóm tắt nội dung video YouTube.
  • Claude trả lời bằng cách tóm tắt nội dung video.

Kết luận

MCP là một giải pháp quan trọng để mở rộng khả năng của các mô hình ngôn ngữ lớn bằng cách kết nối chúng với các nguồn dữ liệu và công cụ bên ngoài. Việc sử dụng MCP giúp giải quyết các hạn chế về cut-off date, khả năng truy cập URL/webpage và file cục bộ. Video hướng dẫn cách kết nối Claude với MCP server "File System" và "Propertiier" là một ví dụ cụ thể về cách MCP có thể được sử dụng để cải thiện hiệu suất của LLMs.

Thông tin thêm về các khóa học AI

• Python và AI cơ bản: Dành cho người mới bắt đầu, dạy kiến thức cơ bản về Python và ứng dụng AI.
• Data và Machine Learning nâng cao: Dành cho người có kinh nghiệm lập trình, cung cấp kiến thức về data science, machine learning, xử lý ngôn ngữ tự nhiên và thị giác máy tính.
• Deep Learning for Computer Vision cơ bản: Dành cho người có kiến thức cơ bản về machine learning, giới thiệu về deep learning, CNN và bài toán image classification.
• Deep Learning for Computer Vision nâng cao: Dành cho người đã học khóa cơ bản, tìm hiểu về object detection, image segmentation, GANs và Docker.
• Toán dành cho AI: Dành cho người muốn theo đuổi AI nhưng còn yếu về toán, cung cấp kiến thức về xác suất thống kê, đại số tuyến tính và giải tích.