MCP คืออะไร? เข้าใจ Model Context Protocol ฉบับใช้งานจริง (อัปเดต spec 2026)

MCP คือ โปรโตคอลเปิด (open protocol) ที่ทำให้แอป AI เชื่อมต่อกับข้อมูลและเครื่องมือภายนอกได้ด้วยมาตรฐานกลางเพียงชุดเดียว ย่อมาจาก Model Context Protocol พัฒนาโดย Anthropic ก่อนมี MCP การต่อ AI เข้ากับ GitHub, ฐานข้อมูล หรือ Google Sheets ต้องเขียนโค้ดเฉพาะทางใหม่ทุกครั้ง หลังมี MCP เขียนตัวเชื่อมครั้งเดียว แล้วใช้ได้กับแอป AI ทุกตัวที่รองรับ ข้อควรรู้ก่อนอ่านต่อ: บทความนี้อ้างอิง spec ฉบับ 2026-07-28 ซึ่งเป็นฉบับล่าสุด ณ วันที่เขียน และมีจุดที่เปลี่ยนไปจากเดิมอย่างมีนัยสำคัญ — บทความภาษาไทยส่วนใหญ่ที่ยังค้างอยู่บนหน้าแรกของ Google อธิบายตาม spec ปี 2025 ซึ่งเลิกใช้แล้ว

MCP ย่อมาจากอะไร และประกอบด้วยอะไรบ้าง

MCP ย่อมาจาก Model Context Protocol เป็นมาตรฐานเปิดที่ Anthropic เปิดตัวปลายปี 2024 และเปิดให้ทุกคนนำไปใช้ได้ฟรี ตัว spec เองระบุว่าได้แรงบันดาลใจมาจาก Language Server Protocol (LSP) ที่ VS Code ใช้ — LSP ทำให้เขียนตัวรองรับภาษาโปรแกรมครั้งเดียวแล้วใช้ได้กับ editor ทุกตัว MCP ทำแบบเดียวกันกับเครื่องมือของ AI โครงสร้างมี 3 ส่วน ตามนิยามในเอกสารทางการ:

1. 1.Host — แอป AI ที่เป็นฝ่ายเริ่มการเชื่อมต่อ เช่น Claude Desktop, Claude Code, Cursor หรือแอปที่คุณเขียนเอง
2. 2.Client — ตัวเชื่อมที่อยู่ภายใน Host หนึ่ง Client ต่อหนึ่ง Server
3. 3.Server — บริการที่ยื่น context และความสามารถให้ เช่น ตัวที่ต่อกับ GitHub, ฐานข้อมูล หรือ API ภายนอก

spec 2026-07-28 เปลี่ยนอะไร (จุดที่บทความอื่นยังไม่อัปเดต)

นี่คือส่วนที่สำคัญที่สุดของบทความนี้ เพราะ spec ฉบับล่าสุดเปลี่ยนหลักการพื้นฐานไปเลย ของเดิม (spec ปี 2025): เชื่อมต่อแล้วสร้าง session ผูกกับ connection มี initialize handshake ตอนเริ่ม และ server สามารถส่ง request กลับมาหา client ได้ ของใหม่ (2026-07-28): เอกสารระบุว่า base protocol เป็น stateless, self-contained requests และ per-request capability negotiation — แปลว่าทุก request พกข้อมูลที่จำเป็นไปเองครบ ไม่ต้องพึ่ง session ที่ค้างอยู่ และ spec ระบุชัดว่า "servers do not initiate JSON-RPC requests and clients do not send JSON-RPC responses" ทำไมถึงสำคัญกับคนที่จะเอาไปใช้จริง: เมื่อ request ไม่ผูกกับ session การวาง load balancer หน้า MCP server หรือรันบน serverless กลายเป็นเรื่องปกติ แทนที่จะต้องทำ sticky session เหมือนเดิม สำหรับทีมที่คิดจะเอา MCP ขึ้น production นี่คือความต่างที่ตัดสินสถาปัตยกรรม

MCP ให้ความสามารถอะไรกับ AI บ้าง

spec แบ่งเป็นสิ่งที่ Server ยื่นให้ Client สามอย่าง และสิ่งที่ Client ยื่นกลับให้ Server อีกหนึ่งอย่าง:

• •Tools — ฟังก์ชันที่โมเดลสั่งทำงานได้ เช่น create_issue(), query_database()
• •Resources — ข้อมูลและ context สำหรับให้ผู้ใช้หรือโมเดลเอาไปใช้
• •Prompts — เทมเพลตข้อความและ workflow ที่เตรียมไว้ให้ผู้ใช้เรียก
• •Elicitation (ฝั่ง Client) — ช่องให้ Server ขอข้อมูลเพิ่มจากผู้ใช้ระหว่างทำงาน แทนที่จะเดาเอาเองหรือล้มไปเลย

ส่วนขยาย (Extensions) ที่เพิ่มเข้ามา

นอกเหนือจาก core protocol spec ยังนิยาม extensions ที่เป็น opt-in ทั้งสองฝั่งต้องรองรับถึงจะใช้ได้ ตัวที่น่าสนใจ:

• •Tasks — งานยาว ๆ ที่รันแบบ asynchronous มี polling, ส่งข้อมูลเพิ่มระหว่างทางได้ และมี durable handle
• •MCP Apps — UI จริงที่ฝังในบทสนทนาได้ เช่น กราฟ ฟอร์ม หรือวิดีโอ
• •Skills over MCP — ชุดคำสั่งแบบมีโครงสร้างสำหรับ workflow ของ agent

MCP ต่างจาก API ปกติยังไง

คำถามนี้เป็นคำที่คนไทยค้นหาบ่อยรองจาก "mcp คือ" คำตอบสั้นที่สุดคือ MCP ไม่ได้มาแทน API แต่มาห่อ API ให้ AI ใช้เป็น

ผมใช้ MCP ทำอะไรจริง ๆ บ้าง

ส่วนนี้ไม่ได้มาจากเอกสาร แต่มาจากการใช้งานทุกวัน — และผมคิดว่ามันตอบคำถามได้ตรงกว่าคำอธิบายเชิงทฤษฎี บทความที่คุณกำลังอ่านอยู่นี้ถูกผลิตด้วย MCP ทั้งกระบวนการ: ข้อมูล keyword ปริมาณค้นหาและ SERP ที่ใช้ตัดสินใจว่าจะเขียนเรื่องนี้ ดึงมาจาก DataForSEO MCP ส่วนรูปประกอบทุกใบสร้างผ่าน MCP อีกตัวหนึ่ง เวลาผมต้องเช็ก syntax ของไลบรารีที่เพิ่งอัปเดต ก็เรียก Context7 MCP ดึงเอกสารฉบับล่าสุดมาแทนที่จะเดาจากความจำของโมเดล รูปธรรมที่สุดคือ: จากเดิมที่ต้องเปิดเว็บ DataForSEO เอง export CSV แล้วมานั่งอ่านเอง กลายเป็นสั่งเป็นภาษาคนแล้วได้ตัวเลขกลับมาในบริบทเดียวกับที่กำลังเขียนอยู่

ต้นทุนจริง และกับดักที่ไม่มีใครเตือน

ตัว MCP ฟรี เป็นมาตรฐานเปิด ไม่มีค่าไลเซนส์ แต่ต้นทุนจริงมาจากสามทาง: 1. ค่าโมเดล — ค่า subscription หรือค่า API ของ AI ที่คุณใช้ (เทียบราคาแต่ละเจ้าไว้ที่ เปรียบเทียบต้นทุน AI ฉบับธุรกิจไทย) 2. ค่าบริการปลายทาง — MCP เป็นแค่สาย ถ้าปลายสายเป็นบริการที่คิดเงินต่อ request คุณก็จ่ายตามนั้น 3. ค่า context ที่โดนกินฟรี ๆ — ข้อนี้คือกับดักที่ผมเจอเอง ทุก MCP server ที่คุณต่อ จะยัดรายการ tool พร้อมคำอธิบายเข้าไปใน context ตั้งแต่ก่อนคุณพิมพ์ข้อความแรก ต่อไว้ 7-8 ตัวโดยไม่ได้ใช้ = จ่ายค่า token ทิ้งทุกครั้งที่คุยและเหลือที่ให้งานจริงน้อยลง คำแนะนำจากประสบการณ์: เปิดเฉพาะตัวที่ใช้ในงานนั้น ไม่ใช่ต่อทุกตัวที่หาเจอ

เริ่มใช้ MCP ยังไง

spec ฉบับนี้นิยาม transport มาตรฐานไว้ 2 แบบเท่านั้น คือ stdio (คุยผ่าน standard stream ของ subprocess ที่ client เปิดขึ้นมา) และ Streamable HTTP (ยิง HTTP POST ไปที่ endpoint เดียว ตอบกลับเป็น JSON หรือ SSE stream) ถ้าใช้บนเครื่องตัวเอง stdio คือแบบที่ง่ายที่สุดและตั้งค่าไม่กี่บรรทัด:

{
  "mcpServers": {
    "filesystem": {
      "command": "npx",
      "args": ["-y", "@modelcontextprotocol/server-filesystem", "/path/to/project"]
    }
  }
}

เปิดแอปใหม่ แล้วลองสั่งงานที่ต้องใช้ไฟล์จริงดู ถ้า AI ตอบได้ตรงกับสิ่งที่อยู่ในเครื่องคุณ แปลว่าต่อติดแล้ว ถ้าอยากเห็นภาพว่า MCP ไปอยู่ตรงไหนของระบบ agent ทั้งหมด อ่านต่อที่ Agent Harness คืออะไร และถ้าจะเริ่มลงมือกับ Claude โดยเฉพาะ มีคู่มือแยกไว้ที่ คู่มือ Claude Code