MCP vs API: Vì sao AI Agent của bạn cứ chọn sai công cụ?

Một API doanh nghiệp có thể ẩn tới 100 endpoint. AI Agent bạn vừa build phải tự đoán xem nên gọi cái nào cho đúng việc.

😵 Vì sao API truyền thống làm khó AI Agent

API truyền thống phục vụ lập trình viên: họ đọc tài liệu rồi tự chọn đúng endpoint cần gọi. Một hệ thống doanh nghiệp lớn có thể có 75 đến 100 endpoint khác nhau. Bạn đưa danh sách đó cho LLM, agent rơi vào choice overload, chọn sai endpoint hoặc đứng im không hành động. Agent còn phải tự dịch ý định ngôn ngữ tự nhiên của người dùng sang schema cứng nhắc của từng endpoint, tốn thêm một bước xử lý trung gian. Nặng hơn, API truyền thống không có self-discovery: agent không biết runtime có công cụ gì ngoài những gì bạn đã hard-code sẵn.

MCP giải quyết đúng ba điểm nghẽn đó

Model Context Protocol (MCP) gói hàng chục endpoint thô thành các capability ở mức cao, agent hiểu ngay lập tức. MCP hỗ trợ dynamic discovery tại runtime: agent tự dò server nào đang cung cấp công cụ gì. Giao thức này chuẩn hóa cách agent giao tiếp với nhiều hệ thống khác nhau bằng một chuẩn chung duy nhất.

Google Cloud vừa chính thức hóa MCP

Google Cloud công bố các MCP server chính thức, quản lý hoàn toàn và chạy từ xa, mở rộng trên hạ tầng sẵn có gồm Cloud API Registry và Apigee API Hub. Bạn tìm được MCP tool đáng tin cậy từ Google, như Maps, BigQuery, GKE, Compute Engine, hoặc từ chính tổ chức mình. Quyền truy cập đi qua Google Cloud IAM. Audit logging theo dõi từng hành động của agent, còn Model Armor chặn các mối đe dọa như tấn công indirect prompt injection.

Khi nào dùng MCP, khi nào dùng API

Dùng MCP khi agent cần tự khám phá và gọi công cụ động qua nhiều hệ thống lúc runtime. Dùng API truyền thống khi bạn cần kiểm soát trực tiếp, xác định cho một tích hợp cụ thể trong code ứng dụng. Hai cách này bổ sung cho nhau, không cách nào thay thế hoàn toàn cách còn lại.

Bạn đang build agent với MCP hay vẫn trung thành với REST API? Comment chia sẻ trải nghiệm của bạn nhé!

#AI #MCP #GoogleCloud #VibeAICoder