เครื่องมือ MCP คืออะไร และโมเดล AI ใช้งานอย่างไร

เครื่องมือ MCP คือฟังก์ชันที่โมเดล AI เรียกใช้ได้เพื่อทำงานบางอย่างนอกบทสนทนา เช่น ค้นหาโน้ตของคุณหรือคิวรีฐานข้อมูล เครื่องมือแต่ละตัวอยู่บนเซิร์ฟเวอร์ MCP (Model Context Protocol) และมีชื่อกับคำอธิบายสั้น ๆ ที่ช่วยให้โมเดลตัดสินใจว่าควรใช้เครื่องมือนั้นเมื่อใด

คำว่า "เครื่องมือ MCP" ยังถูกใช้ในความหมายอื่นด้วย ในการใช้งานทั่วไป ผู้คนมักพูดว่า "เครื่องมือ MCP" ทั้งที่หมายถึงเซิร์ฟเวอร์ MCP (แอปพลิเคชันที่มีเครื่องมือให้ใช้) หรือไดเรกทอรีที่รวบรวมรายชื่อเซิร์ฟเวอร์เหล่านั้น นอกจากนี้ MCP Tools ยังเป็นชื่อของโปรแกรมบรรทัดคำสั่งสำหรับแสดงรายการและเรียกใช้เครื่องมือบนเซิร์ฟเวอร์ MCP อีกด้วย

คู่มือนี้พูดถึงฟังก์ชันของโปรโตคอล ไม่ใช่เซิร์ฟเวอร์ ไดเรกทอรี หรือบรรทัดคำสั่ง โดยจะอธิบายว่าเครื่องมือประกอบด้วยอะไรบ้าง เซิร์ฟเวอร์มีเครื่องมือประเภทใดให้ใช้ และเครื่องมือแตกต่างจากทรัพยากร พรอมต์ และการเรียกใช้ฟังก์ชันอย่างไร จากนั้นจะพาไล่ดูขั้นตอนที่โมเดลใช้ในการเรียกใช้เครื่องมือ และปิดท้ายด้วยปัญหาที่พบบ่อยที่สุดในการใช้งานเครื่องมือเหล่านี้

เครื่องมือ MCP คืออะไร

เครื่องมือ MCP คือฟังก์ชันที่ช่วยให้โมเดล AI ทำงานร่วมกับแอปพลิเคชันซอฟต์แวร์อื่น ๆ ได้ ตัวอย่างเช่น เอเจนต์ AI และเวิร์กโฟลว์ของผู้เขียนใช้เครื่องมือ MCP เพื่อร่างอีเมลใน Gmail (create_draft) สร้างการ์ดใน Trello (trelloWriteCard) และดึงผลการค้นหาแบบเรียลไทม์จาก DataForSEO (serp_organic_live_advanced) ซึ่งเป็นเพียงตัวอย่างส่วนหนึ่งเท่านั้น

แอปซอฟต์แวร์มักมีเครื่องมือ MCP หลายตัวบนเซิร์ฟเวอร์ MCP ของตน ตัวอย่างเช่น ปัจจุบันเซิร์ฟเวอร์ MCP ของ Trello มีเครื่องมือ MCP 14 ตัว ซึ่งช่วยให้โมเดล AI อ่านและอัปเดตบอร์ด รายการ เช็กลิสต์ การ์ด และอื่น ๆ ได้

และเนื่องจาก MCP กำหนดมาตรฐานของวิธีอธิบายและนำเสนอเครื่องมือ แอป AI ใดก็ตามที่รองรับโปรโตคอลนี้จึงสามารถใช้เครื่องมือ MCP ตัวเดียวกันได้

องค์ประกอบของเครื่องมือ MCP

เครื่องมือ MCP ทุกตัวประกอบด้วย 3 ส่วน:

• ชื่อ: ตัวระบุสั้น ๆ ที่โมเดลใช้เมื่อเรียกใช้เครื่องมือ (เช่น get_event ใน Google Calendar)
• คำอธิบาย: คำอธิบายด้วยภาษาที่เข้าใจง่ายว่าเครื่องมือทำอะไรและมีประโยชน์เมื่อใด โมเดลภาษาขนาดใหญ่ (LLM) จะอ่านคำอธิบายนี้เพื่อตัดสินใจว่าเครื่องมือเหมาะกับคำขอของคุณหรือไม่ (เช่น "Returns a single event on the given calendar.")
• อินพุต: ข้อมูลที่เครื่องมือต้องใช้ในการทำงาน เช่น ชื่อลูกค้าและวันที่สำหรับการค้นหาโน้ต อินพุตนี้เขียนในรูปแบบ JSON และนักพัฒนาเรียกว่าสคีมาอินพุต (input schema) เพราะเป็นตัวกำหนดรูปแบบของอินพุตแต่ละรายการ (ข้อความ ตัวเลข หรือรายการ)

ขยาย

เครื่องมือบางตัวมีเมตาดาต้าเพิ่มเติม ได้แก่ ชื่อที่แสดง คำอธิบายผลลัพธ์ที่เครื่องมือส่งกลับ (สคีมาเอาต์พุต) และคำอธิบายประกอบ (annotations) เกี่ยวกับลักษณะการทำงานของเครื่องมือ

โมเดล AI ไม่เคยเห็นโค้ดเบื้องหลังเครื่องมือ แต่ทำงานจากสิ่งที่เครื่องมือบอกเกี่ยวกับตัวเอง ดังนั้นชื่อหรือคำอธิบายที่คลุมเครือจึงทำให้โมเดลเลือกเครื่องมือผิด

เครื่องมือ MCP มีประเภทใดบ้าง

เครื่องมือ MCP แบ่งออกเป็น 4 กลุ่มตามหน้าที่:

• เครื่องมือค้นหาและเรียกดูข้อมูล: ค้นหาหรือดึงข้อมูล (เช่น ค้นหาโน้ต อ่านไฟล์ หรือคิวรีฐานข้อมูล)
• เครื่องมือดำเนินการ: สร้างหรือเปลี่ยนแปลงบางอย่างในแอปอื่น (เช่น เพิ่มงาน สร้างกิจกรรมในปฏิทิน เปิดตั๋วขอความช่วยเหลือ หรือส่งอีเมล)
• เครื่องมือประมวลผลข้อมูล: แปลงหรือวิเคราะห์ข้อมูล (เช่น วิเคราะห์ไฟล์สเปรดชีตหรือคำนวณ)
• เครื่องมือระบบ: โต้ตอบกับระบบภายในเครื่อง (เช่น รันคำสั่งในเทอร์มินัล)

เครื่องมือ MCP เทียบกับทรัพยากร & พรอมต์

นอกจากเครื่องมือ MCP แล้ว เซิร์ฟเวอร์ MCP ยังมีองค์ประกอบพื้นฐานอีก 2 ประเภท ซึ่งโปรโตคอลเรียกว่า primitive ได้แก่ ทรัพยากรและพรอมต์

ขยาย

ตัวอย่างเช่น เซิร์ฟเวอร์ MCP อย่างเป็นทางการของ GitHub มี:

• เครื่องมือชื่อ issue_write ที่สร้างหรืออัปเดต issue
• ทรัพยากรชื่อ repository_content ที่ให้สิทธิ์เข้าถึงไฟล์ในรีโพสิทอรี
• พรอมต์ชื่อ issue_to_fix_workflow ที่ตั้งค่าขั้นตอนสำหรับรายงานปัญหาเป็น issue และให้เอเจนต์เขียนโค้ด Copilot ของ GitHub สร้าง pull request เพื่อแก้ไขปัญหานั้น

ความแตกต่างอยู่ที่หน้าที่ของแต่ละอย่าง และใครเป็นผู้ตัดสินใจว่าจะใช้เมื่อใด ไม่ว่าจะเป็นตัวคุณเอง แอป AI ที่คุณกำลังใช้งาน (เช่น Perplexity) หรือโมเดล AI ที่ทำงานอยู่ภายในแอปนั้น

• เครื่องมือ MCP ใช้ดำเนินการหรือค้นหาข้อมูล โมเดล AI จะตัดสินใจเองโดยอัตโนมัติว่าจะเรียกใช้เครื่องมือเมื่อใด และแอป AI ของคุณจะส่งต่อการเรียกนั้นไปยังเซิร์ฟเวอร์ โมเดล AI ของคุณเป็นผู้เลือกเครื่องมือ ส่วนแอป AI ของคุณควรแสดงการเรียกแต่ละครั้งให้คุณเห็นและให้คุณปฏิเสธได้
• ทรัพยากร คือเนื้อหาที่มีอยู่บนเซิร์ฟเวอร์ MCP เช่น ไฟล์หรือชุดระเบียนข้อมูล ซึ่งแต่ละรายการมีที่อยู่ของตัวเอง (URI) แอป AI ของคุณจะสอบถามเซิร์ฟเวอร์ว่ามีทรัพยากรใดบ้าง อ่านทรัพยากรที่ต้องการผ่านที่อยู่ของทรัพยากรนั้น แล้วเพิ่มเนื้อหาลงในบทสนทนาเป็นบริบท
• พรอมต์ คือเทมเพลตข้อความสำเร็จรูปที่เซิร์ฟเวอร์จัดเตรียมไว้ บางครั้งมีช่องว่างให้คุณกรอก แอป AI ของคุณจะแสดงพรอมต์ที่มีให้ใช้ และคุณเป็นผู้เลือกเอง ซึ่งมักทำผ่านคำสั่งแบบสแลช (slash command)

โมเดล AI ใช้เครื่องมือ MCP อย่างไร

โมเดล AI ใช้เครื่องมือ MCP ใน 5 ขั้นตอน ได้แก่ การค้นพบ การเลือกเครื่องมือ การเรียกใช้ ผลลัพธ์ และการจัดการข้อผิดพลาด โดยแอป AI ของคุณเป็นตัวกลางส่งต่อทุกอย่างระหว่างโมเดลกับเซิร์ฟเวอร์

ขยาย

สมมติว่าคุณขอให้แอป AI ตรวจสอบรายการ "This week" ใน Trello ของคุณ แล้วร่างอีเมลถึงบรรณาธิการเพื่ออัปเดตความคืบหน้า นี่คือสิ่งที่เกิดขึ้นตั้งแต่ต้นจนจบ:

1. การค้นพบ: เมื่อแอป AI ของคุณเชื่อมต่อกับเซิร์ฟเวอร์ MCP ผ่านไคลเอนต์ MCP แอปจะขอรายการเครื่องมือที่เซิร์ฟเวอร์มีให้ใช้ (คำขอที่เรียกว่า tools/list) LLM จะเห็นเฉพาะสิ่งที่แอปส่งต่อมาเท่านั้น ได้แก่ ชื่อ คำอธิบาย และอินพุตของเครื่องมือแต่ละตัว
2. การเลือกเครื่องมือ: โมเดล AI จะเปรียบเทียบคำขอของคุณกับคำอธิบายเหล่านั้นแล้วเลือกเครื่องมือที่เหมาะสม ในกรณีนี้คือ trelloReadList ของ Trello สำหรับอ่านรายการ และ create_draft ของ Gmail สำหรับเขียนอีเมล นอกจากนี้โมเดลยังกรอกอินพุตให้ด้วย เช่น จะอ่านรายการใด
3. การเรียกใช้: โมเดลจะตอบกลับด้วยคำขอแบบมีโครงสร้างเพื่อรันเครื่องมือ (ขั้นตอนที่เรียกว่า "การเรียกใช้ฟังก์ชัน" หรือ function calling) แอป AI ของคุณจะส่งคำขอนั้นไปยังเซิร์ฟเวอร์ที่ถูกต้อง (คำขอ tools/call) และควรแสดงการเรียกนั้นให้คุณเห็นและให้คุณปฏิเสธได้ด้วย
4. ผลลัพธ์: เซิร์ฟเวอร์จะรันฟังก์ชันและส่ง result กลับมา ซึ่งในกรณีนี้คือการ์ดในรายการของคุณ แอป AI ของคุณจะเพิ่มผลลัพธ์ลงในบทสนทนา จากนั้นโมเดลจะตัดสินใจว่าจะทำอะไรต่อ ระหว่างตอบคุณหรือเรียกใช้เครื่องมืออื่น เช่น create_draft พร้อมอีเมลที่อิงจากการ์ดเหล่านั้น
5. การจัดการข้อผิดพลาด: หากเครื่องมือทำงานแต่ล้มเหลว เช่น เพราะไม่มีรายการนั้นอยู่ ข้อผิดพลาดจะถูกส่งกลับมาเป็นส่วนหนึ่งของผลลัพธ์ โมเดลสามารถอ่านข้อผิดพลาดนั้นแล้วลองใหม่ด้วยอินพุตที่ต่างออกไปได้ แต่หากตัวคำขอเองมีปัญหา เช่น เพราะเรียกใช้เครื่องมือที่เซิร์ฟเวอร์ไม่มี แอปจะได้รับข้อผิดพลาดของโปรโตคอลแทน ซึ่งโมเดลมีโอกาสกู้คืนได้น้อยกว่า

ประเด็นสำคัญคือ โมเดลเลือกเครื่องมือจากคำอธิบายของเครื่องมือเพียงอย่างเดียว และแอป AI ของคุณเป็นผู้สื่อสารกับเซิร์ฟเวอร์ทั้งหมด

ปัญหาที่พบบ่อยของเครื่องมือ MCP และวิธีหลีกเลี่ยง

ปัญหาของเครื่องมือ MCP มาจาก 4 เรื่อง ได้แก่ จำนวนเครื่องมือที่เชื่อมต่อ วิธีตั้งชื่อและเขียนคำอธิบายเครื่องมือ ปริมาณข้อมูลที่เครื่องมือส่งกลับ และเซิร์ฟเวอร์ที่เป็นแหล่งที่มาของเครื่องมือ

ต่อไปนี้คือลักษณะของแต่ละปัญหาและสิ่งที่ช่วยได้:

ทำไมเครื่องมือ MCP จึงต้องได้รับการอนุมัติจากคุณ

เครื่องมือ MCP ต้องได้รับการอนุมัติจากคุณ เพราะหากไม่มีการอนุมัติ โมเดล AI อาจทำการเปลี่ยนแปลงที่คุณไม่ได้ตั้งใจ หรือแชร์ข้อมูลที่ละเอียดอ่อนกับเซิร์ฟเวอร์ที่คุณไม่ได้ควบคุม

การตีความคำขอผิดหรือเครื่องมือที่มีคำอธิบายคลุมเครืออาจทำให้เกิดการดำเนินการที่ผิดพลาด นอกจากนี้ การเรียกใช้ทุกครั้งยังส่งข้อมูลบางส่วนของคุณไปยังเซิร์ฟเวอร์ด้วย

ด้วยเหตุนี้ โปรโตคอลจึงคาดหวังให้แอป AI มีมนุษย์คอยกำกับดูแลอยู่ในกระบวนการเสมอ พร้อมความสามารถในการปฏิเสธการเรียกใช้เครื่องมือใดก็ได้

ต่อไปนี้คือวิธีที่ใช้ได้จริงในการจัดกลุ่มเครื่องมือตามระดับการตรวจสอบที่ต้องการ:

• การดำเนินการที่อ่านอย่างเดียว: การค้นหาข้อมูล เช่น การอ่านรายการด้วย trelloReadList ของ Trello จะไม่เปลี่ยนแปลงอะไรเลย การเรียกใช้ประเภทนี้จึงทำงานได้โดยไม่ต้องขออนุญาตก่อน ตราบใดที่แอป AI ของคุณแสดงว่าเครื่องมือใดทำงานและค้นหาอะไร
• การดำเนินการที่ย้อนกลับได้: การสร้างร่างอีเมลด้วย create_draft ของ Gmail หรือการเพิ่มการ์ด Trello เป็นการเปลี่ยนแปลงที่คุณย้อนกลับได้ ควรตรวจสอบอินพุตก่อนที่การเรียกใช้จะทำงาน
• การดำเนินการที่ย้อนกลับไม่ได้: การส่งอีเมลด้วย send_message ของ Gmail การลบระเบียนข้อมูล หรือสิ่งใดก็ตามที่เกี่ยวข้องกับการชำระเงินหรือข้อมูลที่ละเอียดอ่อนไม่สามารถย้อนกลับได้ ควรให้สิทธิ์อย่างชัดแจ้งสำหรับการดำเนินการเหล่านี้ทุกครั้ง

การใช้เครื่องมือ MCP ใน Perplexity

Perplexity ทำงานกับเครื่องมือ MCP ได้ทั้งสองทิศทาง กล่าวคือ สามารถใช้เครื่องมือจากเซิร์ฟเวอร์ MCP ที่คุณเชื่อมต่อ และยังมีเครื่องมือของตัวเองให้แอป AI อื่น ๆ ใช้งานด้วย

• เชื่อมต่อเซิร์ฟเวอร์ MCP กับ Perplexity: ในแพ็กเกจ Pro, Max และ Enterprise คุณสามารถเชื่อมต่อ Perplexity กับเครื่องมือหรือแหล่งข้อมูลภายนอกใดก็ได้ที่มีเซิร์ฟเวอร์ MCP และนำไปใช้ในคำตอบและเวิร์กโฟลว์แบบเอเจนต์ของ Perplexity Computer ได้ ในแอป Mac คุณยังสามารถเชื่อมต่อเซิร์ฟเวอร์ MCP ที่ทำงานบนคอมพิวเตอร์ของคุณได้อีกด้วย
• ใช้เครื่องมือของ Perplexity ในแอป AI อื่น ๆ: เซิร์ฟเวอร์ MCP ของ Perplexity มีเครื่องมือ 4 ตัว (perplexity_search, perplexity_ask, perplexity_research และ perplexity_reason) ให้แอป AI ใดก็ได้ที่รองรับเซิร์ฟเวอร์ MCP ระยะไกล เช่น Claude Code นำไปใช้งาน นอกจากนี้ยังมีเซิร์ฟเวอร์แยกต่างหากที่ช่วยให้แอป AI อื่น ๆ ส่งต่องานแบบหลายขั้นตอนให้ Perplexity Computer ได้

คำถามที่พบบ่อยเกี่ยวกับเครื่องมือ MCP

MCP เป็นแค่การเรียกใช้เครื่องมือใช่หรือไม่

ไม่ใช่เลย MCP ไม่ได้เป็นแค่การเรียกใช้เครื่องมือ การเรียกใช้เครื่องมือ (tool calling) คือวิธีที่โมเดลร้องขอเครื่องมือ ส่วน MCP คือวิธีที่แอป AI ค้นหาเครื่องมือและส่งการเรียกแต่ละครั้งไปยังเซิร์ฟเวอร์ที่รันเครื่องมือนั้น

การเรียกใช้เครื่องมือ (หรือที่เรียกว่าการเรียกใช้ฟังก์ชัน) คือส่วนงานของโมเดล AI โดยโมเดลจะเห็นรายการเครื่องมือและตอบกลับด้วยคำขอให้รันเครื่องมือตัวใดตัวหนึ่ง หากใช้การเรียกใช้เครื่องมือเพียงอย่างเดียว แอป AI แต่ละแอปต้องกำหนดและรันเครื่องมือทุกตัวเอง

MCP ช่วยให้เครื่องมืออยู่บนเซิร์ฟเวอร์ได้ แอป AI ใดก็ตามที่รองรับ MCP จึงสามารถนำเสนอเครื่องมือเหล่านั้นให้โมเดลของตน และส่งคำขอของโมเดลไปยังเซิร์ฟเวอร์ที่ถูกต้องได้

MCP จะมาแทนที่ API หรือไม่

คำตอบคือไม่ MCP จะไม่มาแทนที่ API เพราะMCP และ API ทำงานร่วมกัน เครื่องมือ MCP มักทำงานอยู่บน API ที่มีอยู่แล้ว และเมื่อโมเดลเรียกใช้เครื่องมือ โดยทั่วไปเซิร์ฟเวอร์ MCP จะส่งคำขอ API

แอป AI ใดบ้างที่รองรับเครื่องมือ MCP

เครื่องมือ MCP ใช้งานได้ในผู้ช่วย AI อย่าง Claude, ChatGPT และ Perplexity รวมถึงเครื่องมือสำหรับนักพัฒนาอย่าง Visual Studio Code และ Cursor เอกสารประกอบของ MCP ระบุชื่อแอปเหล่านี้ไว้ และระบุว่ายังมีแอปอื่น ๆ อีกมากมายที่รองรับเช่นกัน

ตัวโมเดล AI เองต้องรองรับ MCP ด้วยหรือไม่

ไม่ต้อง โมเดล AI ไม่จำเป็นต้องรองรับ MCP เพราะแอป AI ของคุณเป็นผู้จัดการโปรโตคอล แอปจะเชื่อมต่อกับเซิร์ฟเวอร์ ส่งต่อเครื่องมือของเซิร์ฟเวอร์ให้โมเดล และส่งคำขอเรียกใช้เครื่องมือของโมเดลกลับไปยังเซิร์ฟเวอร์ที่ถูกต้อง โมเดลเพียงแค่ต้องรองรับการเรียกใช้ฟังก์ชันเท่านั้น

MCP กำลังจะล้าสมัยหรือไม่

คำตอบคือไม่ เพราะ MCP ยังอยู่ระหว่างการพัฒนาอย่างต่อเนื่อง ผู้ดูแลได้เปิดตัวข้อกำหนด MCP เวอร์ชันใหม่ในเดือนกรกฎาคม 2026 และเผยแพร่โรดแมปฉบับอัปเดตในเดือนสิงหาคม 2026 ซึ่งรวมถึงงานที่จะช่วยให้เซิร์ฟเวอร์เปิดเผยเครื่องมือของตนทีละน้อยเมื่อบทสนทนามีขอบเขตแคบลง