ทำไม MCP server เปลี่ยนวิธีใช้ AI ตลอดไป

ปัญหาในปี 2024 ก่อน MCP

ตอนนั้นถ้าคุณอยากให้ ChatGPT/Claude/Gemini ทำงานจริง — ต้อง:

เขียน wrapper API ของตัวเอง
Function calling format ต่างกัน ระหว่าง provider — code redundant
Plugin ของ ChatGPT มีแต่ทำงานได้ใน ChatGPT เท่านั้น (และ ปิดตัวไปแล้ว!)
ไม่มี standard — ทุกบริษัทคิด protocol ของตัวเอง

ผลลัพธ์? Dev ใช้เวลามากในการ wrap APIs ของตัวเองครั้งแล้วครั้งเล่า

MCP คืออะไร?

Model Context Protocol = open standard ที่ Anthropic ออกในปี 2024 สำหรับให้ AI agent (Claude / Manus / GPT-4 / ฯลฯ) คุยกับ external tools

┌──────────┐         MCP          ┌─────────────────┐
│  Claude  │ ◀──────────────────▶ │ Your MCP Server │
│ /Manus   │     stdio/SSE        │ (Python/TS/Go)  │
│  /GPT    │                      │                 │
└──────────┘                      └────────┬────────┘
                                           │
                                           ▼
                                    Railway / DB / Files /
                                    APIs / Hardware / ฯลฯ

MCP แก้ปัญหายังไง:

ก่อน MCP	หลัง MCP
Plugin per provider	Server เดียวใช้กับทุก AI
Function format ต่างกัน	JSON-RPC standard
Closed (proprietary)	Open spec, MIT license
Hard to test	Standalone server ที่ test ได้แยก
Vendor lock-in	ย้าย AI provider โดยไม่แก้ tool

ตัวอย่างจริง: NirvaDeploy MCP

NirvaDeploy เป็น MCP server ตัวแรกๆ ที่ออกแบบมาเพื่อ Thai market — มี 16 tools ที่ AI agent เรียกใช้ผ่านบทสนทนาภาษาไทยได้:

@mcp.tool(
    name="nirvadeploy_list_projects",
    annotations={
        "readOnlyHint": True,
        "destructiveHint": False,
        "idempotentHint": True,
        "openWorldHint": True,
    },
)
async def nirvadeploy_list_projects() -> str:
    """แสดงรายชื่อโปรเจกต์ NirvaDeploy ทั้งหมด"""
    # ... call Railway GraphQL ...
    return formatted_thai_output

User คุยกับ Claude:

"ดูโปรเจกต์ใน NirvaDeploy ที"

Claude เห็น tool nirvadeploy_list_projects (จาก MCP) → เรียกใช้ → ได้ output ภาษาไทยกลับมา

3 concepts สำคัญ

1. Tools

Function ที่ AI agent เรียกได้. ทุก tool มี:

Name (nirvadeploy_list_projects)
Description (ภาษาไทยก็ได้)
Input schema (Pydantic / JSON Schema)
Return value (string ที่ AI อ่านได้)

2. Annotations

Metadata บอก AI ว่า tool นี้ "ทำอะไร":

readOnlyHint — อ่านอย่างเดียว? (AI เรียกได้อิสระ)
destructiveHint — undo ได้ไหม? (AI ต้องขอ confirm จาก user)
idempotentHint — เรียกซ้ำ = ผลเดิม? (AI retry ได้)
openWorldHint — ขึ้นกับ external state? (AI ไม่ควร cache)

3. Transport

วิธีที่ AI client คุยกับ MCP server:

stdio — local subprocess (Claude Desktop ใช้)
SSE/HTTP — hosted, network-accessible (สำหรับ web deploy)

ทำไมต้องเป็น MCP (ไม่ใช่ plain REST API)?

Plain REST API:

AI ต้องเขียน wrapper เพื่อ understand schema
ไม่มี annotation hints → AI อาจเรียกซ้ำ หรือ destructive โดยไม่ confirm
Provider-specific format → ทำใหม่กับทุก AI

MCP:

AI agent ที่ support MCP เรียก tool ได้ทันที (Claude, Manus, GPT-4 turbo, Cursor)
Annotation hints → AI ตัดสินใจถูก (confirm destructive, batch reads)
Server ตัวเดียว → ทำงานกับทุก AI client

Use cases ที่ Thai dev เริ่มทำได้แล้ว

Database admin via AI — "เพิ่มคอลัมน์ email_verified ใน users table"
DevOps via AI — "deploy service api ใหม่" (← NirvaDeploy)
CRM via AI — "ตอบ ticket ที่ค้าง > 24 ชม."
E-commerce via AI — "ดู order ที่ pending payment ของวันนี้"
Internal tools — สร้าง MCP server ภายในบริษัท ให้ AI เข้าถึงข้อมูล company

เริ่มยังไง?

A. ใช้ MCP server ที่มีอยู่

NirvaDeploy (PaaS): Nirvacore/nirvadeploy
GitHub: modelcontextprotocol/servers (Slack, Google Drive, Postgres, ฯลฯ)
ดูรายการเต็มที่ mcp-marketplace.com

B. เขียนเอง (ง่ายมาก)

Python + FastMCP:

from mcp.server.fastmcp import FastMCP
from pydantic import BaseModel, Field, ConfigDict

mcp = FastMCP("my_app")

class CountInput(BaseModel):
    model_config = ConfigDict(extra="forbid")
    text: str = Field(..., min_length=1)

@mcp.tool(
    name="count_words",
    annotations={"readOnlyHint": True, "destructiveHint": False,
                 "idempotentHint": True, "openWorldHint": False},
)
async def count_words(params: CountInput) -> str:
    return f"📊 มี {len(params.text.split())} คำ"

if __name__ == "__main__":
    mcp.run()

3 ขั้นตอน → MCP server พร้อมใช้

C. เชื่อมเข้า Claude Desktop

แก้ config:

{
  "mcpServers": {
    "my_app": {
      "command": "python",
      "args": ["/path/to/my_server.py"]
    }
  }
}

Restart Claude → เห็น tool ใหม่ทันที

ทำไมต้อง NirvaDeploy สำหรับ Thai dev?

ถ้าคุณจะเขียน MCP server → คุณต้อง deploy ที่ไหนสักที่.

NirvaDeploy:

PaaS ไทย ราคา ฿111/mo
เชื่อม Claude ผ่าน MCP ของเราเอง
Deploy MCP server ของคุณผ่าน Claude → ใช้ MCP เพื่อ deploy MCP! 🤯

ลองฟรี →

อ่านต่อ

Subscribe Line OA `@nirvadeploy` รับ updates เกี่ยวกับ MCP + AI dev ในไทย