MCP (Model Context Protocol) là giao thức mở giúp ứng dụng AI kết nối với công cụ, dữ liệu và hệ thống bên ngoài theo một chuẩn chung, thay vì phải viết một tích hợp riêng cho từng dịch vụ. Anthropic công bố MCP ngày 25/11/2024 (thông báo gốc); nhờ MCP, một AI agent có thể đọc tệp, tra cơ sở dữ liệu hay gọi API mà không cần lập trình lại cho từng model. Phần “bộ não” phía sau vẫn là một LLM gọi qua API key, xem cách lấy LLM API key miễn phí.
Các mục dưới đây giải thích MCP hoạt động ra sao, MCP server là gì, khi nào nên và không nên dùng. Nếu bạn dùng n8n, mục cuối có ví dụ dựng MCP server và MCP client ngay trong workflow.
MCP là gì?
MCP là một đặc tả (specification) công khai quy định cách ứng dụng AI và các dịch vụ bên ngoài trao đổi với nhau bằng thông điệp JSON-RPC 2.0. Dịch vụ nào đóng gói khả năng của mình thành MCP server thì mọi ứng dụng có MCP client đều dùng được, không phụ thuộc model hay hãng.
Tài liệu MCP ví giao thức này như một “cổng USB-C” cho AI, giúp các mô hình AI giao tiếp với nhiều công cụ, API hoặc nguồn dữ liệu mà không cần xây dựng từng kết nối riêng lẻ cho mỗi dịch vụ. Bên viết công cụ chỉ cần làm một MCP server, bên làm ứng dụng chỉ cần một MCP client.
Theo đặc tả MCP (bản hiện hành 2026-07-28, đối chiếu 29/10/2026), thiết kế của MCP lấy cảm hứng từ Language Server Protocol, chuẩn giúp trình soạn code hỗ trợ nhiều ngôn ngữ lập trình. MCP nay được quản lý dưới Agentic AI Foundation (AAIF) thuộc Linux Foundation, cùng với chuẩn Agent Skills.
MCP hoạt động như thế nào?
MCP chia hệ thống thành ba vai: host là ứng dụng người dùng mở (ứng dụng chat, trình soạn code, công cụ workflow), client là bộ kết nối nằm trong host, server là dịch vụ cung cấp công cụ và dữ liệu. Mỗi client nối với một server; model chỉ thấy danh sách công cụ mà host đưa cho nó.

- Tools (công cụ): hàm mà model được gọi, ví dụ tạo issue, gửi email, chạy truy vấn. Đây là phần hay dùng nhất.
- Resources (tài nguyên): dữ liệu để đọc như tệp, bản ghi, tài liệu, gắn với một URI.
- Prompts: mẫu lệnh hoặc quy trình dựng sẵn để người dùng chọn.
Về đường truyền, đặc tả định nghĩa hai cách chuẩn: stdio khi host tự chạy server như một tiến trình trên cùng máy, và Streamable HTTP khi server chạy ở xa, mỗi thông điệp là một request HTTP POST. Kiểu HTTP+SSE cũ đã bị đánh dấu ngừng dùng từ bản 2025-03-26.
Bản 2026-07-28 còn bỏ phiên làm việc ở tầng giao thức: mỗi request tự mang phiên bản giao thức và khả năng của client, server không cần bước bắt tay initialize nữa (changelog đặc tả). Ứng dụng và SDK cũ vẫn có thể dùng phiên bản cũ hơn, nên khi gặp tài liệu cũ nhắc tới “session” hay “SSE endpoint”, hãy kiểm phiên bản.
MCP server là gì?
MCP server là chương trình đứng trước một dịch vụ (kho mã, Google Drive, CRM, cơ sở dữ liệu, workflow) và mô tả khả năng của dịch vụ đó thành các tool, resource, prompt theo chuẩn MCP. Khi model chọn một tool, server nhận lời gọi, tự gọi dịch vụ phía sau rồi trả kết quả về.
- Server cục bộ: chạy trên máy bạn qua stdio, hợp với thao tác tệp, git, trình duyệt; dữ liệu không rời máy.
- Server từ xa: chạy trên máy chủ, truy cập qua URL; hợp với dịch vụ dùng chung cho cả nhóm, cần xác thực (token, OAuth).
- Server bọc API sẵn có: phần lớn MCP server chỉ là lớp mỏng phía trên một API REST, xem so sánh ở bài MCP và API trong AI agent.
MCP client là gì?
MCP client là phần nằm trong ứng dụng host, chuyển yêu cầu của AI agent tới MCP server để gọi các công cụ hoặc workflow tương ứng. Nó cũng nhận kết quả trả về từ server và chuyển tiếp cho AI Agent xử lý tiếp. Với server từ xa, client thường phải được cấu hình thông tin xác thực trước khi kết nối.
MCP khác với RAG: RAG lo phần tìm đúng đoạn tài liệu để model trả lời, còn MCP lo phần kết nối để model đọc dữ liệu và thực hiện hành động. Hai cách thường được dùng cùng nhau.
Tại sao nên dùng MCP?
MCP có ích khi một ứng dụng AI cần nối với nhiều công cụ, hoặc một công cụ muốn phục vụ nhiều ứng dụng AI. Thay vì mỗi cặp ứng dụng và công cụ cần một tích hợp riêng, mỗi bên chỉ làm một lần theo chuẩn chung; thêm hay bớt công cụ không phải sửa lại logic của agent.
Tăng tốc độ tích hợp và mở rộng
Bổ sung hoặc thay công cụ đơn giản hơn: chỉ cần thêm hoặc gỡ một MCP server. Bạn không cần cấu hình lại từng bước, giúp hệ thống linh hoạt, dễ mở rộng khi có nhu cầu mới hoặc thay đổi công nghệ.
Tối ưu hóa khả năng tự động hóa của AI
AI có thể truy xuất dữ liệu thời gian thực, sử dụng các công cụ bên ngoài, thay vì chỉ dựa vào dữ liệu đã học. Model tự chọn công cụ phù hợp dựa trên mô tả mà server cung cấp.
Thiết kế workflow đơn giản, trực quan
Trong các công cụ low-code như n8n, MCP có sẵn dưới dạng node: kéo thả node MCP và nối với công cụ cần dùng, không phải viết code gọi từng API.
Tăng tính bảo mật và kiểm soát
Đặc tả MCP có phần xác thực dựa trên OAuth cho server từ xa và yêu cầu host xin đồng ý của người dùng trước khi gọi tool. Các công cụ như n8n còn cho đặt Bearer token hoặc header riêng cho endpoint MCP.
Lưu ý bảo mật và khi nào không nên dùng MCP
Mỗi tool trong MCP là một đường để model chạy hành động thật, nên rủi ro chính đến từ server không tin cậy, quyền quá rộng và endpoint để lộ. Đặc tả MCP yêu cầu coi mô tả tool từ server lạ là dữ liệu không tin cậy và phải hỏi người dùng trước khi gọi tool.
- Chỉ cài server rõ nguồn gốc: mô tả tool có thể chứa lệnh ẩn (prompt injection) khiến agent làm việc ngoài ý muốn.
- Cấp quyền tối thiểu: token của server chỉ nên đọc/ghi đúng phần cần dùng; tách quyền đọc và quyền xoá.
- Không để endpoint công khai không xác thực: ai biết URL đều gọi được tool. Đặt Bearer token hoặc OAuth và đổi URL nếu đã lỡ chia sẻ.
- Giữ API key ở phía server: lưu trong biến môi trường hoặc kho credential, không dán vào code public, đặt giới hạn chi tiêu và xoay key khi nghi lộ; xem cách bảo mật credentials và API key trong n8n.
MCP không cần thiết khi ứng dụng chỉ gọi một API cố định, luồng xử lý không đổi và không có AI tự chọn công cụ: gọi API trực tiếp vẫn đơn giản, dễ gỡ lỗi hơn. Với tác vụ cần độ trễ rất thấp hoặc khối lượng lớn, mỗi lớp trung gian thêm vào cũng là thêm một điểm cần giám sát.
Ví dụ: tạo MCP server và MCP client trong n8n
Ví dụ dưới đây dùng hai workflow n8n: workflow thứ nhất là MCP server, công khai một workflow sao lưu credential thành tool; workflow thứ hai là AI agent có MCP client, nhận lệnh qua khung chat rồi gọi tool đó. Giao diện n8n trong ảnh chụp tháng 07/2025, phiên bản mới có thể đã đổi.
Cấu hình MCP Server
Bước 1: Bạn tạo một workflow mới và thêm node MCP Server Trigger.

Bước 2: Nhấn vào dấu + ở mục Tools rồi chọn Call n8n Workflow Tool.

Cấu hình như sau:
- Description: Nhập mô tả cho tool
- Source: Chọn Database
- Workflow: Chọn workflow cần gọi.

Lưu ý: Bạn cần thêm node Execute Workflow trigger ở đầu workflow muốn gọi. Ví dụ: Tino sẽ gọi workflow “backup credential”.

Ngoài ra, bạn có thể thêm nhiều tool cùng lúc vào MCP Server.
Bước 3: Mở node MCP Server. Tại mục MCP URL, bạn sẽ chọn:
- Test URL: Nếu đang thử nghiệm.
- Production URL: Khi MCP Server đã được kích hoạt.
Copy 1 trong 2 đường link này.

Tại mục Authentication, nên chọn Bearer hoặc Header auth khi dùng Production URL; None chỉ nên dùng lúc thử nghiệm nội bộ. Theo tài liệu n8n, node này hỗ trợ SSE và Streamable HTTP, không hỗ trợ stdio.
Bước 4: Lưu workflow hiện tại.
Cấu hình MCP Client
Bước 1: Tạo một workflow mới và thêm node On chat Message.

Bước 2: Thêm node AI Agent và cấu hình:
Source for Prompt (User Message) -> Chọn Connected Chat Trigger Node để nhận dữ liệu từ node On chat Message.


- Model: Tino sẽ chọn Gemini. Tham khảo bài viết: Hướng dẫn cách lấy API Key của Google Gemini để sử dụng trong n8n
- Tool: Chọn MCP Client Tool. Khi node này được mở, bạn sẽ dán Test URL/Production URL đã copy ở phần cấu hình MCP Server vào ô endpoint (bản chụp ghi SSE Endpoint), chọn kiểu xác thực khớp với MCP Server. Còn lại, bạn có thể giữ mặc định.

Nhấn Save để lưu workflow.
Bước 3: Lúc này, bạn có thể gọi workflow được cấu hình sẵn trong MCP Server từ MCP Client bằng cách mở cửa sổ chat (Open Chat) rồi nhập yêu cầu.
Ví dụ:

Kết quả:


Khi nào cần dùng MCP trong n8n?
Bạn nên sử dụng MCP trong n8n trong các trường hợp sau:
- Khi muốn AI chủ động khai thác và điều khiển workflow: Nếu bạn cần AI Agent (như Claude, GPT, …) tự động truy xuất, phân tích dữ liệu, hoặc thực hiện hành động trên nhiều công cụ mà không cần cấu hình thủ công từng bước, MCP phù hợp.
- Khi cần tích hợp nhiều công cụ/phần mềm khác nhau: MCP phù hợp khi workflow của bạn cần kết nối với nhiều dịch vụ, API hoặc hệ thống khác nhau mà không muốn mất thời gian xây dựng từng connector riêng biệt.
- Khi xây dựng hệ thống linh hoạt, dễ mở rộng: Nếu bạn muốn workflow có thể dễ dàng bổ sung công cụ mới hoặc thay đổi mà không ảnh hưởng đến toàn bộ hệ thống, hãy dùng MCP để tận dụng tính mở rộng và chuẩn hóa của giao thức này.
- Khi phát triển các ứng dụng AI đa nhiệm, đa tác vụ: MCP cho phép xây dựng các AI agent có thể thực hiện nhiều tác vụ khác nhau như gửi email, truy xuất API, xử lý dữ liệu, hỗ trợ khách hàng,… chỉ với một cấu hình chung, tiết kiệm thời gian và công sức.
- Khi cần xây dựng workflow cho các kịch bản phức tạp: Ví dụ: Tự động gửi email tùy chỉnh, truy xuất và xử lý dữ liệu từ API, xây dựng trợ lý giọng nói AI, hoặc các hệ thống hỗ trợ khách hàng đa kênh—MCP giúp tách phần công cụ khỏi phần agent nên dễ thêm kênh mới.
Muốn tự host n8n để chạy MCP server 24/7 mà không tự cài? VPS n8n của Tino cài sẵn n8n trên VPS NVMe đặt tại Việt Nam. Xem cấu hình và giá trên trang sản phẩm. Cần chạy agent cá nhân thay vì workflow, xem chọn VPS chạy AI agent.
Câu hỏi thường gặp
Những ứng dụng nào dùng được MCP?
Có thể tự host MCP Server không hay phải dùng dịch vụ cloud?
Có. MCP server cục bộ chạy ngay trên máy tính; server từ xa có thể đặt trên VPS hoặc dịch vụ cloud, miễn là có HTTPS, xác thực và đủ tài nguyên cho tác vụ.
MCP có mất phí không?
Bản thân đặc tả MCP và các SDK chính thức là mã nguồn mở, không thu phí. Chi phí thường đến từ model AI gọi qua API (tính theo token) và máy chủ chạy MCP server; xem cách tính token và credit của AI.
Tại sao tôi bị lỗi “Missing node to start execution” khi gọi workflow từ MCP Server?
Vì workflow bạn muốn gọi không có trigger phù hợp. Bạn cần thêm node Execute Workflow Trigger và đảm bảo node đó đang được kích hoạt.
