Ứng dụng MCP trong công việc - Phần 1 - Khi AI chưa chạm được vào tài liệu của team

Đây là phần đầu tiên trong series 3 phần về Model Context Protocol (MCP) và tự động hóa công việc. Series đi từ một bài toán thực tế tại team, giải mã kiến trúc MCP, rồi kết thúc bằng hướng dẫn tự xây dựng một MCP Server.

Mục tiêu cốt lõi của series: hiểu bản chất MCP và tự giải quyết bài toán của chính mình, kể cả khi bạn là thành viên non-tech.

Phần 1 sẽ đi qua:

• Khoảng cách giữa AI và công việc hằng ngày
• Bài toán thực tế: đồng bộ cập nhật giữa 2 tài liệu Google Docs
• Cơ chế xử lý 4 bước chỉ qua một câu lệnh chat

Khoảng cách giữa AI và công việc hằng ngày

Các mô hình AI hiện nay rất thông minh, nhưng trong công việc thực tế vẫn tồn tại một khoảng cách lớn:

• AI bị cô lập dữ liệu: Mô hình rất thông minh nhưng không thể tự đọc hoặc cập nhật trực tiếp vào Google Docs, Sheets hay thư mục nội bộ của dự án. Kết quả là ta phải copy-paste thủ công qua lại.
• Rào cản kỹ thuật: Trước đây, để kết nối AI vào công cụ, thành viên phải biết viết script, cấu hình API key và máy chủ phức tạp. Điều này khiến việc triển khai bị phụ thuộc và khó mở rộng.
• Kỳ vọng mới: Bất kỳ ai cũng có thể ra lệnh tự nhiên để AI tự động tìm, dịch và chèn dữ liệu chuẩn xác vào tài liệu của team, hướng tới mô hình tự vận hành linh hoạt.

Câu hỏi đặt ra là: Làm thế nào để kết nối trực tiếp AI vào tài liệu làm việc một cách an toàn và đơn giản nhất?

Bài toán thực tế: đồng bộ cập nhật giữa 2 tài liệu Google Docs

Team có hai tài liệu song song:

• File nguồn: tiếng Việt (Design Detail)
• File đích: tiếng Nhật

Mỗi khi có đoạn nội dung mới hoặc chỉnh sửa, tài liệu dự án cần được cập nhật đồng bộ. Dấu hiệu nhận biết là màu highlight vàng/cam tại đoạn sửa. Yêu cầu là add text chính xác vào đúng vị trí tương ứng bên file tiếng Nhật.

Nghe đơn giản, nhưng có khá nhiều ràng buộc:

• Team cập nhật thông tin và được highlight rõ ràng, nhưng các đoạn thay đổi nằm rải rác giữa nhiều mục khác nhau
• Đoạn dịch tiếng Nhật phải được chèn đúng vị trí mục
• Giữ nguyên cấu trúc đề mục, bảng biểu của khách hàng
• Cần dịch chính xác thuật ngữ sang tiếng Nhật
• Không chèn lệch dòng làm sai lệch văn cảnh

Mục tiêu: Thay vì rà soát từng dòng, chỉ cần một câu lệnh để AI tự tìm đoạn highlight và chèn đúng vị trí.

Cơ chế xử lý: 4 bước tự động hóa qua một câu lệnh chat

Người dùng chỉ cần nhắn:

Phía sau câu lệnh đó là 4 bước:

1. Quét đoạn highlight: Server gọi API Google Docs đọc cấu trúc tài liệu tiếng Việt và lọc ra chính xác các câu được đánh dấu highlight.
2. Dịch sát ngữ cảnh: Mô hình AI dịch đoạn văn sang tiếng Nhật chuẩn văn phong kỹ thuật, áp dụng đúng từ điển dự án đã quy định.
3. Định vị tương ứng: Xác định vị trí mục tiêu tương ứng trong file tiếng Nhật (tiêu đề mục, chỉ mục đoạn văn) để chuẩn bị chèn.
4. Thực thi chèn chuẩn: Server sẽ thực thi các hàm gọi API để chèn đoạn dịch tiếng Nhật vào đúng vị trí mà không làm xáo trộn layout gốc của khách hàng.

Tiếp theo

Vậy công nghệ gì giúp làm được việc này? Câu trả lời là Model Context Protocol (MCP).

Ở Phần 2, chúng ta sẽ giải mã MCP: nó là gì, kiến trúc 3 tầng hoạt động ra sao, và ba thành phần Tools, Resources, Prompts phối hợp với Model như thế nào để giải bài toán trên.

Tác giả: Dinh Tuan Anh ー SHIP Vietnam