Triển khai Giao thức Model Context Protocol (MCP) Kết nối AI Agent Trực tiếp với Cơ sở Dữ liệu SQL, Google Workspace và GitHub Nội bộ

Trong suốt giai đoạn 2023–2024, mỗi khi doanh nghiệp muốn cho phép trợ lý AI tra cứu tồn kho trong PostgreSQL, kiểm tra lịch họp trên Google Calendar hay đọc Pull Request trên GitHub nội bộ, đội ngũ kỹ sư phải viết lại từ đầu các hàm Function Calling / Tool Use riêng biệt cho từng nền tảng (một bản cho OpenAI, một bản cho Claude, một bản cho Cursor IDE). Sự phân mảnh này chấm dứt hoàn toàn khi chuẩn mở Model Context Protocol (MCP) trở thành “cổng giao tiếp USB-C của thế giới Trí tuệ Nhân tạo”. Là tầng kết nối công cụ cốt lõi trong kiến trúc tự động hóa doanh nghiệp với AI Agent, RAG và n8n, bài viết kỹ thuật này hướng dẫn bạn cách tự xây dựng và triển khai MCP Server kết nối trực tiếp AI Agent với cơ sở dữ liệu SQL, Google Workspace và GitHub nội bộ kèm cơ chế bảo mật chống tấn công SQL Injection / Prompt Injection tuyệt đối.

1. Giải mã Kiến trúc Model Context Protocol (MCP): Host, Client và Server

Hiểu một cách ngắn gọn nhất, Model Context Protocol (MCP) là một giao thức chuẩn hóa dựa trên định dạng bản tin JSON-RPC 2.0, tách biệt hoàn toàn logic của ứng dụng AI khỏi logic kết nối dữ liệu nội bộ. Thay vì viết M × N bộ tích hợp cho M mô hình AI và N nguồn dữ liệu, doanh nghiệp chỉ cần viết 1 MCP Server duy nhất cho hệ thống ERP/CRM của mình, sau đó cả Claude Desktop, Cursor AI, lẫn máy chủ n8n Docker tự vận hành đều có thể cắm vào sử dụng ngay lập tức.

Một hệ sinh thái MCP hoàn chỉnh luôn bao gồm 3 thực thể và 3 loại nguyên hàm (Primitives):

• MCP Host (Ứng dụng chứa AI): Là phần mềm mà người dùng tương tác trực tiếp hoặc bộ điều phối chạy ngầm, ví dụ: ứng dụng Claude Desktop, trình soạn thảo lập trình Cursor AI, hoặc node AI Agent trên n8n v1.82.1.
• MCP Client (Trình quản lý kết nối): Nằm bên trong Host, duy trì kết nối 1-1 với từng MCP Server qua luồng vào/ra chuẩn (stdio) hoặc giao thức mạng (SSE / Streamable HTTP), thực hiện bắt tay khởi tạo (Handshake) để hỏi xem Server cung cấp những năng lực gì.
• MCP Server (Cầu nối dữ liệu nhẹ): Một tiến trình nhỏ bằng Python hoặc Node.js đứng trước PostgreSQL, Qdrant, GitHub hoặc Google Workspace, phơi bày ra 3 nguyên hàm chuẩn:
  1. Resources (Tài nguyên đọc bị động): Tương tự phương thức GET trong REST API — cung cấp nội dung file cấu hình, lược đồ bảng cơ sở dữ liệu (Database Schema) hoặc tài liệu từ hệ thống Hybrid RAG Qdrant.
  2. Tools (Công cụ thực thi chủ động): Tương tự phương thức POST — cho phép LLM tự quyết định gọi hàm truyền tham số (ví dụ: chạy câu lệnh SQL thống kê doanh thu, tạo lịch họp Google Calendar, tạo Issue trên GitHub).
  3. Prompts (Mẫu quy trình chuẩn hóa): Các khuôn mẫu lệnh đã được đóng gói sẵn trên Server để người dùng gọi nhanh bằng dấu gạch chéo (Slash Commands).

2. Cấu hình File claude_desktop_config.json & Cursor MCP Kết nối 3 Hệ thống Nội bộ

Để kết nối ngay lập tức Claude Desktop hoặc trình lập trình Cursor AI phục vụ review code với cơ sở dữ liệu PostgreSQL nội bộ, kho mã nguồn GitHub và Google Workspace, bạn chỉ cần khai báo tệp cấu hình JSON dưới đây (đã áp dụng nguyên tắc phân quyền tối thiểu — Least Privilege):

{
  "mcpServers": {
    "mindverse-postgres-erp": {
      "command": "npx",
      "args": [
        "-y",
        "@modelcontextprotocol/server-postgres",
        "postgresql://ai_readonly_auditor:[email protected]:5432/erp_production?options=-c%20statement_timeout%3D5000"
      ],
      "env": {
        "PGAPPNAME": "mcp_claude_agent_ro"
      }
    },
    "mindverse-github-internal": {
      "command": "docker",
      "args": [
        "run",
        "-i",
        "--rm",
        "-e",
        "GITHUB_PERSONAL_ACCESS_TOKEN",
        "ghcr.io/github/github-mcp-server:latest"
      ],
      "env": {
        "GITHUB_PERSONAL_ACCESS_TOKEN": "github_pat_11ABCDEFG_TokenChiCoQuyenDocRepoVaTaoPR"
      }
    },
    "mindverse-google-workspace": {
      "command": "uvx",
      "args": [
        "mcp-server-google-workspace",
        "--credentials-path",
        "/etc/mindverse-secrets/gworkspace-oauth-client.json",
        "--token-path",
        "/etc/mindverse-secrets/gworkspace-token.json",
        "--scopes",
        "calendar.events,drive.readonly,gmail.compose"
      ]
    }
  }
}

Lưu ý Kỹ thuật Quan trọng trong Chuỗi Kết nối PostgreSQL Ở Trên

Hãy quan sát kỹ chuỗi URI kết nối PostgreSQL: chúng tôi không bao giờ dùng tài khoản postgres (Superuser) mà tạo riêng một tài khoản ai_readonly_auditor kèm tham số ?options=-c%20statement_timeout%3D5000. Tham số này ép PostgreSQL tự động ngắt mọi câu lệnh SQL chạy quá 5.000 ms (5 giây), ngăn chặn triệt để trường hợp AI Agent vô tình viết một câu lệnh CROSS JOIN phức tạp trên bảng 10 triệu dòng làm treo cứng toàn bộ cơ sở dữ liệu ERP của công ty!

3. Tự Viết Custom MCP Server bằng Python (FastMCP) Có Lớp Giáp Bảo mật SQL

Đối với các doanh nghiệp muốn kiểm soát sâu hơn (chẳng hạn ẩn tự động cột Số căn cước công dân, Số điện thoại khách hàng hoặc Lương nhân sự trước khi trả kết quả về cho LLM), việc dùng MCP Server đóng gói sẵn là chưa đủ. Dưới đây là mã nguồn hoàn chỉnh viết bằng thư viện mcp (FastMCP) của Python, tích hợp bộ lọc chặn từ khóa phá hoại và ép giao dịch chỉ đọc (Read-Only Transaction):

import re
import asyncpg
from mcp.server.fastmcp import FastMCP

mcp = FastMCP("MindVerse-Secure-ERP-MCP")
DB_DSN = "postgresql://ai_readonly_auditor:[email protected]:5432/erp_production"

FORBIDDEN_SQL_PATTERN = re.compile(
    r"b(DROP|DELETE|UPDATE|INSERT|ALTER|TRUNCATE|GRANT|REVOKE|CREATE|COPY|pg_sleep)b",
    re.IGNORECASE
)
BLOCKED_COLUMNS = {"cccd_number", "salary_gross_vnd", "password_hash", "bank_account_no"}

@mcp.tool()
async def query_sales_analytics(sql_query: str) -> str:
    # Thực thi câu lệnh SELECT chỉ đọc trên cơ sở dữ liệu ERP và che dữ liệu nhạy cảm
    clean_q = sql_query.strip().rstrip(";")
    if not clean_q.upper().startswith("SELECT") or FORBIDDEN_SQL_PATTERN.search(clean_q):
        return "ERROR_SECURITY_VIOLATION: Chỉ cho phép câu lệnh SELECT thuần túy. Mọi lệnh chỉnh sửa hoặc hàm hệ thống đều bị khóa."

    if "LIMIT" not in clean_q.upper():
        clean_q = f"{clean_q} LIMIT 100"

    conn = await asyncpg.connect(DB_DSN, timeout=5.0)
    try:
        # Ép phiên làm việc ở chế độ READ ONLY tuyệt đối ở tầng PostgreSQL
        await conn.execute("SET SESSION CHARACTERISTICS AS TRANSACTION READ ONLY;")
        await conn.execute("SET statement_timeout = '4000ms';")
        rows = await conn.fetch(clean_q)
        
        sanitized_rows = []
        for row in rows:
            row_dict = dict(row)
            for col in list(row_dict.keys()):
                if col.lower() in BLOCKED_COLUMNS:
                    row_dict[col] = "***REDACTED_BY_MINDVERSE_MCP_POLICY***"
            sanitized_rows.append(row_dict)
        return str(sanitized_rows)
    except Exception as e:
        return f"SQL_EXECUTION_ERROR: {str(e)}"
    finally:
        await conn.close()

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

4. Tích hợp MCP Server vào n8n v1.82.1 cho Đội ngũ Nhân sự Qua Zalo/Slack

Khi lập trình viên hoặc chuyên viên phân tích sử dụng trên máy cá nhân, giao thức truyền tải stdio là đủ. Nhưng khi bạn muốn toàn bộ giám đốc kinh doanh có thể nhắn tin vào bot Zalo/Telegram nội bộ hỏi: “Tổng doanh thu nhóm hàng Thiết bị mạng khu vực miền Nam tuần này đạt bao nhiêu % kế hoạch và còn những đơn nào chưa giao?”, bạn cần chuyển phương thức chạy của MCP Server sang mcp.run(transport="sse", port=8090) trong mạng nội bộ Docker của cụm máy chủ n8n v1.82.1.