MCP (Model Context Protocol) เป็นมาตรฐานกลางที่ให้ AI สาย coding อย่าง Claude Code, Codex และ Cursor ใช้เครื่องมือนอกโฟลเดอร์โปรเจกต์ได้ เช่น database, browser, GitHub หรือ LINE OA จากเดิมที่ทำได้แค่อ่านและแก้ code ในเครื่อง การติดตั้งส่วนใหญ่ใช้ config ไม่กี่บรรทัด ไม่ต้องเขียน code เอง สิ่งที่ต้องคิดให้ดีคือจะเลือก server ตัวไหน และจะให้สิทธิ์ AI มากแค่ไหน

คนที่เริ่มทำเว็บด้วย AI ได้สักพักมักติดเรื่องเดิมซ้ำ ๆ เช่น AI เขียน code ที่เรียก database แต่ไม่รู้ว่าในตารางมีข้อมูลอะไร หรือแก้หน้าเว็บแล้วบอกว่าเสร็จ ทั้งที่ยังไม่ได้เปิด browser ดูจริง MCP ช่วยปิดช่องว่างนี้ได้ บทความนี้จะอธิบายว่า MCP คืออะไร ต่างจากการใส่ AI ลงในเว็บยังไง ติดตั้งในแต่ละเครื่องมือยังไง และควรระวังอะไรบ้าง

MCP คืออะไร อธิบายแบบคนไม่ได้เรียนสายโปรแกรม

ลองนึกถึงปลั๊กไฟมาตรฐาน ถ้าทุกบ้านใช้ปลั๊กแบบเดียวกัน ผู้ผลิตเครื่องใช้ไฟฟ้าก็ทำหัวปลั๊กแบบเดียว เอาไปเสียบที่ไหนก็ได้ MCP ทำหน้าที่แบบนั้นระหว่าง AI กับเครื่องมือภายนอก

ก่อนจะมี MCP ถ้าอยากให้ AI แต่ละตัวต่อกับ GitHub หรือ database ก็ต้องทำตัวเชื่อมแยกกันทีละเครื่องมือ พอมีมาตรฐานกลางแล้ว เจ้าของบริการทำ MCP server ไว้ตัวเดียว ฝั่ง AI ที่รองรับ MCP อย่าง Claude Code, Codex หรือ Cursor ก็ใช้ร่วมกันได้หมด

ในระบบนี้มีอยู่ 2 ฝั่ง

MCP server หนึ่งตัวเปิดให้ AI ใช้ได้ 3 อย่างหลัก ๆ คือ tools (คำสั่งที่ AI เรียกใช้ได้ เช่น ส่งข้อความ หรือ query ข้อมูล), resources (ข้อมูลที่ AI อ่านได้ เช่น เอกสารหรือ schema ของ database) และ prompts (ชุดคำสั่งสำเร็จรูปที่เจ้าของ server เตรียมไว้ให้)

MCP ต่างจากการใส่ AI ลงในเว็บยังไง

มือใหม่หลายคนสับสน 2 เรื่องนี้ เพราะมีคำว่า AI เหมือนกัน แต่จริง ๆ ทำงานคนละฝั่ง

การใส่ AI ลงในเว็บ คือการให้ผู้ใช้ของเราได้ใช้ AI ผ่านเว็บ ตัวอย่างคือ BuyMe ที่ใช้ Gemini AI ระบุสิ่งของ ยี่ห้อ รุ่น และสภาพจากภาพถ่าย แล้วแสดงราคามือ 1 มือ 2 กับราคาต่อรองแนะนำ หรือ 9Golf Store ที่ใช้ ChatGPT ดึงสินค้ามาลงขายอัตโนมัติ งานแบบนี้ AI เป็นส่วนหนึ่งของตัวผลิตภัณฑ์

ส่วน MCP คือการให้ AI ที่ช่วยเราเขียน code หรือทำงาน ได้ใช้เครื่องมือมากขึ้น ผู้ใช้เว็บของเราไม่เห็นและไม่ได้ใช้ MCP เลย มันอยู่ฝั่งคนสร้างล้วน ๆ

ประเด็นใส่ AI ลงในเว็บใช้ MCP
ใครได้ใช้ผู้ใช้เว็บหรือแอปของเราเรา หรือทีมที่สร้างงาน
AI ทำงานที่ไหนใน server หรือ backend ของเว็บใน Claude Code, Codex, Cursor บนเครื่องเรา
ค่าใช้จ่ายหลักค่า API ตามจำนวนการใช้งานของผู้ใช้ค่าแพ็กเกจเครื่องมือ AI ที่เราใช้อยู่แล้ว
ต้องเขียน code ไหมต้อง และต้องซ่อน API key ให้ดีส่วนใหญ่แค่เพิ่ม config
ตัวอย่างงานวิเคราะห์รูป ตอบแชต สรุปเอกสารให้ AI เปิด browser ทดสอบ อ่าน database ส่ง LINE

ตัวอย่างจากผลงานคนไทยที่เกี่ยวกับ MCP

ใน applnw.com มีผลงานที่พูดถึง MCP ตรง ๆ อยู่หลายชิ้น ที่น่าเปิดดูมี 2 ชิ้น

คู่มือ LINE Bot MCP Server กับ Codex อธิบายการเชื่อม LINE Official Account เข้ากับ LINE Bot MCP Server และ Codex เพื่อสั่งงานด้วยภาษาธรรมดา ครอบคลุมการส่งข้อความ, Broadcast, Flex Message และ Rich Menu จุดที่ดีคือพูดถึงข้อควรระวังเรื่อง permission และการขออนุมัติก่อนรันคำสั่งสำคัญด้วย ซึ่งเป็นหัวใจของการใช้ MCP อย่างปลอดภัย

SoloMD PE เป็นโปรแกรมแก้ไข Markdown ที่เก็บ file ไว้ในเครื่องและใช้ AutoGit เก็บประวัติทุกครั้งที่บันทึก มี MCP server ให้ Claude Code, Codex หรือ Cursor จัดการชุด file ได้ ตัวนี้แสดงให้เห็นว่าคนทำเครื่องมือเองก็ทำ MCP server ให้ AI หลายตัวใช้งานร่วมกันได้ ไม่ต้องทำแยกให้ทีละเจ้า

ถ้าอยากดูว่าคนอื่นสร้างอะไรด้วย Claude กันบ้าง Made with Claude รวบรวมเว็บไซต์ที่สร้างด้วย Claude ไว้ และเจ้าของผลงานนำเว็บของตัวเองมาเพิ่มหรือ update ในรายการได้

วิธีติดตั้ง MCP ใน Claude Code, Codex และ Cursor

หลักการเหมือนกันทั้ง 3 ตัว คือบอก AI ว่าจะรัน MCP server ด้วยคำสั่งอะไร ต่างกันแค่ตำแหน่งที่เก็บ config ตัวอย่างข้างล่างใช้ Playwright MCP ซึ่งให้ AI เปิด browser คลิก กรอกฟอร์ม และดูหน้าเว็บจริงได้ ก่อนเริ่มต้องติดตั้ง Node.js ไว้ในเครื่อง

Claude Code

พิมพ์คำสั่งนี้ใน terminal

``
claude mcp add playwright npx @playwright/mcp@latest
``

จากนั้นใช้ claude mcp list ดูว่ามี server อะไรบ้าง และพิมพ์ /mcp ระหว่างคุยกับ Claude Code เพื่อเช็กสถานะหรือ login กับ server ที่ต้องยืนยันตัวตน

ถ้าอยากให้ทุกคนในทีมใช้ server ชุดเดียวกัน ให้เพิ่ม -s project ต่อจาก add ระบบจะบันทึก config ลง file .mcp.json ที่ root ของโปรเจกต์ ส่วน -s user จะทำให้ server นั้นใช้ได้ทุกโปรเจกต์ในเครื่อง

Codex

Codex เก็บ config ไว้ที่ ~/.codex/config.toml เปิด file แล้วเพิ่มบรรทัดนี้

``
[mcp_servers.playwright]
command = "npx"
args = ["@playwright/mcp@latest"]
``

Codex CLI กับ extension ใน editor อ่าน config จาก file เดียวกัน ตั้งครั้งเดียวก็ใช้ได้ทั้ง 2 ที่

Cursor

สร้าง file .cursor/mcp.json ในโปรเจกต์ (หรือ ~/.cursor/mcp.json ถ้าอยากใช้ทุกโปรเจกต์) แล้วใส่

``
{
"mcpServers": {
"playwright": {
"command": "npx",
"args": ["@playwright/mcp@latest"]
}
}
}
``

จากนั้นเข้าหน้า Settings ส่วน MCP ของ Cursor เพื่อเช็กว่า server ขึ้นสถานะพร้อมใช้งานหรือยัง

เครื่องมือที่เก็บ configวิธีเช็กสถานะ
Claude Code.mcp.json หรือ config ของ userclaude mcp list และ /mcp
Codex~/.codex/config.tomlดูรายการ tools ตอนเริ่ม session
Cursor.cursor/mcp.json หรือ ~/.cursor/mcp.jsonหน้า Settings ส่วน MCP

บริการบางเจ้าไม่ต้องรันอะไรในเครื่อง แต่ให้ URL ของ server มาเลย แล้วให้เรา login ผ่าน browser แทนการใส่ token ลง file แบบนี้สะดวกกว่า และเสี่ยงน้อยกว่าเรื่อง token หลุด

คนทำเว็บด้วย AI ควรเริ่มจาก MCP server แบบไหน

MCP server ที่มีให้เลือกตอนนี้มีเยอะมาก แต่คนทำเว็บคนเดียวไม่จำเป็นต้องลงทุกตัว ดูจากปัญหาที่เจอบ่อยแล้วเลือกให้ตรงจะดีกว่า

ปัญหาที่เจอMCP server ที่ช่วยได้ได้อะไร
AI บอกว่าแก้เสร็จ แต่เปิดเว็บแล้วยังพังPlaywright หรือ server ควบคุม browserAI เปิดหน้าเว็บ คลิก ดู error ใน console ได้เอง
AI ใช้คำสั่งของ library ที่เลิกใช้ไปแล้วserver ที่ดึงเอกสารล่าสุด เช่น Context7AI อ่านเอกสารเวอร์ชันปัจจุบันก่อนเขียน code
AI เขียน query ผิดเพราะไม่รู้โครงสร้างตารางserver ของ database เช่น SupabaseAI อ่าน schema และข้อมูลจริงได้
ต้องสลับไปเปิด issue และ pull request เองGitHub MCPAI อ่าน issue สร้าง branch และเปิด PR ได้
อยากให้ AI ช่วยส่งข้อความหรือตั้ง Rich MenuLINE Bot MCP Serverสั่งงาน LINE OA ด้วยภาษาธรรมดา

ถ้าต้องเลือกตัวเดียวก่อน แนะนำ server ควบคุม browser เพราะช่วยแก้ปัญหาที่มือใหม่เจอบ่อยที่สุด คือ AI มองไม่เห็นหน้าเว็บที่ตัวเองสร้าง พอ AI เปิดดูเองได้ รอบการแก้บั๊กจะสั้นลงมาก

ข้อควรระวังก่อนใช้ MCP

MCP ทำให้ AI ทำได้มากขึ้น แต่แปลว่ามันพลาดได้กว้างขึ้นด้วย มีเรื่องที่ควรรู้ก่อนลงมือ

MCP server รันด้วยสิทธิ์ของเรา

server ที่รันในเครื่องเข้าถึง file และ network ได้เท่ากับบัญชีผู้ใช้ของเรา ติดตั้งเฉพาะ server จากเจ้าของบริการตัวจริง หรือ project ที่มีคนใช้เยอะและเปิด source code ให้ตรวจได้ อย่าลงตัวที่ไม่รู้ที่มา แค่เพราะเห็นในรายการแนะนำ

เก็บ token ให้ดี

server หลายตัวต้องใช้ token หรือ API key ถ้าใส่ token ลงใน .mcp.json ที่ commit ขึ้น GitHub ก็เท่ากับเปิดให้คนอื่นใช้บัญชีเรา ควรอ่าน token จาก environment variable หรือใช้วิธี login ผ่าน browser แทน และใส่ file ที่มีข้อมูลลับไว้ใน .gitignore

อย่าปิดการขออนุมัติกับคำสั่งสำคัญ

Claude Code, Codex และ Cursor จะถามก่อนเรียก tool ที่มีผลจริง อย่ากดอนุญาตทุกอย่างแบบไม่อ่าน โดยเฉพาะคำสั่งลบข้อมูล ส่ง Broadcast หาลูกค้าทั้งหมด หรือแก้ database ที่ใช้งานจริง ถ้าเป็นไปได้ให้ต่อกับ database ทดสอบหรือบัญชีทดลองก่อน

ลง server เยอะไป AI ทำงานแย่ลง

รายชื่อ tools ของทุก server ที่เปิดอยู่จะกินพื้นที่ context ของ AI ถ้าเปิดไว้สิบกว่าตัว AI อาจเลือก tool ผิดหรือลืมรายละเอียดของงานหลัก ให้เปิดเฉพาะตัวที่ใช้ในโปรเจกต์นั้น แล้วปิดตัวที่ไม่ได้ใช้

ข้อมูลที่ AI อ่านอาจมีคำสั่งแฝง

ถ้าให้ AI อ่านหน้าเว็บ issue หรือข้อความจากคนอื่นผ่าน MCP ข้อความเหล่านั้นอาจมีคำสั่งแอบใส่ไว้ให้ AI ทำตาม เช่น ให้ส่งข้อมูลออกไปข้างนอก นี่เป็นอีกเหตุผลที่ไม่ควรให้สิทธิ์เกินจำเป็น และควรอ่านทุกครั้งก่อนอนุมัติ

เริ่มใช้ MCP ยังไงให้ไม่หลงทาง

  1. เลือกปัญหาที่เจอบ่อยที่สุดมา 1 ข้อ แล้วหา server ที่แก้ปัญหานั้นตรง ๆ
  2. ติดตั้งในโปรเจกต์ทดลองก่อน ยังไม่ต้องต่อกับระบบจริง
  3. สั่งงานง่าย ๆ เช่น ให้ AI เปิดหน้าแรกของเว็บแล้วบอกว่ามี error อะไรใน console
  4. ดูว่า AI เรียก tool อะไรบ้าง ขออนุมัติตอนไหน ผลลัพธ์ถูกต้องไหม
  5. พอใช้คล่องแล้วค่อยเพิ่ม server ตัวที่ 2 และเปลี่ยนไปต่อกับระบบจริงเมื่อมั่นใจเรื่องสิทธิ์แล้ว

MCP ไม่ได้ทำให้ AI เก่งขึ้นเอง แต่ทำให้ AI เห็นข้อมูลจริงและลงมือได้จริง สำหรับคนทำเว็บด้วย AI คนเดียว แค่ให้ AI เปิด browser ดูงานตัวเองได้ หรืออ่านโครงสร้าง database ได้ ก็ลดเวลาสั่งแก้ไปมาได้เยอะแล้ว ถ้าอยากดูตัวอย่างงานที่คนไทยสร้างด้วย AI เพิ่ม เปิดดูผลงานกว่า 2,496 รายการใน applnw.com ได้เลย