MCP Chứng Khoán Là Gì? Cách AI Gọi Công Cụ Tài Chính
Khi bạn hỏi AI về giá, doanh thu hay báo cáo mới nhất, bản thân mô hình không tự có dữ liệu hiện tại. Nó cần một đường gọi công cụ bên ngoài. MCP chuẩn hoá đường kết nối đó để nhiều ứng dụng AI có thể khám phá và sử dụng công cụ theo cùng một cách.
Tên đầy đủ của MCP là Model Context Protocol. Bạn có thể hiểu protocol — giao thức như mẫu phiếu thống nhất giữa hai bên: yêu cầu phải có trường nào, công cụ nào được phép gọi và kết quả hoặc lỗi được trả về ra sao.
Điều quan trọng nhất cần nhớ:
MCP mở đường tới công cụ. Nó không phải nguồn dữ liệu, phương pháp phân tích hay bằng chứng rằng kết quả là đúng.
Bài này là phần đọc thêm của series Harness Engineering. Bạn không cần MCP để bắt đầu xây harness với Vnstock.
Nhánh đọc thêm 1/2: MCP chứng khoán là gì? → Bốn kiểu công cụ AI phân tích chứng khoán
Một câu hỏi đi qua MCP như thế nào?
Giả sử người dùng hỏi:
“Hãy so sánh doanh thu và biên lợi nhuận của một doanh nghiệp trong tám quý gần nhất.”
Nếu có kết nối MCP phù hợp, luồng làm việc có thể diễn ra như sau:
- Ứng dụng AI nhận ra câu hỏi cần dữ liệu báo cáo tài chính.
- Nó chọn một công cụ đã được công bố qua MCP.
- Nó gửi mã chứng khoán, số kỳ và chỉ tiêu theo mẫu quy định.
- Chương trình phía sau thực hiện truy vấn hoặc phép tính.
- Kết quả có cấu trúc được trả về để AI diễn giải.
MCP giúp bước 2 đến bước 5 có ngôn ngữ chung. Nhưng nó không tự xác định “doanh thu theo quý” là số riêng quý hay lũy kế, biên lợi nhuận dùng công thức nào hoặc tám quý có đủ dữ liệu hay không. Đây là trách nhiệm của công cụ, hướng dẫn nghiệp vụ, phép kiểm và người sử dụng.
Năm từ kỹ thuật cần hiểu
| Từ thường gặp | Cách hiểu đơn giản |
|---|---|
| Host — ứng dụng chủ | Ứng dụng AI đang quản lý cuộc trò chuyện và quyết định lúc nào gọi công cụ |
| Client — bộ phận kết nối | Thành phần bên trong ứng dụng chủ dùng để trao đổi với một MCP server |
| MCP server — chương trình phục vụ MCP | Chương trình công bố các khả năng để AI gọi; có thể chạy từ xa hoặc ngay trên máy người dùng |
| Tool — công cụ | Một chức năng thực hiện việc cụ thể, chẳng hạn đọc lịch sử giá |
| Schema — mẫu dữ liệu | Quy định đầu vào và đầu ra gồm những trường nào, kiểu dữ liệu gì |
Ngoài công cụ, MCP còn có thể công bố resources — tài nguyên tham khảo và prompts — mẫu yêu cầu. Với người mới, chưa cần học sâu ba nhóm này. Chỉ cần hiểu rằng MCP quy định cách ứng dụng AI khám phá và sử dụng khả năng bên ngoài.
MCP khác API, thư viện Python và Agent Skills ra sao?
Các khái niệm này thường xuất hiện cùng nhau nhưng không thay thế nhau.
| Thành phần | Việc chính | Ví dụ dễ hiểu |
|---|---|---|
| API — giao diện lập trình | Cho chương trình trao đổi với một hệ thống | Một điểm truy cập nhận tham số và trả dữ liệu |
| Thư viện Python | Cho chương trình dùng các hàm đã đóng gói | Vnstock giúp người dùng tự kết nối và chuẩn hoá dữ liệu từ nguồn bên thứ ba |
| Agent Skill — bộ hướng dẫn cho Agent | Dạy AI trình tự và quy tắc của một nhiệm vụ | Hướng dẫn sàng lọc cổ phiếu hoặc kiểm tra dữ liệu |
| MCP | Chuẩn hoá đường kết nối từ ứng dụng AI tới công cụ | Ứng dụng chat khám phá và gọi một công cụ bên ngoài |
| Harness — bộ khung vận hành | Tổ chức toàn bộ cách Agent làm và kiểm tra công việc | Công cụ, quyền, cấu hình, phép kiểm, nhật ký và điều kiện hoàn thành |
Một Agent Skill có thể hướng dẫn AI gọi công cụ qua MCP. Một MCP server có thể bọc một thư viện Python. Cả hai có thể nằm trong harness, nhưng không cái nào tự trở thành toàn bộ harness.
Nghiên cứu mã nguồn 11 coding agent năm 2026 cũng ghi nhận Skills và MCP cùng xuất hiện như hai cơ chế mở rộng khác nhau: Skills ở 9 hệ thống, MCP ở 8 hệ thống trong mẫu khảo sát. Bài nghiên cứu khuyến nghị dùng Skills cho mẫu năng lực và MCP cho tích hợp bên ngoài, thay vì coi chúng là hai lựa chọn loại trừ nhau.
MCP giải quyết tốt điều gì?
MCP đặc biệt hữu ích khi:
- người dùng muốn kết nối công cụ vào ứng dụng AI quen thuộc;
- một công cụ cần phục vụ nhiều ứng dụng AI theo cùng cách;
- khả năng đã được đóng gói rõ ràng và có đầu vào, đầu ra ổn định;
- công cụ chạy ở một tiến trình hoặc hệ thống tách biệt;
- tổ chức cần quản lý danh sách công cụ và quyền truy cập tập trung.
Với câu hỏi tra cứu nhanh, trải nghiệm này có thể rất thuận tiện: thêm kết nối, cấp quyền cần thiết rồi hỏi bằng ngôn ngữ tự nhiên.
MCP không giải quyết thay điều gì?
Một kết nối chạy thành công vẫn có thể tạo ra phân tích yếu nếu thiếu các phần sau.
Không tự kiểm tra ý nghĩa dữ liệu
MCP có thể chuyển một bảng đúng định dạng nhưng không biết người dùng đang cần số riêng quý hay lũy kế. Schema mô tả hình dạng dữ liệu; nó không tự thay thế hiểu biết tài chính.
Không tự ngăn thông tin tương lai
Dữ liệu báo cáo có thể phản ánh một kỳ đã kết thúc nhưng chỉ được công bố sau đó. Nếu nghiên cứu lịch sử dùng thông tin trước thời điểm thị trường thực sự biết, kết quả sẽ lệch dù mọi lời gọi công cụ đều hợp lệ.
Không tự giữ bằng chứng
Ứng dụng có thể chỉ hiển thị câu trả lời cuối. Nếu không lưu dữ liệu đầu vào, tham số, chương trình và nhật ký, người dùng vẫn khó chạy lại hoặc đối chiếu.
Không tự giới hạn quyền đúng mức
MCP có cơ chế để hệ thống công bố công cụ và hỗ trợ xác thực, nhưng thiết kế quyền vẫn là trách nhiệm của bên triển khai. Công cụ đọc dữ liệu nên được tách rõ với hành động có thể sửa nội dung hoặc ảnh hưởng tới tài khoản.
Vnstock liên quan gì tới MCP?
Vnstock đứng ở lớp công cụ Python: giúp người dùng tự kết nối, chuẩn hoá và phân tích dữ liệu thị trường từ nguồn bên thứ ba trên hạ tầng do mình kiểm soát. Khác với các dịch vụ MCP trực tuyến (online MCP server) phát dữ liệu từ máy chủ từ xa, Vnstock MCP (Local) vận hành như một tiến trình cục bộ ngay trên máy cá nhân, đóng vai trò cầu nối để trợ lý AI gọi trực tiếp bộ thư viện Vnstock (vnstock, vnstock_quant...) trong không gian nghiên cứu của bạn và kết xuất quy trình thành tệp mã Python tái lập. Một số dự án cộng đồng cũng tự bọc Vnstock thành MCP riêng, nhưng cách vận hành và phạm vi của các dự án đó thuộc trách nhiệm của từng bên triển khai.
Vnstock ưu tiên chuẩn hoá những viên gạch cốt lõi trên máy người dùng:
- giao diện Python và lõi tính toán định lượng để chương trình thực thi;
- cấu trúc dữ liệu chuẩn hoá để giảm khác biệt giữa các nguồn;
- cầu nối cục bộ Vnstock MCP cùng nhật ký phiên và khả năng xuất mã Python độc lập;
- tài liệu, Agent Guide và Agent Skills để AI tìm đúng cách dùng theo nhiệm vụ.
Phần “thành phố LEGO” — giao diện, quy trình, công cụ nội bộ hay kịch bản tự động hoá — được mở để từng người dùng tự lắp ghép trên môi trường cá nhân theo nhu cầu. Cách này đòi hỏi người dùng chủ động hơn, đổi lại họ có thể sửa công thức, xem bảng trung gian và giữ công việc trên hạ tầng mình chọn.
Khi nào nên dùng MCP, khi nào chưa cần?
MCP phù hợp nếu ưu tiên là hỏi nhanh trong một ứng dụng chat, khả năng cần dùng đã ổn định và bên triển khai giải thích rõ quyền, nguồn, phương pháp cùng cách đối soát.
Python với Vnstock và coding agent phù hợp nếu bạn muốn thay đổi phương pháp, giữ code, kiểm dữ liệu, chạy lại nghiên cứu hoặc phát triển thành công cụ riêng.
Hai cách này nay đã hội tụ trong Vnstock MCP: kết nối trợ lý AI qua giao diện hội thoại nhưng chạy tiến trình cục bộ trên máy cá nhân, quản lý bảng dữ liệu trong phiên và xuất mã Python tái lập để bạn tiếp tục phát triển (xem thêm: Vnstock MCP: Từ câu hỏi với AI đến quy trình nghiên cứu cá nhân và hướng dẫn cài đặt).
Bảy câu hỏi trước khi kết nối một MCP tài chính
- Công cụ lấy dữ liệu từ đâu và người dùng có quyền sử dụng cho mục đích này không?
- Công việc chạy trên máy người dùng hay hệ thống từ xa?
- Dữ liệu nào rời khỏi máy?
- Công cụ chỉ đọc hay có thể thay đổi tài khoản và tệp?
- Kỳ, đơn vị, công thức và cách xử lý dữ liệu thiếu có được giải thích không?
- Có thể giữ bảng đầu vào, tham số và kết quả để đối chiếu không?
- Có thể thu hồi quyền và ngắt kết nối dễ dàng không?
Nếu chỉ cần bắt đầu với harness, hãy quay lại tuyến chính: Vnstock được thiết kế cho AI Agent như thế nào?. Nếu đang so sánh các cách tiếp cận, xem bốn kiểu công cụ AI phân tích chứng khoán, hoặc tìm hiểu chi tiết về không gian nghiên cứu cục bộ với Vnstock MCP.
—
Vnstock là hệ sinh thái năm phần mềm chạy trên hạ tầng của bạn. Công ty cấp quyền sử dụng từng phần mềm; riêng nội dung được kết nối qua vnstock hoặc vnstock_news vẫn chịu điều kiện, tính sẵn sàng và độ chính xác của nguồn. Nội dung phục vụ nghiên cứu
và tham khảo, không phải khuyến nghị đầu tư.
Mã nguồn: github.com/vnstock-hq · Tài liệu: vnstocks.com