MCP และ API กับฐานข้อมูลกลางมหาวิทยาลัย

by Thinaphan Nithiyuwith
on December 23, 2025
Home

MCP และ API กับฐานข้อมูลกลางมหาวิทยาลัย

เมื่อระบบสารสนเทศกำลังก้าวจาก API-centric สู่ AI-native architecture

ChatGPT Image 23 ธ.ค. 2568 10 41 02

ภาพที่ 1: การเปลี่ยนผ่านสถาปัตยกรรมระบบสารสนเทศมหาวิทยาลัยจาก API-centric สู่ AI-native Architecture ด้วย MCP
ที่มา: สร้างโดย AI

              ในช่วงไม่กี่ปีที่ผ่านมา วงการพัฒนาระบบสารสนเทศเริ่มเห็นคำถามที่ท้าทายมากขึ้นว่า “API ยังเพียงพอหรือไม่ สำหรับโลกที่มี AI Agent เป็นผู้ใช้งานหลัก?” คำถามนี้ไม่ได้เกิดจากกระแสแฟชั่น แต่เกิดจากการเปลี่ยนแปลงเชิงโครงสร้างของระบบ เมื่อ Large Language Models (LLMs) และ AI Agent ไม่ได้ทำหน้าที่เพียง “เรียกข้อมูล” แต่ต้อง วิเคราะห์ ตัดสินใจ และเลือกเครื่องมือ ด้วยตนเอง แนวคิดของ Model Context Protocol (MCP) จึงเริ่มเข้ามามีบทบาทในฐานะโครงสร้างพื้นฐานใหม่ที่เติมเต็มสิ่งที่ API ทำได้ไม่ครบถ้วน

  • API: รากฐานที่แข็งแรงของระบบสารสนเทศมหาวิทยาลัย
    ในบริบทของมหาวิทยาลัย API คือกลไกหลักในการเชื่อมโยงระบบสารสนเทศมานานหลายสิบปี ไม่ว่าจะเป็น
    – ระบบทะเบียนนักศึกษา
    – ระบบบุคลากร
    – ระบบการเงินและพัสดุ
    – ระบบ LMS และ e-Learning
    – ระบบงานเฉพาะของหน่วยงานย่อย

custom service api gateway 1

ภาพที่ 2: API Gateway + Microservices (Traditional API-centric Architecture)
ที่มา: สร้างโดย AI

             API ให้ข้อดีที่ชัดเจน ได้แก่ ความเสถียร มาตรฐานที่ชัด และรองรับการขยายระบบในเชิงธุรกิจ (business logic) ได้ดี อย่างไรก็ตาม API ถูกออกแบบโดยมี มนุษย์เป็นผู้เรียกใช้ หรืออย่างน้อยก็มีนักพัฒนาเป็นผู้ออกแบบ flow ล่วงหน้า ปัญหาเริ่มเกิดขึ้นเมื่อ “ผู้เรียกใช้” ไม่ใช่มนุษย์ แต่เป็น AI Agent

  • จุดอ่อนของ API เมื่อผู้ใช้คือ AI Agent
                เมื่อ LLM หรือ Agent ต้องเชื่อมต่อกับฐานข้อมูลกลางของมหาวิทยาลัยผ่าน API แบบดั้งเดิม มักพบข้อจำกัดสำคัญ เช่น
    – ต้องรู้ล่วงหน้าว่ามี endpoint ใดบ้าง
    – ไม่สามารถ “ค้นพบ” ความสามารถของระบบได้เอง
    – Context ของงานไม่ต่อเนื่อง (stateless)
    – ต้องพึ่ง prompt ที่ยาวและซับซ้อนเพื่อบอกวิธีใช้งาน API
    กล่าวอีกนัยหนึ่งคือ API เก่งเรื่องโครงสร้างระบบ แต่ไม่เข้าใจเจตนา (intent) ของ AI

  • MCP: การยกระดับการเชื่อมต่อจาก Endpoint สู่ Capability
                Model Context Protocol (MCP) ไม่ได้ถูกออกแบบมาเพื่อแทนที่ API แต่เพื่อเพิ่ม ชั้นความหมาย (semantic layer) ให้กับการเชื่อมต่อระบบ โดยเปลี่ยนมุมมองจาก “เรียก endpoint นี้เพื่อทำงาน X” เป็น “ระบบนี้มีความสามารถอะไรบ้างที่ฉันสามารถใช้ได้” หัวใจของ MCP คือ capability-based interaction โดยที่ AI ไม่จำเป็นต้องรู้โครงสร้างฐานข้อมูลหรือ API ภายใน แต่รับรู้เพียงว่า
    – มีเครื่องมือ (Tools) อะไร
    – มีทรัพยากร (Resources) ใดเข้าถึงได้
    – มี prompt หรือบริบทใดที่ช่วยให้ทำงานได้ถูกต้อง

ModelContextProtocal

ภาพที่ 3: MCP Architecture (AI Host → MCP Server → Data Source)
ที่มา: สร้างโดย AI

  • MCP กับฐานข้อมูลกลางของมหาวิทยาลัย: มุมมองเชิงสถาปัตยกรรม
    หากมองฐานข้อมูลกลางของมหาวิทยาลัยผ่านเลนส์ MCP โครงสร้างจะเปลี่ยนไปอย่างมีนัยสำคัญ

SingleAgent+MCPServer

ภาพที่ 4: MCP Agent Component Diagram (Enterprise AI Agent)
ที่มา: สร้างโดย AI

จากเดิม (API-centric)
– แต่ละระบบพัฒนา API ของตนเอง
– หน่วยงานต้องร้องขอ API ใหม่เมื่อมี use case เพิ่ม
– เกิดความซ้ำซ้อนและภาระการดูแลระยะยาว

เมื่อมี MCP
– ฐานข้อมูลกลางถูก “ประกาศความสามารถ” ผ่าน MCP Server
– AI Agent เลือกใช้ SQL, File, หรือ Web API ตามบริบท
– ไม่จำเป็นต้องสร้าง API ใหม่ทุกกรณีใช้งาน

     ผลลัพธ์คือ ลด coupling ระหว่างระบบ และเพิ่มความยืดหยุ่นต่อการพัฒนาระบบอัจฉริยะในอนาคต

  • ตัวอย่างเชิงแนวคิด: ระบบผู้ช่วยอัจฉริยะของมหาวิทยาลัย
    ลองจินตนาการระบบ AI Assistant ที่ตอบคำถามเชิงบริหาร เช่น “สรุปจำนวนนักศึกษาที่ลงทะเบียนเรียนรายวิชา X ในภาคเรียนนี้ และแยกตามคณะ”
    – API-only: ต้องออกแบบ endpoint เฉพาะ หรือรวมหลาย API เข้าด้วยกัน
    – MCP-based: AI เห็นความสามารถ “query ข้อมูลทะเบียน” และเลือกวิธีดึงข้อมูลที่เหมาะสมโดยอัตโนมัติ
    ความแตกต่างไม่ได้อยู่ที่ “เร็วกว่า” แต่คือ ระบบคิดและปรับตัวได้เอง

  • MCP ไม่ใช่ของวันนี้ แต่คือการเตรียมระบบของพรุ่งนี้
    ในทางปฏิบัติ มหาวิทยาลัยส่วนใหญ่ยังจำเป็นต้องใช้ API เป็นแกนหลักของระบบ และจะยังคงเป็นเช่นนั้นอีกระยะหนึ่ง อย่างไรก็ตาม MCP สามารถถูกนำมาใช้ในลักษณะ
    – แนวคิดเชิงสถาปัตยกรรม (architectural blueprint)
    – Sandbox สำหรับงาน AI Agent
    – Layer กลางที่เชื่อม API เดิมเข้ากับโลก AI

              ซึ่งสอดคล้องกับแนวคิดการเตรียมความพร้อมเชิงกลยุทธ์ที่ได้กล่าวไว้ในบทความก่อนหน้า: “MCP: โลกใหม่ของการเชื่อมต่อระบบสารสนเทศในยุค AI (มุมมองเชิงแนวคิดของมหาวิทยาลัย) โดยบทความนี้ตั้งใจขยายมุมมองไปที่ การเชื่อม MCP กับฐานข้อมูลกลางและระบบสารสนเทศของมหาวิทยาลัยโดยตรง เพื่อไม่ให้ซ้ำกับเนื้อหาเดิม

      บทสรุป
            API คือโครงสร้างพื้นฐานที่มั่นคงของระบบสารสนเทศ
           MCP คือโครงสร้างพื้นฐานของระบบที่มี AI เป็นศูนย์กลาง
           อนาคตของมหาวิทยาลัยไม่ใช่การเลือกอย่างใดอย่างหนึ่ง แต่คือ การออกแบบสถาปัตยกรรมที่ให้ API ทำหน้าที่ “ระบบ” และให้ MCP ทำหน้าที่ “ความเข้าใจ” ระบบที่ดีในยุค AI ไม่ใช่ระบบที่มี API มากที่สุด แต่คือ ระบบที่ AI รู้ว่า ควรใช้ความสามารถใด เมื่อไร และเพื่ออะไร

ผู้ช่วยศาสตราจารย์ ฐิณาภัณฑ์ นิธิยุวิทย์
รองผู้อำนวยการสำนักวิทยบริการและเทคโนโลยีสารสนเทศ
มหาวิทยาลัยราชภัฏเพชรบูรณ์

เอกสารอ้างอิง (References)

  1. OpenAI. (2024). Model Context Protocol (MCP) Specification.
  2. Fielding, R. T. (2000). Architectural Styles and the Design of Network-based Software Architectures.
  3. Kleppmann, M. (2017). Designing Data-Intensive Applications.
  4. Russell, S., & Norvig, P. (2021). Artificial Intelligence: A Modern Approach.
5/5 - (1 vote)

Categories:

สำนักวิทยบริการฯ

Tags:

AI AgentAI-native architectureAPIMCPModel Context Protocolฐานข้อมูลกลางมหาวิทยาลัยระบบสารสนเทศ