กระแสของ Agent Skills (ชุดคำสั่งและความรู้เฉพาะทางสำหรับ AI) กำลังมาแรงจนทำให้เกิดคำถามในหมู่นักพัฒนาว่า นี่อาจเป็นจุดสิ้นสุดของ Model Context Protocol (MCP) หรือมาตรฐานการเชื่อมต่อ AI เข้ากับเครื่องมือและข้อมูลภายนอกหรือไม่ ในคลิป Agent Skills or MCP in the era of Claude Code? ทางช่อง Confluent Developer Tim Berglund ได้ขึ้น Lightboard อธิบายความแตกต่างของทั้งสองสิ่งนี้อย่างตรงไปตรงมา

ข้อสรุปสั้นๆ คือ Agent Skills ไม่ได้มาแทนที่หรือฆ่า MCP เพราะทั้งสองเทคโนโลยีถูกออกแบบมาเพื่อแก้ปัญหาคนละด้าน ฝั่งหนึ่งเน้นการจัดการไฟล์และสคริปต์ภายในเครื่อง ส่วนอีกฝั่งทำหน้าที่เป็นสะพานเชื่อมต่อออกสู่โลกภายนอก

ทำความเข้าใจสถาปัตยกรรมของ MCP แบบกระชับ

เพื่อพิจารณาว่า Agent Skills จะมาแทนที่ MCP ได้หรือไม่ ต้องเริ่มต้นจากการทำความเข้าใจบทบาทดั้งเดิมของ MCP ก่อน

เมื่อเราสั่งงาน AI Agent (ไม่ว่าจะรันอยู่บนแล็ปท็อปส่วนตัวหรือเป็น Microservice บนคลาวด์) ตัว Agent จะส่งข้อความไปยัง LLM เพื่อประมวลผลว่าควรทำอะไรต่อไป แต่ตัวโมเดลภาษาขนาดใหญ่ (LLM) มีข้อจำกัดพื้นฐาน 2 ประการ:

1. ไม่รู้ข้อมูลภายในองค์กร: LLM รู้เฉพาะสิ่งที่เรียนรู้มาจากข้อมูลสาธารณะบนอินเทอร์เน็ต จึงไม่สามารถเข้าถึงประวัติ Ticket ข้อมูลในระบบฐานข้อมูล หรือเอกสารลับภายในบริษัทได้
2. ไม่สามารถลงมือกระทำจริงในโลกภายนอกได้: LLM ส่งกลับมาได้เพียงข้อความ (Text) แต่ไม่สามารถรันคำสั่ง แก้ไขฐานข้อมูล หรือสั่งเปิดงานในระบบอื่นได้ด้วยตัวเอง

สิ่งที่เข้ามาปิดช่องว่างนี้คือ Tools (คำสั่งสำหรับลงมือปฏิบัติ) และ Resources (แหล่งข้อมูลภายใน) ทว่าแต่ละระบบต่างมี API เฉพาะตัวที่ไม่เหมือนกัน MCP Server จึงเข้ามาทำหน้าที่เป็นตัวกลางมาตรฐาน โดยห่อหุ้ม API เหล่านั้นไว้ แล้วเปิดอินเทอร์เฟซกลางแบบ Plug-and-Play ให้ Agent เรียกใช้งานได้ทันที แค่กำหนดให้ Agent ชี้มาที่ MCP Server ตัวนั้น มันก็พร้อมโต้ตอบกับระบบปลายทางได้อย่างราบรื่น

3 การเปลี่ยนแปลงสำคัญของ MCP ในรอบ 1 ปี

Tim สรุปวิวัฒนาการที่น่าสนใจของ MCP ในช่วง 9 ถึง 12 เดือนที่ผ่านมา ไว้ 3 เรื่องหลัก:

1. การใช้งาน Resource API ลดลงอย่างมาก: ในเอกสารและการใช้งานจริงของชุมชนนักพัฒนา พบว่าผู้คนหันไปใช้ Tools API แทนการใช้ Resource API เพราะการ Query ข้อมูลสามารถทำผ่านการเรียก Tool ได้ทันทีโดยส่งพารามิเตอร์เข้าไป การใช้งานจึงสะดวกและตรงไปตรงมามากกว่า
2. รองรับ Streamable HTTP: เดิมที MCP พึ่งพา Server-Sent Events (SSE) ซึ่งจัดการด้านระบบเครือข่ายได้ยากเมื่อรันเซิร์ฟเวอร์บนคลาวด์ การเพิ่ม Streamable HTTP เข้ามาช่วยให้การ Deploy และการจัดการ Infrastructure บนคลาวด์คลีนและเสถียรขึ้นมาก
3. รองรับมาตรฐาน OAuth 2.1: การยืนยันตัวตน (Authentication) เคยเป็นอุปสรรคสำคัญในสเปกเวอร์ชันแรก เดิมที MCP Server ต้องเก็บ Secret Key ไว้เอง แต่มาตรฐานใหม่เปิดให้มีหน้าต่าง Pop-up ขอสิทธิ์ยืนยันตัวตนจากผู้ใช้โดยตรง (เช่น ขอสิทธิ์เข้าถึง GitHub เพื่อเปิด Issue) ซึ่งเหมาะกับเคสที่ Agent ทำงานอยู่บนเครื่องคอมพิวเตอร์ของผู้ใช้

โครงสร้างและการทำงานของ Agent Skill

ฝั่งของ Skill มีแกนกลางเป็นไฟล์ Markdown นามสกุล .md ที่จัดเก็บอยู่ในโฟลเดอร์บนเครื่องที่ Agent สามารถเข้าถึงได้ ภายในไฟล์ประกอบด้วยคำสั่ง แนวทางปฏิบัติ ขั้นตอน และเงื่อนไขเฉพาะทาง เปรียบเสมือน System Prompt ขนาดใหญ่ที่อธิบายกระบวนการทำงานอย่างเป็นระบบ

โครงสร้างของโฟลเดอร์ Skill มักประกอบด้วย:

• SKILL.md (ไฟล์หลัก): กำหนดชื่อ คำอธิบาย และขั้นตอนการทำงานทีละสเต็ป
• resources/ (ข้อมูลอ้างอิง): เก็บไฟล์ข้อมูลแบบคงที่ (Static) เช่น กฎเกณฑ์ มาตรฐานองค์กร หรือข้อมูลอ้างอิงเฉพาะด้าน เพื่อดึงมาให้อยู่ใน Context ของโมเดลอย่างชัดเจน
• scripts/ (ชุดคำสั่งปฏิบัติการ): เก็บสคริปต์สำหรับรันงานจริง เช่น สคริปต์ Bash หรือ Python ที่สั่งการและจัดการไฟล์บนระบบ Local เช่น การอ่านและแปลงข้อมูลในไฟล์ Excel

จุดสำคัญคือ Skill ถูกออกแบบมาให้ทำงานในลักษณะ Plugin สำหรับเครื่องมืออย่าง Claude Desktop หรือ Claude Code โดยเป็นไฟล์และโฟลเดอร์ที่จัดเก็บอยู่ในระบบไฟล์ (File System) บนเครื่อง ไม่ได้โฮสต์อยู่บนคลาวด์ จึงสามารถแชร์และส่งต่อผ่าน Git Repository ได้อย่างง่ายดาย

ทำงานคนละหน้าที่: ภายในเครื่องปะทะโลกภายนอก

แม้คำศัพท์บางคำจะดูคล้ายกัน แต่ทั้งสองสิ่งมีขอบเขตการทำงานที่แตกต่างกันอย่างชัดเจน:

• ด้าน Resources: Resources ของ Skill คือข้อมูลอ้างอิงแบบคงที่ (Static) ที่อยู่ในระบบไฟล์ของเครื่อง ส่วน Resources ของ MCP คือข้อมูลสดแบบเรียลไทม์ (Live/Dynamic) ที่ดึงมาจากฐานข้อมูล ระบบ Ticket หรือสตรีมข้อมูลบนคลาวด์
• ด้าน Scripts และ Tools: Scripts ของ Skill เน้นการควบคุมและสั่งการระบบไฟล์ภายในเครื่องคอมพิวเตอร์ (Local Machine) ส่วน Tools ของ MCP เน้นการสั่งการและเปลี่ยนแปลงสถานะบนโลกภายนอก เช่น การสั่ง Deploy ระบบขึ้นคลาวด์ หรือการเปิด PR บน GitHub ผ่านระบบเครือข่าย

Tim สรุปเส้นแบ่งง่ายๆ ว่า Skill ทำงานกับสิ่งแวดล้อมภายในเครื่อง ส่วน MCP ทำหน้าที่เชื่อมต่อกับระบบภายนอก

จุดที่ทับซ้อนและจุดที่ต้องแยกใช้งาน

จุดที่ทำให้หลายคนรู้สึกว่า Skill อาจมาแทน MCP ได้ คือการทำงานร่วมกับ CLI บนเครื่อง เพราะหากเราติดตั้ง CLI Tool ที่ล็อกอินเชื่อมต่อกับระบบคลาวด์ไว้อยู่แล้ว สคริปต์ใน Skill ก็สามารถเรียกใช้ CLI นั้นเพื่อทำงานกับระบบภายนอกได้เช่นกัน

สำหรับกรณีของ Coding Agent ที่รันบนเครื่อง เช่น Claude Code การใช้ Skill คู่กับ CLI สคริปต์จึงสามารถทดแทนบทบาทของ MCP ได้ในหลายสถานการณ์

แต่เมื่อขยับไปสู่สถาปัตยกรรมแบบ Agentic Microservice หรือระบบ Agent ที่พัฒนาขึ้นเองและรันแบบ Headless อยู่บนคลาวด์ สคริปต์ Local และโครงสร้างแบบ Skill จะไม่สามารถนำมาใช้งานได้ ในบริบทนี้ อินเทอร์เฟซมาตรฐานแบบเปิดของ MCP จึงยังคงเป็นหัวใจสำคัญที่ขาดไม่ได้

ตารางเปรียบเทียบและการเลือกใช้งาน

หลักการจำง่ายๆ คือ Skill นำความรู้และการจัดการไฟล์ภายในเครื่องเข้ามา ส่วน MCP เปิดประตูออกไปเชื่อมต่อกับโลกภายนอก

ในความเป็นจริง นักพัฒนาไม่จำเป็นต้องเลือกข้างอย่างใดอย่างหนึ่ง เพราะทั้งสองเทคโนโลยีทำหน้าที่เติมเต็มซึ่งกันและกันอย่างสมบูรณ์