Giao thức Ngữ cảnh Mô hình (MCP) đã thu hút được sự chú ý đáng kể kể từ khi được phát hành bởi Anthropic. Là một nhà phát triển làm việc với tích hợp AI, tôi luôn tìm kiếm các công cụ giúp đơn giản hóa việc kết nối API với các mô hình ngôn ngữ lớn (LLMs). Khi Mintlify công bố Bộ tạo máy chủ MCP, tôi rất hứng thú. Lời hứa về việc tạo ra một máy chủ MCP trực tiếp từ tài liệu để cho phép các cuộc gọi API hỗ trợ AI nghe có vẻ như là một thay đổi lớn. Tuy nhiên, tôi cũng muốn so sánh nó với các lựa chọn thay thế như Apidog, cung cấp các khả năng tương tự cho việc tích hợp và kiểm tra API.
Trong bài đánh giá này, tôi sẽ đi sâu vào trải nghiệm của tôi khi thử nghiệm Bộ tạo máy chủ MCP của Mintlify, tập trung vào thiết lập, tính năng và hiệu suất của nó. Tôi cũng sẽ khám phá cách nó so sánh với Apidog, một công cụ mà tôi thấy rất hữu ích cho việc gỡ lỗi quy trình làm việc API.
Bộ Tạo Máy Chủ MCP của Mintlify là gì?
Bộ Tạo Máy Chủ MCP của Mintlify là một công cụ được thiết kế để tạo ra các máy chủ Giao thức Ngữ cảnh Mô hình (MCP) trực tiếp từ tài liệu của bạn. MCP, với những ai không quen thuộc, là một giao thức tiêu chuẩn hóa cho phép các mô hình AI tương tác với các công cụ và nguồn dữ liệu bên ngoài - như GitHub, Slack, hoặc thậm chí các API tùy chỉnh của bạn - mà không cần yêu cầu tích hợp tùy chỉnh cho mỗi kết nối. Mintlify tận dụng điều này bằng cách cho phép các nhà phát triển tạo ra các máy chủ MCP sử dụng các cấu trúc dữ liệu hiện có, chẳng hạn như một bản đặc tả OpenAPI.
Bộ tạo nhằm đơn giản hóa ba kịch bản chính:
- Tìm kiếm chung và truy xuất câu trả lời từ tài liệu.
- Truy vấn và thực thi API theo thời gian thực thông qua các ứng dụng AI.
- Câu trả lời trong ngữ cảnh cho người dùng truy vấn chi tiết sản phẩm thông qua LLMs.
Mintlify tiếp thị điều này như một cách để nối liền khoảng cách giữa các API của bạn và các hệ sinh thái AI, làm cho tài liệu của bạn dễ tiếp cận hơn với cả con người và các tác nhân AI. Nhưng liệu nó có thực sự đáp ứng được lời hứa này không? Hãy cùng phân tích quy trình thử nghiệm của tôi.
Thiết lập Bộ Tạo Máy Chủ MCP của Mintlify
Đầu tiên, tôi đã làm theo hướng dẫn cài đặt của Mintlify để thiết lập Bộ Tạo Máy Chủ MCP. Quy trình yêu cầu một cài đặt CLI đơn giản, mà tôi đã thực hiện bằng cách sử dụng npm:
npm install -g @mintlify/mcp-generator
Sau khi cài đặt, tôi đã điều hướng đến thư mục dự án chứa tệp đặc tả OpenAPI (openapi.yaml). Tài liệu của Mintlify gợi ý rằng bộ tạo có thể tạo động một máy chủ MCP dựa trên đặc tả này. Tôi đã chạy lệnh sau để tạo máy chủ:
mintlify mcp-generate --spec openapi.yaml
CLI đã yêu cầu tôi chọn một thư mục đích cho các tệp máy chủ MCP được tạo. Chỉ trong vài giây, nó đã tạo ra một thiết lập máy chủ nhẹ với Node.js là môi trường thực thi. Máy chủ được tạo bao gồm các điểm cuối cho tìm kiếm chung, truy vấn API, và thực thi hành động - phù hợp với các trường hợp sử dụng mà Mintlify đã nêu.
Tuy nhiên, tôi gặp phải một chút trở ngại nhỏ trong quá trình thiết lập. Bộ tạo đã giả định rằng phiên bản Node.js là 18 hoặc cao hơn, nhưng hệ thống của tôi đã cài phiên bản 16. Sau khi nâng cấp Node.js, quy trình hoàn thành suôn sẻ. Điều này nhấn mạnh một điểm chính: hãy chắc chắn rằng môi trường của bạn đáp ứng các yêu cầu trước khi bắt đầu.
Thử nghiệm Máy Chủ MCP: Tích hợp API và Tương tác AI
Bước tiếp theo, tôi đã thử nghiệm máy chủ MCP được tạo bằng cách tích hợp nó với một khách hàng AI. Tôi đã sử dụng Cursor, một IDE chạy bằng AI, để tương tác với máy chủ. Cursor hỗ trợ các khách hàng MCP, cho phép nó tìm kiếm và thực hiện các hành động thông qua giao thức. Mục tiêu của tôi là thử nghiệm hai kịch bản: tìm kiếm tài liệu và thực hiện một cuộc gọi API.
Kịch bản 1: Tìm kiếm tài liệu
Tôi đã hướng dẫn Cursor tìm kiếm một điểm cuối cụ thể trong tài liệu API của tôi: “Tôi làm thế nào để xác thực với API Foo?” Máy chủ MCP, đang chạy cục bộ trên http://localhost:3000, đã phản hồi với một câu trả lời có cấu trúc được lấy từ đặc tả OpenAPI của tôi. Phản hồi bao gồm điểm cuối xác thực, các tiêu đề cần thiết, và một mẫu nội dung yêu cầu:
{
"endpoint": "/auth/login",
"method": "POST",
"headers": {
"Content-Type": "application/json"
},
"body": {
"username": "string",
"password": "string"
}
}
Điều này hoạt động mượt mà và thời gian phản hồi rất ấn tượng—dưới 200 mili giây. Bộ Tạo Máy Chủ MCP đã biến tài liệu của tôi thành một nguồn tài nguyên có thể tìm kiếm cho các ứng dụng AI.
Kịch bản 2: Thực hiện một cuộc gọi API
Trong bài thử nghiệm thứ hai, tôi đã muốn xem liệu máy chủ MCP có thể thực hiện một cuộc gọi API thay mặt tôi hay không. Tôi đã xác thực Cursor với các khóa API cần thiết và yêu cầu nó “khởi tạo một khoản hoàn tiền Stripe cho một ID giao dịch cụ thể.” Máy chủ MCP đã xử lý yêu cầu, tạo ra cuộc gọi API thích hợp và thực hiện nó bằng API Stripe. Phản hồi đã xác nhận khoản hoàn tiền:
{
"id": "re_1N5X7Y2eZvKYlo2C0X5Y7Z8",
"amount": 1000,
"status": "succeeded"
}
Chức năng này là một bước nâng cấp lớn so với tài liệu truyền thống, vì nó cho phép AI không chỉ truy xuất thông tin mà còn thực hiện các hành động. Tuy nhiên, tôi nhận thấy rằng máy chủ thiếu ghi chép chi tiết về lưu lượng API, điều này làm cho việc gỡ lỗi trở nên khó khăn nếu có điều gì sai. Đây là nơi Apidog tỏa sáng, như tôi sẽ thảo luận sau.
Hiệu suất và Khả năng Mở Rộng của Bộ Tạo Máy Chủ MCP
Sau khi thử nghiệm tính năng cốt lõi, tôi đã đánh giá hiệu suất và khả năng mở rộng của máy chủ MCP được tạo. Tôi đã thực hiện một bài kiểm tra tải bằng một kịch bản đơn giản để mô phỏng 100 yêu cầu đồng thời đến máy chủ, truy vấn các điểm cuối khác nhau. Máy chủ đã xử lý tải tốt, với thời gian phản hồi trung bình là 250 mili giây và không có sự cố nào.
Tuy nhiên, khi tôi tăng tải lên 500 yêu cầu đồng thời, thời gian phản hồi đã tăng vọt lên 1,2 giây, và máy chủ đôi khi trả về các lỗi 503. Điều này cho thấy rằng cấu hình mặc định của máy chủ MCP có thể không được tối ưu cho các kịch bản lưu lượng cao. Để giải quyết điều này, tôi đã chỉnh sửa cấu hình máy chủ để tăng số lượng luồng công việc:
const server = require('./mcp-server');
server.setWorkerThreads(4);
server.start();
Điều chỉnh này đã giảm thời gian phản hồi xuống còn 800 mili giây dưới cùng một tải, nhưng vẫn cho thấy rằng Bộ Tạo Máy Chủ MCP có thể cần thêm việc tối ưu hóa cho các môi trường sản xuất.
So sánh Bộ Tạo Máy Chủ MCP của Mintlify với Apidog
Trong khi Bộ Tạo Máy Chủ MCP của Mintlify đã làm tôi ấn tượng với tính dễ sử dụng, tôi không thể không so sánh nó với Apidog, một công cụ khác mà tôi đã sử dụng cho thiết lập máy chủ MCP và kiểm tra API. Apidog cung cấp một giải pháp máy chủ MCP tích hợp trực tiếp với các đặc tả API, tương tự như Mintlify, nhưng cung cấp các tính năng bổ sung khiến nó trở thành một lựa chọn tốt hơn trong một số kịch bản.
Thiết lập và Cấu hình
Quá trình thiết lập của Apidog có phần phức tạp hơn so với Mintlify, yêu cầu Node.js và một tệp cấu hình để xác định các nguồn dữ liệu. Tuy nhiên, Apidog hỗ trợ nhiều nguồn dữ liệu ngay từ đầu, bao gồm các tệp cục bộ, cơ sở dữ liệu và API từ xa. Mintlify, ngược lại, chủ yếu tập trung vào các đặc tả OpenAPI, điều này hạn chế tính linh hoạt của nó.
Gỡ lỗi và Tính Năng Hiện Thị
Một lĩnh vực mà Apidog vượt trội hơn Mintlify là gỡ lỗi. Apidog cho phép bạn ghi lại và kiểm tra lưu lượng API giữa máy chủ MCP và các khách hàng AI như Cursor. Ví dụ, khi tôi thử nghiệm cùng một kịch bản hoàn tiền Stripe với máy chủ MCP của Apidog, tôi có thể nhìn thấy chính xác nội dung yêu cầu và phản hồi:
Yêu cầu:
{
"charge": "ch_1N5X7Y2eZvKYlo2C0X5Y7Z8",
"amount": 1000
}
Phản hồi:
{
"id": "re_1N5X7Y2eZvKYlo2C0X5Y7Z8",
"amount": 1000,
"status": "succeeded"
}
Cấp độ hiện thị này đã giúp tôi khắc phục các vấn đề xác thực mà không rõ ràng với máy chủ của Mintlify. Khả năng của Apidog trong việc bộ nhớ đệm các đặc tả API tại chỗ và làm mới chúng theo yêu cầu cũng đảm bảo rằng AI luôn làm việc với dữ liệu mới nhất.
Tạo mã và Tùy chỉnh
Apidog tiến xa hơn chức năng máy chủ MCP bằng cách cho phép AI tạo mã dựa trên đặc tả API. Ví dụ, tôi đã sử dụng Apidog để tạo ra các bản ghi Java cho một sơ đồ “Sản phẩm”:
public record Product(String id, String name, double price) {}
Bộ Tạo Máy Chủ MCP của Mintlify không cung cấp tính năng này, mà thay vào đó tập trung vào tìm kiếm và thực thi API. Mặc dù điều này phù hợp với mục tiêu của Mintlify trong việc nâng cao tài liệu, nhưng tập hợp tính năng rộng hơn của Apidog khiến nó trở nên linh hoạt hơn cho các nhà phát triển làm việc trên các quy trình làm việc AI phức tạp.
Kết nối tài liệu API trực tuyến được xuất bản bởi Apidog với AI thông qua Máy chủ MCP của Apidog
Máy chủ MCP của Apidog cho phép AI kết nối và sử dụng tài liệu API trực tuyến được xuất bản bởi Apidog.
Phương pháp cấu hình này chỉ hỗ trợ tài liệu trực tuyến được công khai và không hỗ trợ tài liệu với cài đặt mật khẩu hoặc danh sách trắng. Đối với các tài liệu không công khai, được khuyến nghị sử dụng ID dự án và mã truy cập API cá nhân để đọc dữ liệu dự án Apidog. Để biết thêm chi tiết, vui lòng tham khảo: Kết nối tài liệu API trong Dự án Apidog với AI thông qua Apidog.
Bật MCP cho Tài liệu Trực tuyến
Lấy Tệp Cấu hìnhSau khi bật, nút Vibe Coding(via MCP) sẽ xuất hiện khi truy cập tài liệu trực tuyến.
Nhấp vào nút sẽ hiển thị hướng dẫn cấu hình và tệp cấu hình MCP, tự động bao gồm site-id của tài liệu của bạn. Chỉ cần sao chép cấu hình này để tích hợp vào IDE.
Cấu hình MCP trong Cursor: Chỉnh sửa Tệp Cấu hình MCPMở trình soạn thảo Cursor, nhấp vào biểu tượng cài đặt (góc trên bên phải), chọn "MCP" từ menu bên trái, sau đó nhấp vào "+ Thêm máy chủ MCP toàn cầu mới".
Thêm Cấu hìnhDán cấu hình JSON MCP đã sao chép từ tài liệu trực tuyến vào tệp mcp.json đã mở:macOS / LinuxWindows
{
"mcpServers": {
"apidog-site-123456": {
"command": "npx",
"args": [
"-y",
"apidog-mcp-server@latest",
"--site-id=123456"
]
}
}
}Xác minh Cấu hìnhKiểm tra kết nối bằng cách hỏi AI (trong chế độ Tác nhân), chẳng hạn:
Vui lòng lấy tài liệu API thông qua MCP và cho tôi biết có bao nhiêu điểm cuối trong dự án.Nếu AI trả về thông tin API chính xác, kết nối đã thành công.
Các Ghi chú Quan trọng: Nếu bạn cần làm việc với các tài liệu API khác nhau, chỉ cần thêm nhiều cấu hình Máy chủ MCP vào tệp cấu hình.
Mỗi tài liệu API nên có một <site-id> độc nhất. Đối với những người dùng triển khai tại chỗ, vui lòng bao gồm địa chỉ API của máy chủ tại chỗ của bạn trong cấu hình MCP IDE: "--apidog-api-base-url=<Địa chỉ API của máy chủ tại chỗ, bắt đầu bằng http:// hoặc https://>" Ngoài ra, hãy đảm bảo rằng mạng có thể truy cập www.npmjs.com một cách hợp lý.
{
"mcpServers": {
"apidog-site-123456": {
"command": "npx",
"args": [
"-y",
"apidog-mcp-server@latest",
"--site-id=123456",
// Yêu cầu cho triển khai tại chỗ:
"--apidog-api-base-url=<Địa chỉ API của máy chủ tại chỗ>"
]
}
}
}Ưu và Nhược điểm của Bộ Tạo Máy Chủ MCP của Mintlify
Để tóm tắt trải nghiệm của tôi, dưới đây là các ưu và nhược điểm của Bộ Tạo Máy Chủ MCP của Mintlify:
Ưu điểm
- Thiết lập Dễ dàng: Quy trình cài đặt và tạo máy chủ dựa trên CLI là rõ ràng, mất chưa đến năm phút.
- Tích hợp AI Liền mạch: Máy chủ tích hợp tốt với các khách hàng AI như Cursor, cho phép tìm kiếm trong ngữ cảnh và thực thi API.
- Tập trung vào Tài liệu: Nó xuất sắc trong việc làm tài liệu dễ tiếp cận cho AI, cải thiện trải nghiệm người dùng.
Nhược điểm
- Khả năng Mở rộng Hạn chế: Cấu hình mặc định gặp khó khăn trong các kịch bản lưu lượng cao, cần tối ưu hóa thủ công.
- Thiếu Công cụ Gỡ lỗi: Không có cách tích hợp để kiểm tra lưu lượng API, điều này có thể làm cho việc khắc phục sự cố trở nên khó khăn.
- Tập trung Hẹp: Nó chủ yếu hỗ trợ các đặc tả OpenAPI, hạn chế khả năng áp dụng cho các nguồn dữ liệu khác.
Tại sao Apidog lại là một lựa chọn tốt hơn cho nhu cầu máy chủ MCP
Mặc dù Bộ Tạo Máy Chủ MCP của Mintlify là một công cụ vững chắc cho các trường hợp sử dụng tập trung vào tài liệu, Apidog cung cấp một giải pháp toàn diện hơn cho các nhà phát triển làm việc với các máy chủ MCP. Khả năng của Apidog trong việc xử lý nhiều nguồn dữ liệu, cung cấp cái nhìn chi tiết về lưu lượng API, và hỗ trợ tạo mã khiến nó trở thành lựa chọn tốt hơn cho các quy trình phức tạp. Thêm vào đó, phiên bản beta của máy chủ MCP của Apidog đang được cập nhật thường xuyên, tập trung vào phản hồi của nhà phát triển, đảm bảo nó phát triển để đáp ứng nhu cầu thực tiễn.
Nếu bạn là một nhà phát triển tìm kiếm để tích hợp các API với các mô hình AI, tôi khuyên bạn nên bắt đầu với Apidog. Tập hợp tính năng mạnh mẽ và khả năng gỡ lỗi của nó sẽ giúp bạn tiết kiệm thời gian và công sức so với đề xuất hạn chế hơn của Mintlify.
Kết luận: Bạn có nên sử dụng Bộ Tạo Máy Chủ MCP của Mintlify không?
Sau khi thử nghiệm kỹ lưỡng Bộ Tạo Máy Chủ MCP của Mintlify, tôi có thể nói rằng đây là một công cụ hứa hẹn dành cho các nhà phát triển muốn làm cho tài liệu của họ sẵn sàng cho AI. Tính dễ sử dụng và tập trung vào tích hợp API là đáng khen, nhưng nó thiếu sót về khả năng mở rộng và gỡ lỗi - những lĩnh vực mà Apidog vượt trội. Nếu mục tiêu chính của bạn là nâng cao tài liệu với các khả năng AI, Mintlify là một lựa chọn tốt. Tuy nhiên, cho các nhu cầu máy chủ MCP nâng cao hơn, Apidog là lựa chọn tốt hơn.
Khi MCP tiếp tục phát triển, các công cụ như Mintlify và Apidog sẽ đóng một vai trò quan trọng trong việc hình thành cách các nhà phát triển tích hợp API với AI. Tôi rất mong chờ xem cả hai nền tảng cải tiến trong tương lai, nhưng hiện tại, Apidog có được sự ủng hộ của tôi vì tính linh hoạt và các tính năng thân thiện với nhà phát triển.