การตั้งค่า MCP Server สำหรับสภาพแวดล้อมเบราว์เซอร์และลำดับการแก้ปัญหา

MCP (Model Context Protocol) ทำให้ผู้ช่วย AI ควบคุมเบราว์เซอร์ได้โดยไม่ต้องให้คุณเขียนโค้ดเองสำหรับทุกการโต้ตอบ ผู้ช่วยสามารถเรียกใช้เครื่องมือตามลำดับที่เหมาะสมและทำงานให้เสร็จได้เอง

ในการเชื่อมต่อจริง จุดที่มักติดไม่ได้อยู่ที่ตัว protocol แต่เป็นเรื่องว่าต้องติดตั้งอะไร เชื่อมไปที่ไหน ส่งข้อมูลรับรองอย่างไร และจะยืนยันได้อย่างไรว่าการเชื่อมต่อใช้งานได้แล้ว หากไล่ตรวจสี่เรื่องนี้ตามลำดับ ปัญหาส่วนใหญ่จะปรากฏตั้งแต่ขั้นตอนการตั้งค่า

ตรวจสามอย่างก่อน

อย่างแรกคือ client ของสภาพแวดล้อม browser automation ที่มี local interface และเวอร์ชันต้องรองรับ local API ในเวอร์ชันเก่า interface อาจไม่มีอยู่เลย แม้อาการที่เห็นจะมีเพียงรายการเครื่องมือว่าง อย่างที่สองคือ Node.js 18 หรือใหม่กว่า MCP Server ส่วนใหญ่พัฒนาด้วย TypeScript และต้องใช้ Node runtime อย่างที่สามคือเครื่องมือ AI ที่รองรับ MCP

ควรตรวจเวอร์ชันของ client เป็นอันดับแรก ข้อผิดพลาดประเภทเชื่อมต่อไม่ได้หรือรายการเครื่องมือว่างจำนวนไม่น้อยเกิดจากเวอร์ชันเก่าเท่านั้น ไม่ได้เกี่ยวกับ server

ต้องเชื่อมไปที่ไหน

เมื่อ client เริ่มทำงาน จะเปิด local API service บนเครื่องและรอฟังที่ loopback address พอร์ตสามารถดูและเปลี่ยนได้ใน interface settings ของ client หากพอร์ตถูกใช้งานอยู่ ให้เปลี่ยนเป็นพอร์ตอื่นแล้ว restart client

MCP Server เข้าถึงสภาพแวดล้อมผ่าน local address นี้ จึงไม่ผ่าน Internet สาธารณะ ในทางกลับกัน service นี้ก็ควรอยู่เฉพาะในเครื่อง local และไม่ควรเปิดให้เข้าถึงจากภายนอก

ส่งข้อมูลรับรองอย่างไร

สร้าง API Key ในการตั้งค่าของ client บาง implementation ใช้สองส่วนคือ ID และ Key ในทางปฏิบัติ ข้อมูลรับรองนี้เทียบเท่ากับสิทธิ์ควบคุมทุก environment ภายใต้บัญชีของคุณ ผู้ที่ได้ข้อมูลนี้อาจสามารถเริ่ม แก้ไข หรือลบ environment ของคุณได้

อย่าข้ามมาตรการพื้นฐาน ห้าม commit ข้อมูลรับรองลง code repository ใช้ environment variables หรือ local configuration file และเพิ่มไฟล์นั้นไว้ใน ignore list เมื่อสมาชิกทีมมีการเปลี่ยนแปลงให้ rotate ข้อมูลรับรองทันที หากสร้างข้อมูลรับรองแยกตามวัตถุประสงค์ได้ ควรแยกไว้เพื่อให้ติดตามปัญหาและ revoke เฉพาะรายการได้ง่าย ใน configuration ของเครื่องมือ AI ให้ส่งทั้ง endpoint และข้อมูลรับรองผ่าน environment variables แทนการ hard-code ไว้บน command line ซึ่งอาจทิ้งร่องรอย

ลงทะเบียน service

การลงทะเบียนโดยทั่วไปคือเพิ่ม service definition ลงใน configuration file ของเครื่องมือ AI เนื้อหามีสามส่วน ได้แก่ วิธีเริ่มทำงาน เช่น command หรือ path ของ entry file, environment variables ที่เก็บ local endpoint และข้อมูลรับรอง, และ service identifier ซึ่งเป็นชื่อที่แสดงในรายการเครื่องมือ

หลังลงทะเบียนแล้วต้อง restart เครื่องมือ AI เครื่องมือส่วนใหญ่จะอ่าน configuration เพียงครั้งเดียวตอนเริ่มต้น ดังนั้นแก้ไฟล์แต่ไม่ restart ก็แทบไม่ต่างจากไม่ได้แก้

ตรวจอย่างไรว่าการเชื่อมต่อใช้งานได้จริง

ตรวจสองขั้นตอนและอย่าสลับลำดับ

ขั้นแรกดูรายการเครื่องมือ ควรมีเครื่องมือที่เกี่ยวกับเบราว์เซอร์ปรากฏขึ้น ซึ่งยืนยันว่า service ถูกตรวจพบแล้ว จากนั้นให้ทำงานแบบ read-only เช่นแสดงรายการ environment ปัจจุบันทั้งหมด การอ่านอย่างเดียวไม่มีผลข้างเคียง แต่ตรวจ authentication, network และ service ได้พร้อมกัน หากขั้นตอนนี้ไม่ผ่าน ก็ยังไม่จำเป็นต้องลองงานถัดไป

เมื่อเชื่อมต่อแล้วทำอะไรได้บ้าง

เมื่อ service ทำงาน ผู้ช่วย AI โดยทั่วไปสามารถ query และค้นหา environment, สร้าง environment และตั้งค่าพารามิเตอร์พื้นฐาน, เริ่มและหยุด environment, ผูก network egress ให้ environment รวมถึงทำงานในหน้าเว็บ เช่น navigation, click, กรอกข้อมูล และ screenshot

การใช้งานเป็นภาษาธรรมชาติ คุณอธิบายเป้าหมาย แล้วผู้ช่วยจะตัดสินใจว่าจะเรียกเครื่องมือใดและตามลำดับใด มีจุดหนึ่งที่สับสนได้ง่ายคือ AI ตัดสินใจว่าจะทำอะไร ส่วน environment layer ตัดสินใจว่าจะทำภายใต้ identity ใด หากแยกสองเรื่องนี้ออกจากกัน เวลามีปัญหาจะรู้ได้ง่ายขึ้นว่าควรตรวจที่ layer ไหน

ลำดับการแก้ปัญหาเมื่อเชื่อมต่อไม่ได้

หากรายการเครื่องมือว่าง ให้ตรวจ path ของ configuration file ก่อนว่าถูกต้องหรือไม่ จากนั้นยืนยันว่าได้ restart เครื่องมือ AI แล้ว และสุดท้ายลองเริ่ม service ด้วยตัวเองเพื่อดูว่าสามารถ start ได้หรือไม่ หากขั้นตอนใดในสามขั้นนี้ล้มเหลว ก็ยังไม่ถึงเวลาที่จะสงสัย protocol

Authentication failure มักมีเพียงสองสาเหตุ คือมีอักขระส่วนเกินหรือขึ้นบรรทัดใหม่ติดมาตอนคัดลอก Key หรือ environment variable ไม่ได้ถูกอ่านอย่างถูกต้อง การคัดลอก Key ใหม่มักเร็วกว่าแก้ configuration ซ้ำหลายครั้ง

Connection timeout ส่วนใหญ่มักชี้ไปที่ฝั่ง local ให้ตรวจว่า client ยังทำงานอยู่หรือไม่ และพอร์ตถูกใช้งานหรือถูก firewall บล็อกหรือไม่ MCP Server ส่วนใหญ่ต้องให้ client เปิดอยู่ตลอด เมื่อปิด client แล้ว เครื่องมือก็จะเรียกใช้ไม่ได้

หาก service เชื่อมต่อได้แต่การทำงานไม่ถูกต้อง ปัญหามักอยู่ที่จังหวะการรอ ให้เขียนใน instruction ให้ชัดว่าต้องรอถึง state ใดจึงค่อยทำขั้นต่อไป แทนที่จะปล่อยให้ผู้ช่วยเดาว่าหน้าโหลดเสร็จหรือยัง

อีกปัญหาที่มักไม่ถูกนึกถึงล่วงหน้าคือหลาย task ใช้ environment เดียวกัน Sessions, Cookies และ cache จะเขียนทับกัน งานเริ่มรบกวนกัน และผลลัพธ์ดูเหมือนล้มเหลวแบบสุ่มแทนที่จะเป็น error ที่ชัดเจน วิธีที่เสถียรกว่าคือให้แต่ละ task มี environment แยกกัน และให้ environment layer จัดการการสร้างและเก็บคืนแบบเป็นชุด ความสามารถด้าน environment isolation และการจัดการจากส่วนกลางของ PurpleMark อยู่ที่ layer นี้ เมื่อเชื่อม MCP แล้ว task orchestration และ identity management ยังคงเป็นคนละเรื่อง

จุดที่ต้องระวังเพิ่มอีกสองอย่าง

เมื่อ automation framework เข้าควบคุมเบราว์เซอร์ เวอร์ชันของ driver ต้องตรงกับเวอร์ชัน engine ที่ client ใช้ โดยทั่วไป client จะส่ง driver path ที่ใช้ได้กลับมา แต่ก็ยังอาจมี version mismatch การใช้ version management tool เพื่อ sync driver อัตโนมัติมักง่ายกว่า ส่วน page endpoint ยังคงใช้ค่าที่ client ส่งกลับมาได้ ทั้งสองอย่างไม่ขัดกัน

อีกเรื่องคือ concurrency browser process หนึ่งใช้หน่วยความจำประมาณ 300 ถึง 500MB และแนะนำให้เปิด environment พร้อมกันบนเครื่องเดียวไม่เกิน 5 ตัว หากเกินกว่านี้อาจเกิด startup failure หรือ process crash ได้ สำหรับ page operations ก็ไม่ควรใช้ fixed delay ให้ตั้ง page-load timeout ไว้ที่ 30 วินาที และใช้ explicit wait สำหรับ element สูงสุด 20 วินาที ซึ่งเสถียรกว่า sleep

ขอบเขตสำคัญหนึ่งข้อ

MCP แก้ปัญหาทางเทคนิคว่า AI จะควบคุมเบราว์เซอร์อย่างไร แต่ไม่ได้เปลี่ยนกฎของ platform ใด ๆ ตัว task ยังคงต้องปฏิบัติตาม terms of service ของ target platform ความเป็นไปได้ทางเทคนิคกับการได้รับอนุญาตตามกฎเป็นการพิจารณาคนละเรื่อง

สำหรับรายละเอียด protocol และ interface ให้ยึด official documentation และก่อนเริ่มทำงาน ให้ยืนยันก่อนว่า task ที่จะรันได้รับอนุญาตบน target platform