Bạn muốn điều khiển AI thay mình kéo report Power BI, viết công thức DAX, deploy dashboard lên Power BI Workspaces?

Search AI thấy MCP đang hot. Cắm vào Claude, đợi kết quả. Rồi bàng hoàng nhận ra 1 session dev tốn $30-40 tiền token chỉ để refactor vài measure.

Mình cũng từng như vậy. Và đó không phải lỗi của bạn mà là dấu hiệu bạn đang dùng ĐÚNG TOOL nhưng SAI BÀI TOÁN.

---

1️⃣ Trước tiên: MCP là gì và tại sao nó "đắt"?

MCP (Model Context Protocol) là chuẩn mở do Anthropic phát triển, cho phép AI model kết nối với các tool bên ngoài theo một giao thức chuẩn hóa.

Khi một MCP server kết nối với Claude, điều đầu tiên xảy ra là tool discovery - Claude gọi list_tools và nhận về toàn bộ danh sách tool cùng JSON schema đầy đủ của chúng. Với một MCP server như Power BI hay GitHub, con số này dễ dàng lên tới 40-50 tool, mỗi tool có schema mô tả parameters, types, descriptions.

Tất cả schema đó được load thẳng vào context window - trước khi Claude làm bất cứ điều gì.

Đây là "schema tax" của MCP: bạn trả chi phí discovery mỗi lần, dù task thực tế chỉ cần dùng 1-2 tool trong số 43 tool đã load.

✨ So sánh token thực tế (Scalekit benchmark, 3/2026):

→ CLI tốn 1.365 token

→ MCP tốn 44.026 token

Chênh 32 lần. Không phải 2 lần. Là 32 lần.

CLI thì khác: Claude đã được train trên hàng triệu câu lệnh shell - gh repo view, git log, pbicli workspace list nên nó biết cú pháp mà không cần schema. Khi cần, Claude search help output để có định hướng tổng thể trước khi đi vào lệnh cụ thể. Token dùng cho discovery gần bằng 0.

---

2️⃣ Vậy tại sao MCP vẫn tồn tại và tại sao Microsoft vẫn đầu tư mạnh vào nó?

Vì MCP giải một bài toán mà CLI không thể giải được: identity và governance trong môi trường multi-tenant.

Hãy hình dung bạn build một Conversational BI agent phục vụ 50 khách hàng doanh nghiệp khác nhau. Mỗi khách có Power BI Workspace riêng, dataset riêng, permission riêng.

Với CLI + shared credential:

→ Tất cả 50 khách dùng chung một service account

→ Không có cách nào revoke quyền của một khách mà không ảnh hưởng khách khác

→ Audit log không phân biệt được "khách nào đã query gì"

→ Một credential bị leak = toàn bộ 50 tenant bị compromised

Với MCP + per-user OAuth:

→ Mỗi khách đăng nhập bằng tài khoản của chính họ

→ Claude chỉ thấy data mà user đó có quyền truy cập

→ Mọi action đều được ghi vào audit trail với đầy đủ identity

→ Revoke access của một user không ảnh hưởng gì đến user khác

Đây là lý do các ngành tài chính, y tế, bảo hiểm - những ngành có yêu cầu compliance nghiêm ngặt như SOC 2, ISO 27001, HIPAA bắt buộc phải dùng MCP cho user-facing AI agent.

Không phải vì MCP rẻ hơn. Mà vì CLI không đáp ứng được yêu cầu kiểm soát truy cập.

---

✨ STACK MÌNH ĐANG DÙNG TRONG AGENTIC BI PROJECT:

Không chọn theo trend. Hãy chọn theo bài toán.

→ Conversational BI cho khách → MCP

→ Deploy 20 PBIP qua CI/CD → CLI

→ Build semantic model từ business question → MCP

→ Refactor 50 DAX measures → CLI

Đây là kiến trúc hybrid mà các team Agentic AI chuyên nghiệp đang áp dụng: MCP xử lý lớp user-facing và compliance, CLI xử lý lớp internal automation và batch processing.

Microsoft hiểu điều này nên ra đủ cả hai phía: Power BI Modeling MCP, Remote Power BI MCP cho phía governance và Fabric CLI, Azure CLI cho phía efficiency.

3 giây để quyết định dùng cái nào

→ Khách ngoài + compliance + multi-tenant → MCP

→ Nội bộ + lặp nhiều + cần rẻ → CLI

→ Dự án lớn → Dùng cả hai, mỗi cái cho đúng workflow

Một cách đơn giản hơn để nhớ:

• MCP = ai đang dùng agent này?

→ Khi câu trả lời là "nhiều người khác nhau với quyền khác nhau", dùng MCP.

• CLI = agent đang làm gì?

→ Khi câu trả lời là "task lặp đi lặp lại, nội bộ, không cần phân biệt user", dùng CLI.

MCP và CLI không cạnh tranh. Chúng giải hai bài toán khác nhau. Một bài toán về identity và governance, một bài toán về tốc độ và chi phí.

---

💡 Bạn muốn bắt đầu Agentic AI Analytics nhưng không biết đi từ đâu?

Mình mất 1 năm tự mò mới hệ thống được hết roadmap Agentic AI Analytics từ chỗ nào dùng MCP, chỗ nào dùng CLI, đến cách thiết kế kiến trúc hybrid cho production thật.

Tại MDA (Mastering Data Analytics), chúng tôi đã làm thay bạn:

✓ Hệ thống toàn bộ kiến thức Agentic AI Analytics từ Traditional BI → AI-Ready BI → Agentic BI

✓ Roadmap triển khai tối ưu, cập nhật liên tục theo update mới nhất của Anthropic + Microsoft

✓ Stack thật đã production: Claude Code + Fabric + Power BI

✓ Case study thực

Bạn không cần mất 1 năm như mình. Đi theo roadmap có sẵn, bạn tiết kiệm 80% thời gian bắt đầu.

Nguyên tắc "Không Nhảy Cóc", nền tảng trước, công nghệ sau.

Tìm hiểu về chương trình bạn sẽ học được kiến thức thật sự nền tảng & ứng dụng thực tế cao, không chỉ kiến thức bề mặt!

---

🔔+230.000 người đăng ký theo dõi chúng tôi trên các nền tảng: https://www.mastering-da.com/newsletter

📌Các chương trình ANALYTICS ứng dụng vào AGENTIC AI - phiên bản NÂNG CẤP mới nhất 2026, kế thừa nền tảng đào tạo Analytics hàng đầu Việt Nam từ 2020, tập trung vào tư duy phân tích, năng lực ra quyết định và ứng dụng AI trong thực tế doanh nghiệp

→ Khóa Agentic AI Analytics (BI) dành cho mọi phòng ban làm việc với dữ liệu: tại đây

#PhuongThaoAnalytics #AI #Analytics #DataDriven #AgenticAI #MasteringDataAnalytics

Until next time, keep turning data into decisions!