Mục lục bài viết

Giới thiệu

AWS vừa công bố ra mắt Amazon Neptune MCP Server, hiện đã có sẵn trong kho mã nguồn mở AWS MCP! Server mới này giúp các nhà phát triển và trợ lý AI tương tác với Amazon Neptune dễ dàng hơn, cho phép tích hợp liền mạch các truy vấn đồ thị vào quy trình làm việc AI tạo sinh.

https://aws.amazon.com/about-aws/whats-new/2025/05/amazon-neptune-mcp-server

Tại sao Neptune MCP Server quan trọng?

Là một phần trong bộ công cụ Model Context Protocol (MCP) ngày càng phát triển của AWS, Neptune MCP Server cho phép người dùng tích hợp Neptune vào các công cụ hỗ trợ MCP như Amazon Q CLI, Cursor, Claude Code, và đặt câu hỏi bằng tiếng Việt để nhận phản hồi chính xác từ đồ thị.

Định Nghĩa về Model Context Protocol (MCP)

MCP là gì?

Model Context Protocol (MCP) là một giao thức mở chuẩn hóa cách các tác nhân AI kết nối với các dịch vụ bên ngoài như:

  • Cơ sở dữ liệu
  • APIs
  • Hệ thống cũ (legacy systems)
  • Công cụ của bên thứ ba

Lợi ích của MCP:

  • Chuẩn hóa tích hợp: Một interface thống nhất cho tất cả kết nối bên ngoài
  • Đơn giản hóa phát triển: Giảm độ phức tạp trong việc kết nối AI với dữ liệu
  • Tăng tốc quy trình: Phát triển nhanh hơn với ít code hơn
  • Linh hoạt: Hỗ trợ nhiều loại dữ liệu và service khác nhau

Tổng quan Amazon Neptune

Amazon Neptune là dịch vụ cơ sở dữ liệu đồ thị được quản lý hoàn toàn, hỗ trợ:

Các mô hình dữ liệu:

  • Property Graph với Apache TinkerPop Gremlin
  • RDF với SPARQL
  • openCypher cho Neo4j compatibility

Use cases phổ biến:

  • Đồ thị tri thức (Knowledge Graphs)
  • Phân tích mạng xã hội
  • Hệ thống khuyến nghị
  • Phát hiện gian lận
  • Phân tích mối quan hệ

Yêu cầu tiên quyết

Cần chuẩn bị:

  1. uv package manager – Cài đặt theo hướng dẫn tại đây
  2. Python 3.12:
uv python install 3.12

MCP Client:

Có nhiều ứng dụng MCP client khả dụng:

  • Claude Desktop (Anthropic)
  • Cursor
  • Cline
  • Claude Code
  • Amazon Q CLI

Cách Làm Thực Tế:

  1. Vào AWS Console chọn Amazon Neptune Database hoặc Neptune Analytics graph
  2. Truy cập mạng từ MCP client đến Neptune endpoint
  3. AWS CLI với credentials được cấu hình đúng:
# Cấu hình AWS credentials

aws configure

# Hoặc sử dụng environment variables

export AWS_ACCESS_KEY_ID=your_access_key

export AWS_SECRET_ACCESS_KEY=your_secret_key

export AWS_DEFAULT_REGION=us-east-1

Cài đặt và cấu hình

Bước 1: Cấu hình MCP Server

Tạo hoặc chỉnh sửa file cấu hình JSON cho MCP client. Với Claude Desktop, thêm cấu hình sau:

{

  "mcpServers": {

    "Neptune Query": {

      "command": "uvx",

      "args": ["awslabs.amazon-neptune-mcp-server@latest"],

      "env": {

        "FASTMCP_LOG_LEVEL": "INFO",

        "NEPTUNE_ENDPOINT": "<INSERT_NEPTUNE_ENDPOINT>"

      }

    }

  }

}

Bước 2: Định dạng Neptune Endpoint

Tùy thuộc vào loại Neptune service, sử dụng định dạng phù hợp:

# Cho Neptune Database

neptune-db://your-cluster-endpoint.cluster-xyz.us-east-1.neptune.amazonaws.com

# Cho Neptune Analytics  

neptune-graph://your-graph-identifier

Ví dụ cấu hình hoàn chỉnh:

{

  "mcpServers": {

    "Neptune Query": {

      "command": "uvx", 

      "args": ["awslabs.amazon-neptune-mcp-server@latest"],

      "env": {

        "FASTMCP_LOG_LEVEL": "INFO",

        "NEPTUNE_ENDPOINT": "neptune-db://my-cluster.cluster-abc123.us-east-1.neptune.amazonaws.com",

        "AWS_REGION": "us-east-1"

      }

    }

  }

}

Kết luận

Neptune MCP Server đại diện cho một bước tiến quan trọng trong việc đơn giản hóa tích hợp cơ sở dữ liệu đồ thị với AI.

Những gì đã đạt được:

  • Truy vấn bằng ngôn ngữ tự nhiên – Không cần viết code phức tạp
  • Hỗ trợ đa ngôn ngữ truy vấn – openCypher và Gremlin
  • Tích hợp liền mạch – Với các công cụ AI phổ biến
  • Khám phá schema tự động – Hiểu cấu trúc dữ liệu ngay lập tức

Hy vọng bài viết có ích và cảm ơn độc giả!