A2UI กับ MCP Apps ต่างกันอย่างไร เมื่อ AI Agent ต้องมีหน้าจอ
เมื่อ AI Agent ต้องแสดงฟอร์ม ตาราง แผนภูมิ หรือเครื่องมือโต้ตอบ คำตอบแบบข้อความอย่างเดียวเริ่มไม่พอ A2UI และ MCP Apps เป็นสองแนวทางที่พยายามเชื่อม agent กับหน้าจอ แต่แลกความยืดหยุ่น ความสม่ำเสมอ และความปลอดภัยต่างกัน

Agent UI มีโจทย์มากกว่าการให้โมเดลสร้าง HTML
หน้าจอที่ agent สร้างต้องเข้ากับแอปเดิม ใช้งานด้วยคีย์บอร์ดได้ ทำงานบนหลายอุปกรณ์ และไม่เปิดช่องให้เนื้อหาที่ไม่เชื่อถือได้รันโค้ดตามอำเภอใจ การปล่อยให้โมเดลส่ง HTML, CSS และ JavaScript โดยตรงจึงให้ความยืดหยุ่นสูง แต่เพิ่มภาระด้าน sandbox ความสม่ำเสมอ และประสิทธิภาพ
A2UI กับ MCP Apps แก้ปัญหาคนละด้าน แนวทางแรกจำกัดผลลัพธ์ให้เป็นโครงสร้างข้อมูล ส่วนแนวทางหลังเปิดพื้นที่ให้แอปเว็บที่ปรับแต่งได้เต็มกว่า
A2UI ส่งเจตนาของหน้าจอ แล้วให้ host เป็นผู้เรนเดอร์
A2UI ใช้ payload แบบประกาศโครงสร้าง เช่น JSON บอกว่าต้องการฟอร์ม ตาราง หรือการ์ด จากนั้นแอป host เลือก component ที่อนุญาตและเรนเดอร์ด้วยระบบออกแบบของตนเอง วิธีนี้ช่วยให้หน้าตาสม่ำเสมอ ใช้ native component และควบคุมสิ่งที่แสดงได้
ข้อแลกเปลี่ยนคือ agent ใช้ได้เฉพาะ component และความสามารถที่ host เตรียมไว้ หากประสบการณ์ต้องมีตรรกะฝั่ง client ซับซ้อนมากหรือองค์ประกอบเฉพาะทาง A2UI อย่างเดียวอาจไม่ยืดหยุ่นพอ
MCP Apps ให้แอปเว็บทำงานในพื้นที่แยก
MCP Apps ใช้เทคโนโลยีเว็บและแสดงประสบการณ์ผ่าน iframe ผู้พัฒนาจึงสร้างการโต้ตอบที่ละเอียดและใช้ไลบรารีเว็บได้มากกว่า เหมาะกับ editor, visualization หรือเครื่องมือที่มี state ฝั่ง client ซับซ้อน
การใช้ iframe อาจทำให้ธีมต่างจากแอปหลัก มีแถบเลื่อนซ้อนกัน และใช้ทรัพยากรมากขึ้น ผู้พัฒนายังต้องกำหนดขอบเขตการสื่อสารระหว่างแอปที่ฝังกับ host ให้ชัด รวมถึงดูแลการเชื่อมต่อและความปลอดภัยของทั้งสองส่วน
รูปแบบผสมเลือกเครื่องมือให้เหมาะกับแต่ละส่วน
- A2UI ผ่าน MCP: MCP server ส่ง payload ชนิด
application/a2ui+jsonให้ host เรนเดอร์ด้วย component ที่เชื่อถือได้ - ใช้ A2UI เป็นค่าเริ่มต้น: ฟอร์ม ตาราง และการ์ดทั่วไปใช้ native rendering ส่วนงานพิเศษค่อยเปิด MCP App
- ฝังประสบการณ์เฉพาะจุด: หน้าหลักยังคงรูปแบบของ host แต่ใช้ iframe เฉพาะส่วนที่ต้องการ logic หรือ visualization ซับซ้อน
การตัดสินใจจึงไม่จำเป็นต้องเลือกเทคโนโลยีเดียวทั้งผลิตภัณฑ์ แต่ควรกำหนดเกณฑ์ว่าองค์ประกอบแบบใดผ่าน component catalog ได้ และกรณีใดจำเป็นต้องใช้พื้นที่ custom
รูปแบบทั้งสามเป็นแนวทางและตัวอย่างที่ Google เสนอ ไม่ได้แปลว่า MCP host ทุกตัวรองรับ A2UI โดยอัตโนมัติ ตัวอย่าง MIME type ต้องใช้ host ที่อ่าน A2UI และมี renderer กับ component catalog ที่ตรงเวอร์ชัน จึงควรทดสอบคู่ server–host ที่จะใช้จริงก่อนออกแบบงานต่อ
ความปลอดภัยขึ้นกับ capability ที่ host อนุญาต
A2UI ลดความเสี่ยงจาก raw HTML เพราะ host เรนเดอร์เฉพาะ component ที่รู้จัก แต่ component แต่ละตัวอาจยังเรียก action สำคัญได้ จึงต้องตรวจสิทธิ์และข้อมูลก่อนดำเนินการ MCP Apps อยู่ใน iframe ก็ยังต้องจำกัด origin, message channel, storage, network และสิทธิ์เรียก tools
ไม่ว่าทางไหน การคลิกปุ่มที่มีผลกระทบสูงควรแสดงเป้าหมายและขอการยืนยันอย่างชัดเจน ไม่ควรถือว่า UI ที่สร้างโดย agent มีเจตนาตรงกับผู้ใช้เสมอ
เลือกจากระดับการปรับแต่งและความเสี่ยงของงาน
ตัวอย่างสมมติสำหรับประเมินทางเลือก: หน้าค้นคำสั่งซื้อมีเพียงช่องค้นกับตาราง ให้ตรวจว่า component catalog ของ host รองรับข้อมูลและการใช้คีย์บอร์ดครบหรือไม่ หากต้องมี editor เฉพาะทาง ให้จดว่าตรรกะใดต้องทำฝั่ง client และต้องขอสิทธิ์อะไรเพิ่มก่อนเลือก iframe การเลือกช่องทางแสดงผลยังไม่อนุญาตให้แก้คำสั่งซื้อจริง ต้องแยกสิทธิ์และจุดยืนยันการเปลี่ยนข้อมูลไว้ต่างหาก
A2UI เหมาะกับประสบการณ์ที่โครงสร้างค่อนข้างมาตรฐาน ต้องเข้ากับ host และต้องการควบคุม component อย่างเข้ม ส่วน MCP Apps เหมาะกับเครื่องมือเฉพาะทางที่ต้องการอิสระของเว็บ รูปแบบผสมมีประโยชน์เมื่อผลิตภัณฑ์ต้องรองรับทั้งสองชนิด
ก่อนเริ่มควรทำรายการ UI pattern ที่จำเป็น วาง threat model และทดสอบ accessibility บนอุปกรณ์จริง การสร้างหน้าจอแบบไดนามิกจะมีคุณค่าเมื่อยังคาดเดาได้ว่าผู้ใช้กำลังเห็นอะไร ทำอะไร และข้อมูลจะถูกส่งไปที่ไหน
แหล่งข้อมูล
บทความนี้อ้างอิงข้อเสนอและตัวอย่างสถาปัตยกรรมของ Google ณ วันที่ 7 ตุลาคม 2569 ส่วนเชื่อมต่อและข้อกำหนดอาจพัฒนาต่อ ควรตรวจเอกสารเวอร์ชันที่ใช้ก่อนออกแบบระบบจริง