你有無諗過，點解 AI 助手可以幫你查日曆、讀文件，但就係掂唔到你公司自己嗰套系統？原因係佢無一個標準接口去「叫得郁」你嘅工具。MCP（Model Context Protocol）就係為咗解決呢件事而出現：佢定咗一套通用語言，等任何支援 MCP 嘅 AI 都可以用同一種方式，去呼叫你自訂嘅工具同資料來源。
MCP 係一套開放協議，用統一格式描述工具同資源，令 AI 客戶端可以標準化咁呼叫外部功能；你只要寫一個 MCP server，就能把自己嘅系統接駁畀任何支援 MCP 嘅 AI 使用。
一、MCP 係咩？一句講清
打個比喻：以前每個 AI 產品都要為每個工具寫一次專屬接口，好似每部電器都要用唔同插頭。MCP 就係定立一個「標準插蘇」，你按呢個規格整一次工具，之後所有支援 MCP 嘅 AI 都插得入。對開發者嚟講，好處係寫一次、四圍都用得；對用戶嚟講，好處係唔使等官方支援，自己都可以擴充。
MCP server 通常提供三種嘢：工具（tools，可以執行嘅動作）、資源（resources，可以讀取嘅資料）、提示（prompts，預設嘅範本）。新手最常由「工具」入手，因為最直接見到效果。
二、準備環境
你只需要一部裝好 Python（或 Node.js）嘅電腦，同一個支援 MCP 嘅客戶端，例如 Claude Desktop。Python 版本建議用近一兩年嘅版本，避免用太舊嘅套件。整個流程分四步：裝 SDK → 寫 server → 本地測試 → 接入客戶端。
我建議開一個乾淨嘅資料夾放呢個專案，避免同其他程式嘅依賴撈亂。之後用虛擬環境隔離套件，係好嘅習慣。
三、逐步寫第一個 MCP Server
第 1 步：裝官方 SDK
用 pip 裝官方 Python SDK 就得，唔使額外設定。
第 2 步：建立 server 檔案
server 嘅骨架好簡單：你宣告一個伺服器實例、用裝飾器定義一個工具、寫好工具嘅輸入參數同實際邏輯，最後啟動佢監聽請求。官方 quickstart 有齊可複製嘅完整範例，跟住改就得：【點擊前往】
第 3 步：定義工具嘅兩個要點
定義工具嗰陣有兩點要留心。第一係描述要寫得清楚，因為 AI 就係靠呢段描述去判斷幾時應該叫你呢個工具；寫得太含糊，佢就唔識揀。第二係參數要有型別同說明，令 AI 知道要填咩，減少出錯。
舉個實例：假設你要整一個「查公司請假政策」嘅工具，輸入係部門名稱，輸出係對應政策全文。你只需要喺工具函式入面讀你公司嘅文件，回傳結果，AI 就會喺用戶問相關問題時自動呼叫佢。
四、本地測試先，再接入客戶端
寫完之後，千萬唔好即刻接入客戶端。先喺終端直接跑一次 server，確認佢啟動無報錯。MCP 官方提供一個簡易嘅測試方式，可以列出你註冊咗嘅工具、模擬呼叫，睇下回傳係咪符合預期。呢一步最易被跳過，但亦係最省時間嘅一步：本地通咗，接入通常就順。
確認無問題之後，喺客戶端嘅設定檔加入你嘅 server 設定，指明啟動指令同路徑。重新啟動客戶端，如果設定正確，你應該會見到工具清單多咗你嗰個。跟住用自然語言問一句相關問題，睇下佢會唔會自動揀中用你嘅工具。
官方維護嘅現成 server（GitHub、檔案系統、資料庫等）可以直接參考或者照用：【點擊前往】
五、新手最常踩嘅三個坑
- 路徑行錯：設定檔入面嘅路徑要用絕對路徑。用相對路徑好易因為工作目錄唔同而揾唔到檔案，最後只見「server 啟動失敗」但唔知咩事。
- 描述寫得太短：工具描述係畀 AI 睇嘅，唔係畀人睇嘅，要講清楚「幾時用、做咩、回傳咩」。
- 無處理錯誤：工具出錯時如果直接拋異常，客戶端可能只顯示一句模糊錯誤；包好錯誤訊息，回傳清楚嘅失敗原因，除錯會快好多。
六、下一步可以做咩
當你成功整到第一個工具，之後就可以逐步擴充：接公司資料庫、接內部 API、接你常用嘅 SaaS。同一套 MCP 規格，工具越多，你嘅 AI 就越「貼身」。如果你想再進一步，可以研究資源同提示兩種能力，同埋權限控制，確保敏感資料唔會亂咁被讀取。
入門心法：先寫一個最簡單、最冇風險嘅工具（例如查天氣、查匯率），行通成條流程，先至接你真實嘅系統。第一次永遠用最無害嘅例子。