你有沒有想過，為什麼 ChatGPT 或 Claude 能幫你寫程式，卻沒辦法直接幫你讀資料庫、操作 GitHub、或是查公司內部的 API 文件？

答案很簡單：AI 被關在一個沒有工具的房間裡。 它能說會寫，但什麼都碰不到。

MCP（Model Context Protocol）的出現，就是為了打破這道牆。

MCP 是什麼？一句話解釋

MCP 是讓 AI 應用程式「安全地」連接外部工具和資料來源的標準協定。

你可以把它想像成 AI 世界的 USB 協定。就像 USB 讓你的電腦能接上滑鼠、鍵盤、隨身碟——MCP 讓你的 AI 助理能接上資料庫、檔案系統、API、以及任何你寫的服務。

重點是「標準」。以前每家 AI 平台都有自己的插件格式，寫一個工具得針對不同平台各做一次。MCP 統一了這件事：寫一次，到處能用。

為什麼 2026 年每個開發者都該認識 MCP？

1. AI 工具整合的需求爆發

從 Cursor、Windsurf 到 Claude Desktop，越來越多開發工具把 AI 放進工作流程。但 AI 如果只能「看」你貼給它的文字，能力就非常有限。MCP 讓 AI 能主動去撈資料、呼叫 API，等於從「被動顧問」升級成「主動執行者」。

2. 標準化帶來的生態系效應

Anthropic 在 2024 年底開源 MCP 後，社群快速跟進。GitHub、Slack、Postgres、Notion……主流服務的 MCP Server 一個個冒出來。當生態系成形，你不需要自己造輪子，裝一個現成的 Server 就能用。

3. 企業級的安全考量

MCP 的設計從一開始就考慮了權限控管。Server 端可以定義哪些工具可以被呼叫、哪些資料可以存取，Client 端（也就是 AI 應用）必須明確請求權限。這比「把 API Key 直接塞進 prompt」安全太多了。

MCP 的架構：三個角色搞懂就夠了

MCP 的世界裡有三個關鍵角色：

MCP Host（宿主）

就是你用的 AI 應用，例如 Claude Desktop、Cursor、或你自己開發的 AI 產品。Host 負責管理連線、控制權限。

MCP Client（客戶端）

住在 Host 裡面，負責跟 Server 建立連線、傳送請求、接收結果。一個 Host 可以同時跑多個 Client，連到不同的 Server。

MCP Server（服務端）

你寫的、或社群提供的服務。Server 暴露三種東西給 AI：

  • Tools（工具）：可以執行的動作，例如「查資料庫」、「發 Slack 訊息」
  • Resources（資源）：可以讀取的資料，例如「一份 API 文件」、「一個設定檔」
  • Prompts（提示模板）：預先定義好的 prompt 範本，方便重複使用

整個流程長這樣：

使用者輸入 → Host（AI 應用） → Client 發出 MCP 請求 → Server 執行工具/回傳資料 → AI 整合結果回覆使用者

動手做：5 分鐘寫一個 MCP Server

理論說完了，來寫程式。以下用 TypeScript 示範一個最簡單的 MCP Server——回報系統資訊。

Step 1：初始化專案

mkdir my-first-mcp-server && cd my-first-mcp-server
npm init -y
npm install @modelcontextprotocol/sdk zod

Step 2：寫 Server 程式碼

建立 index.ts：

import { McpServer } from "@modelcontextprotocol/sdk/server/mcp.js";
import { StdioServerTransport } from "@modelcontextprotocol/sdk/server/stdio.js";
import { z } from "zod";

const server = new McpServer({
  name: "system-info",
  version: "1.0.0",
});

// 註冊一個工具：取得系統資訊
server.tool(
  "get_system_info",
  "取得目前系統的基本資訊",
  {},
  async () => {
    const info = {
      platform: process.platform,
      nodeVersion: process.version,
      uptime: `${Math.floor(process.uptime() / 60)} 分鐘`,
      memoryUsage: `${Math.round(process.memoryUsage().heapUsed / 1024 / 1024)}MB`,
    };
    return {
      content: [{ type: "text", text: JSON.stringify(info, null, 2) }],
    };
  }
);

// 啟動 Server
const transport = new StdioServerTransport();
await server.connect(transport);

Step 3：編譯並測試

npx tsc index.ts --esModuleInterop --module nodenext --moduleResolution nodenext
node index.js

如果你看到程式在等待輸入，恭喜——你的 MCP Server 已經在跑了。它透過 stdio（標準輸入輸出）跟 Client 溝通，這是 MCP 最常見的傳輸方式。

Step 4：接到 Claude Desktop

在 Claude Desktop 的設定檔 claude_desktop_config.json 加入：

{
  "mcpServers": {
    "system-info": {
      "command": "node",
      "args": ["/完整路徑/my-first-mcp-server/index.js"]
    }
  }
}

重啟 Claude Desktop，你就能在對話中叫 AI 幫你查系統資訊了。

實際應用場景：MCP 能幫你做什麼？

🗄️ 資料庫操作

裝一個 PostgreSQL MCP Server，AI 就能直接幫你查表、寫 query、甚至做資料分析。不用再複製貼上 SQL 結果。

📁 檔案系統存取

讓 AI 直接讀寫你本機的檔案。開發時請 AI 幫你重構一整個專案？它可以自己讀檔、改檔、存檔。

🔗 API 整合

自己寫一個 MCP Server 包裝公司內部 API，AI 就能直接呼叫。例如「幫我查上個月的銷售數字」，AI 直接打 API 拿資料。

📝 知識庫查詢

把 Notion、Confluence 或內部 Wiki 接上 MCP，AI 能即時查詢最新文件，不再受限於訓練資料的截止日期。

安全提醒：權力越大，責任越大

MCP 很強大，但也代表 AI 能做的事情變多了。幾個安全守則一定要記住：

  1. 最小權限原則：Server 只暴露必要的工具和資料，不要把整個資料庫開放
  2. 審計日誌：記錄 AI 呼叫了哪些工具、傳了什麼參數
  3. 敏感操作加確認：刪除資料、發送訊息等動作，最好設計成需要人工確認
  4. 不要把密碼寫死在程式裡：用環境變數管理敏感資訊

常見問題

MCP 跟 OpenAI 的 Function Calling 有什麼不同？

Function Calling 是單一平台的解決方案，你只能在 OpenAI 的生態系裡用。MCP 是跨平台標準，寫一個 Server 可以同時給 Claude、Cursor、或其他支援 MCP 的應用使用。

MCP 只能用 stdio 嗎？

不是。stdio 是最常見的本地傳輸方式，但 MCP 也支援 HTTP/SSE 遠端傳輸，適合部署在伺服器上的場景。

我需要會寫 TypeScript 嗎？

TypeScript/JavaScript 是目前 SDK 最成熟的，但 Python、Go、Rust 的 SDK 也在快速發展。選你最順手的語言就好。

結語：從聊天到行動

MCP 代表的是 AI 發展的一個重要轉折：從「只能說」到「能做事」。

過去我們跟 AI 聊天，它只能給建議。有了 MCP，AI 能直接幫你執行動作、查詢資料、操作工具。這不是小改進，而是使用方式的根本改變。

如果你還沒試過 MCP，今天就是最好的起點。從一個簡單的 Server 開始，你會發現 AI 助理的能力邊界，瞬間被拉開了好幾倍。

下一步行動：挑一個你日常最常重複的操作，試著把它包成一個 MCP Server。你會驚訝於 AI 能把這件事變得多輕鬆。