MCP 協定入門：讓 AI 助手連接一切應用的開放標準

image: assets/images/posts/2026-04-30-MCP協定入門-讓AI助手連接一切應用的開放標準-cover.webp

你有沒有想過，為什麼 ChatGPT 能幫你查股價、寫程式，卻沒辦法直接讀取你電腦上的檔案？為什麼 Claude 可以分析 PDF，但要連接你的 Notion 卻得靠第三方外掛？

這一切的答案，都指向同一個問題：AI 助手缺乏一個統一的「連接標準」。而 MCP（Model Context Protocol），正是為了解決這個問題而生。

什麼是 MCP？三分鐘搞懂核心概念

MCP 的全名是 Model Context Protocol（模型上下文協定），由 Anthropic 在 2024 年底提出，並在 2025 年迅速獲得微軟、Google、OpenAI 等大廠支持，成為 AI 領域最熱門的開放標準之一。

簡單來說，MCP 做的事情就像AI 界的 USB-C：

USB-C 之前：每種設備用不同的充電線，出門得帶一堆轉接頭
USB-C 之後：一條線充手機、平板、筆電，統一且方便

MCP 讓 AI 助手不再需要為每個工具寫專屬的整合程式碼。只要工具端支援 MCP，任何 AI 助手都能直接使用——一次開發，到處連接。

MCP 的架構：三個角色，一個流程

理解 MCP 最簡單的方式，就是搞懂三個角色：

1. Host（宿主）

就是使用者直接互動的 AI 應用，例如 Claude Desktop、VS Code 的 Copilot、或任何整合了 MCP 的聊天介面。Host 負責發出請求、接收結果。

2. Client（客戶端）

藏在 Host 裡面的「翻譯官」。Client 負責跟 MCP Server 溝通，把 AI 想要的動作翻譯成 MCP 協定格式，再把 Server 回傳的結果整理好交給 AI。

3. Server（伺服器）

這才是重點——MCP Server 是真正提供功能的角色。每一個 MCP Server 對應一個工具或資料來源，例如：

MCP Server	提供的能力
`mcp-server-filesystem`	讀寫本地檔案
`mcp-server-github`	操作 GitHub Issues、PR
`mcp-server-postgres`	查詢 PostgreSQL 資料庫
`mcp-server-brave-search`	網路搜尋

整個流程是這樣的：

使用者提問 → Host 把需求交給 Client → Client 透過 MCP 協定連接 Server → Server 執行動作並回傳結果 → AI 整合結果回覆使用者

MCP 能做什麼？四大核心能力

MCP Server 可以提供四種能力給 AI 助手：

Tools（工具）

讓 AI 能執行動作。例如「建立一個 GitHub Issue」、「發送一封 Email」、「執行一段 SQL 查詢」。這是 MCP 最強大的能力——AI 不只是會說，還真的會做。

Resources（資源）

讓 AI 能讀取資料。例如「讀取這份 PDF 的內容」、「查看資料庫的 Schema」。跟 Tool 的差別在於：Resource 是被動的，AI 主動拉取；Tool 是主動的，AI 觸發執行。

Prompts（提示模板）

預先定義好的提示範本，讓使用者或開發者可以快速啟動常見任務。例如「code-review」模板會自動把相關檔案和審查標準載入上下文。

Sampling（取樣）

讓 Server 能反過來請求 AI 完成某些推理任務，實現雙向互動。這是較進階的功能，大多數日常應用暫時用不到。

為什麼 MCP 值得關注？三大關鍵優勢

一、生態系爆發中

截至目前，MCP 生態系已經有數百個開源 Server，涵蓋資料庫、雲端服務、開發工具、生產力軟體等各領域。社群成長速度驚人，每週都有新的 Server 釋出。

二、安全模型設計良好

MCP 採用了「權限最小化」原則：

Server 只能存取它被授權的資源
每次連線都需要使用者明確同意
沙盒機制防止越權操作

這意味著，你不會因為讓 AI 連接你的行事曆，就讓它有權刪除你的 Email。

三、廠商中立、開放標準

MCP 不是任何一家公司的私有協定。它建立在 JSON-RPC 之上，規格完全開源，任何 AI 公司都能實作。這也是為什麼微軟、Google、OpenAI 紛紛表態支援——統一標準對所有人都有利。

新手如何開始？三步驟上手 MCP

Step 1：安裝支援 MCP 的客戶端

最簡單的方式是下載 Claude Desktop，它原生支援 MCP。如果你是開發者，VS Code 搭配 Cline 或 Continue 擴充套件也是熱門選擇。

Step 2：設定你的第一個 MCP Server

以檔案系統 Server 為例，在設定檔中加入：

{
  "mcpServers": {
    "filesystem": {
      "command": "npx",
      "args": [
        "-y",
        "@modelcontextprotocol/server-filesystem",
        "/Users/你的名稱/Documents"
      ]
    }
  }
}

這樣一來，AI 助手就能讀取你指定資料夾裡的檔案了。

Step 3：開始對話

設定完成後，直接在聊天介面告訴 AI 你想做什麼：

「幫我摘要 Documents 資料夾裡的會議記錄」

AI 會自動透過 MCP 連接檔案系統 Server，讀取檔案後為你整理摘要。

常見問題與誤解

MCP 跟 OpenAI 的 Function Calling 一樣嗎？

不一樣。Function Calling 是 OpenAI 專屬的 API 功能，只能在 OpenAI 生態系內使用。MCP 是跨平台開放標準，任何 AI 模型都能接入，而且提供了更完整的雙向通訊能力。

MCP 會不會有安全風險？

任何讓 AI 存取外部系統的技術都有風險，但 MCP 的設計考慮到了這點：使用者必須主動授權每個 Server 的存取範圍，而且可以隨時撤銷。關鍵是只安裝你信任的 Server，不要隨意使用來源不明的 MCP Server。

我需要會寫程式才能用 MCP 嗎？

不需要。大多數熱門 MCP Server 都有現成的安裝指令，只要複製貼上就能設定。當然，如果你想為自己的服務開發 MCP Server，那就需要基本的程式能力了。

結語：MCP 是 AI 應用的下一塊拼圖

回顧科技史，每一次統一標準的出現都帶來了生態系的爆發：HTTP 之於網路、USB 之於硬體、REST API 之於雲端服務。MCP 正在為 AI 應用補上這關鍵的一塊拼圖。

當 AI 助手不再被鎖在「只能聊天」的框架裡，而是能安全地連接檔案、資料庫、API 和各種工具時，真正的生產力革命才剛開始。

現在就動手設定你的第一個 MCP Server 吧——你會驚訝於 AI 助手變得多強大。