回到頂部
MCP 協議入門 — 封面

MCP 協議入門

MCP 是 AI 的 USB-C——讓 Claude、ChatGPT 連接任何外部工具的標準協議。這篇帶你搞懂 MCP 原理、怎麼用、為什麼重要。

中級 mcpprotocolai-tools

MCP 協議(Model Context Protocol)是 Anthropic 推出的開放標準，被稱為「AI 世界的 USB-C」——讓 AI 用統一介面連接任何外部工具與資料。

🔌 新標準 · AI 生態基礎設施

MCP 協議入門Model Context Protocol 完全解析

MCP 是 AI 世界的「USB-C」——一個標準接口，讓 AI 連接任何工具和資料。

🔌 MCP 是什麼？

MCP（Model Context Protocol）是由 Anthropic 於 2024 年 11 月提出的開放標準協議，讓 AI 模型能以統一的方式連接外部工具和數據源。

🔑 一句話理解 MCP

MCP 就像 AI 世界的 USB-C：

在 USB-C 之前，每家手機充電接口都不同（Lightning、Micro USB、Mini USB…）。USB-C 統一了接口，一條線充所有裝置。

MCP 做了同樣的事——統一了 AI 連接工具的方式。開發者只需要建一次工具接口，所有支援 MCP 的 AI 都能使用。

💡 為什麼需要 MCP？

❌ 沒有 MCP 之前的痛點

  • 想讓 ChatGPT 讀你的 Notion → 要寫 OpenAI 的 API 整合
  • 想讓 Claude 讀同一個 Notion → 要重寫 Anthropic 的 API 整合
  • 想讓 Gemini 也能讀 → 又要再寫一次 Google 的 API
  • 同一個功能，三家寫三遍 = 浪費大量開發時間

✅ 有了 MCP 之後

  • 開發者只需要建一個 MCP Server（Notion 的 MCP Server）
  • 任何支援 MCP 的 AI（Claude、Cursor、未來的 ChatGPT…）都能直接使用
  • 寫一次，到處用 = N × M 的整合問題變成 N + M

🏗️ MCP 的三層架構

🧩 三個核心角色

角色說明比喻
MCP Host使用者端的 AI 應用（Claude Desktop、Cursor）你的電腦
MCP ClientHost 內部負責和 Server 通訊的模組USB-C 接口
MCP Server提供工具和資料的服務（GitHub Server、Notion Server）USB-C 裝置

📡 MCP Server 提供的三種能力

  • 🔧 Tools（工具） — AI 可以呼叫的功能（搜尋、CRUD、API 操作…）
  • 📄 Resources（資源） — AI 可以讀取的數據（文件、資料庫、API 回應…）
  • 💬 Prompts（提示模板） — 預設的 Prompt 模板，引導 AI 使用特定工具

⚡ MCP vs Function Calling

📊 關鍵差異

特色Function CallingMCP
標準化每家 AI 不同統一開放標準
跨平台❌ 各平台各寫一份✅ 寫一次到處用
雙向通訊❌ 單向呼叫✅ 雙向即時通訊
資源管理❌ 無標準✅ Resources 統一管理
安全機制各自實作標準化權限控制
生態規模各平台獨立跨平台共享

🌐 MCP 生態系（2026）

🏆 支援 MCP 的 AI 應用

  • 🔵 Claude Desktop — Anthropic 原生支援，最完整的 MCP Host
  • 💻 Cursor — AI 程式編輯器，用 MCP 連接各種開發工具
  • 🌊 Windsurf（Codeium）— 另一款 AI IDE，支援 MCP
  • 🤖 各類 AI Agent 框架 — LangChain、CrewAI 等正在支援 MCP

📦 熱門 MCP Server

  • 🔹 GitHub — 程式碼管理
  • 🔹 Notion — 筆記和知識庫
  • 🔹 Slack — 團隊溝通
  • 🔹 PostgreSQL — 資料庫
  • 🔹 Browser — 網頁瀏覽
  • 🔹 Filesystem — 本地檔案
  • 🔹 Google Drive — 雲端文件
  • 🔹 Puppeteer — 瀏覽器自動化

💼 MCP 的實際應用場景

🚀 你可以用 MCP 做什麼

  • 📝 知識管理 — 讓 AI 直接讀取你的 Notion、Google Drive、本地檔案
  • 💻 軟體開發 — AI 直接操作 GitHub（PR Review、Issue 管理）
  • 🔍 數據分析 — AI 直接查詢資料庫，搭配 AI 工作流生成報告
  • 🤖 AI Agent — 讓 AI Agent 自主使用多種工具完成複雜任務
  • 🏢 企業整合 — 統一 AI 與內部系統的連接方式

🛡️ MCP 的安全性與權限管理

MCP 讓 AI 能連接各種外部工具，但這也帶來一個關鍵問題：AI 擁有的權限越大，潛在風險也越高。如果一個 MCP Server 讓 AI 能讀寫你的資料庫，萬一 Prompt 被注入惡意指令，後果不堪設想。

最小權限原則的實踐

在設定 MCP Server 時，永遠遵循「只給 AI 完成任務所需的最少權限」：

  • 如果 AI 只需要讀取資料庫，就不要給它寫入權限
  • 如果 AI 只需要操作特定資料表，就不要開放整個資料庫
  • 對外部 API 的呼叫設定頻率上限，避免 AI 因為邏輯錯誤而瘋狂發送請求

審計日誌與人類審批

成熟的 MCP 部署應該包含完整的行動日誌——AI 透過 MCP 做了什麼操作、讀取了哪些資料、呼叫了哪些 API，全部都要有紀錄可查。對於高風險操作（例如刪除資料、發送郵件、修改設定），建議設定「人類審批關卡」，AI 產出操作計畫後，必須等人類確認才能執行。

MCP Server 的來源信任

目前社群已經開發了數百個 MCP Server，但品質參差不齊。安裝來路不明的 MCP Server，就像安裝來路不明的瀏覽器擴充功能一樣危險。建議優先使用官方認證或高星標的開源 MCP Server，安裝前先檢查原始碼，確認它沒有做超出預期範圍的事情。

🚀 2026 MCP 生態加速：三個關鍵事件

1. OpenAI 正式採納 MCP（2026 Q1）

2026 年初 OpenAI 宣布 GPT-5.4 原生支援 MCP——這是協議標準化最關鍵的里程碑。此前雖然 Claude Desktop、Cursor、Windsurf 都支援 MCP，但少了 OpenAI 的背書，MCP 一直被質疑是「Anthropic 家的標準」。OpenAI 上車後，MCP 正式確立跨家標準地位。

2. Claude Managed Agents 原生整合

Anthropic 2026 年 4 月推出的 Claude Managed Agents 完全建構在 MCP 之上——Agent 的所有工具能力都透過 MCP Server 提供，包含 Anthropic 官方維護的 Bash、Filesystem、Web Search 等。這讓 MCP 從「協議規格」變成企業級產品的骨架。

3. Google ADK 相容 MCP

Google 的 Agent Development Kit（ADK）在 2026 年 3 月 GA 版本中宣布支援 MCP——雖然仍保有自家 Agent Cards 等特色，但能讀 MCP Server 代表生態系互通。

🧰 實戰：第一個 MCP 設定（Claude Desktop 版）

這是最容易上手的 MCP 使用場景——在 Claude Desktop 加上 Filesystem 和 GitHub Server：

1. 打開 Claude Desktop 設定檔

macOS: ~/Library/Application Support/Claude/claude_desktop_config.json
Windows: %APPDATA%\Claude\claude_desktop_config.json

2. 加入 MCP Server 設定

{
  "mcpServers": {
    "filesystem": {
      "command": "npx",
      "args": ["-y", "@modelcontextprotocol/server-filesystem", "/Users/你的使用者名稱/Documents"]
    },
    "github": {
      "command": "npx",
      "args": ["-y", "@modelcontextprotocol/server-github"],
      "env": {
        "GITHUB_PERSONAL_ACCESS_TOKEN": "你的_github_token"
      }
    }
  }
}

3. 重啟 Claude Desktop，輸入

「讀取我 Documents 資料夾裡最近修改的 5 個檔案，摘要內容」

Claude 會自動呼叫 filesystem MCP Server 列檔案、讀內容、整合摘要——這就是 MCP 最基本也最強大的能力。

注意資安：Filesystem Server 會給 Claude 讀寫該路徑的完整權限——不要把路徑設為整個 ~（家目錄），最小權限原則是這裡的核心規則。

💡 MCP vs Managed Agents vs 傳統 API：選哪個？

你的需求推薦方案
個人使用 Claude Desktop / Cursor，需要連工具MCP Server
做 SaaS 應用，給終端使用者 AI 功能Claude Managed Agents 或 Agent SDK
完全自建、不依賴任何廠商Function Calling + 自建執行層
企業內部整合現有系統MCP Server（用 stdio 或 SSE transport）

關鍵差異：MCP 是「協議」、Managed Agents 是「產品」、Function Calling 是「單家 API」。MCP 的價值在於跨平台——你寫一次 Server，未來 GPT、Claude、Gemini 都能用。

❓ FAQ

MCP 是什麼？

MCP 是 AI 世界的「USB-C」—— 由 Anthropic 提出的開放標準協議，讓 AI 模型能以統一方式連接外部工具和數據。開發者寫一次工具接口，所有支援 MCP 的 AI 都能使用。

MCP 和 Function Calling 有什麼不同？

Function Calling 是各平台各自實作的工具呼叫（每家不同），MCP 是跨平台統一標準。MCP 還支援雙向通訊、資源管理和標準化安全機制。

哪些 AI 工具支援 MCP？

Claude Desktop（原生支援）、Cursor、Windsurf，以及各 AI Agent 框架。OpenAI 和 Google 也在評估中。社群已開發數百個 MCP Server。

不會寫程式能用 MCP 嗎？

目前主要面向開發者，但社群有大量現成 MCP Server 可一鍵安裝。Claude Desktop 或 Cursor 只需簡單設定檔即可啟用。未來會更易用。

MCP 為什麼重要？

解決 AI 生態碎片化：統一標準後工具只寫一次即可被所有 AI 使用，加速 AI 應用發展，也讓 AI Agent 更強大。

MCP 2026 年地位穩固了嗎？會不會被替代？

目前地位穩固。關鍵指標：

  • ✅ Anthropic 原生支援（最早推動）
  • ✅ OpenAI 2026 Q1 正式採納
  • ✅ Google ADK 相容
  • ✅ 跨 IDE（Cursor、Windsurf、VS Code 插件）全線支援
  • ✅ 社群 MCP Server 破 500 個

未來風險：OpenAI 或 Google 未來可能推自家更「優化版」協議，但 MCP 已建立生態慣性——短期內（2–3 年）不會被替代。

MCP Server 我可以自己寫嗎？

可以，而且不難。MCP 官方提供 TypeScript、Python、Go 的 SDK，一個最基本的 Server 約 50–100 行程式碼。

典型自建場景：

  • 整合公司內部系統（ERP、CRM、自家 API）
  • 串接專有資料庫
  • 客製化工作流工具

詳細教學見 MCP 開發指南。

裝了 MCP Server 後，我的資料會被 AI 廠商看到嗎？

看你用的 MCP Host：

  • Claude Desktop：你的 prompt + MCP Server 回傳的資料會送到 Anthropic API 讓 Claude 處理。Anthropic 預設不用這些資料訓練，但會暫存 30 天供安全審計
  • 本地模型（例如透過 Ollama）+ MCP：資料完全不離開本機

最保守做法：用 MCP 連接敏感資料前，確認 MCP Host 的資料政策。詳見 AI 隱私實戰。

📚 AI Agent 學習路徑

📚 延伸閱讀

🤖 AI Agent 是什麼？2026 指南 + 四大框架比較 🌐 AI Agent 生態系 ⚡ AI 工作流自動化 🔌 MCP Server 開發教學：從零打造串接協議 📐 Structured Output 結構化輸出指南 🤖 AI 聊天機器人搭建指南 📝 Notion AI 完全指南 2026:Custom Agents、Build 模式、三大場景實戰