目次
在沒有MCP的狀況下，AI要讀取分析資料必須要我們手動把資料上傳，或是貼到GPT的對話框內，能分析的資料其實相當有限。
但MCP的協議出現，讓AI可以直接讀去電腦內的資料、檔案、甚至是雲端硬碟內的所有資料，MCP最大的貢獻就是讓AI得到資料的範圍大幅增加，不僅限於單一檔案或是一小段文字。
MCP 誕生的背景：解決 AI 助理光說不做的障礙
傳統的 AI 助理（像 ChatGPT 或 Claude）擅長對話與文字生成，但它們最大的限制是無法直接存取使用者的電腦、資料庫或網路服務。例如，當你問 AI：「幫我整理我電腦內這些 Excel 檔案的資料」，它無法直接讀取你的電腦檔案(不然就是要把檔案上傳到GPT)，只能給你一些 Excel 公式建議。實用性上有相當大的隔離，而這種隔離使 AI 像是一座孤島，無法與外界互通。MCP的出現，就是為了搭建這座「橋樑」。它是一個開放原始碼的協定，允許 AI 助理安全地存取外部數據，讓 AI 更像一個真正的助手，而不只是「說話」的機器。例如，MCP 就像是一個智能家居系統的中央控制器，讓你的 AI 助理能夠打開燈光、調整溫度，甚至查看冰箱裡還有哪些食材，而不只是告訴你「某某冰箱有什麼功能」。
再舉個例子，假設你是一名企業分析師，想讓 AI 助理幫你整理 SQL 資料庫裡的銷售數據。沒有 MCP，AI 只能告訴你「SQL 查詢語法怎麼寫」，但有了 MCP，AI 可以直接執行 SQL 查詢，把數據拉出來分析，甚至自動產生報表。這讓 AI 從一個「建議者」，真正變成一個「執行者」。
整理一下現在AI能做到的，以及有了MCP之後AI進化的比對：
| 指令 | 有MCP之前 | 有MCP之後 |
|---|---|---|
| 幫我整理銷售報表 | AI 只能說：「請給我數據，我幫你分析。」 你還得自己打開 Excel 上傳。 | AI 通過 MCP 連接到你的檔案系統，打開 Excel，整理數據後生成圖表，直接回傳給你。 |
| 幫我寫好回覆內容寄信給客戶 | 好，已經寫好了內容，但我沒辦法寄給客戶。請打開Gmail自己寄吧! | AI 通過 MCP 調用 Email 服務，自動起草並發送郵件，同時在 CRM 中更新客戶狀態為「已聯繫」 |
| 幫我關燈 | 我無法連接到你家的燈具，但你可以自己走到開關前面，把燈關閉。 | AI 通過 MCP 連接到智慧家庭系統，執行關燈指令，並回覆：「燈已關閉。」 |
MCP 是誰開發的？
MCP是由Anthropic公司於2024年11月所發布的協定。Anthropic是專注於人工智慧（AI）研究和開發的企業，專門寫程式的Claude AI就是Anthropic的代表作品。MCP 是如何運作的？為什麼能讓 AI 真的「動手」
MCP 的架構包含幾個核心部分：- MCP 管理員 (Host)：像是一個指揮中心，負責管理 MCP Client與Server的連線。例如，Claude Desktop就是一個 MCP 管理員，它能夠讓Client透過MCP存取你的本地資料庫和本地工具。
- MCP 用戶端 (Client)：負責 AI 和 MCP Server之間的溝通，包括傳送AI指令到MCP Server內，以及接收MCP Server回傳的訊息。
- MCP 伺服器 (Server)：負責管理本地資料庫要輸出的內容指令(如新增、修改、刪除都是一條不同的指令)，讓Client可以自選指令來運作。這些指令包括可以讓 AI 讀取資料庫、存取檔案，甚至與網頁互動。
- 本地資料 (Local Data Sources)：自己電腦內的資料，如資料庫、檔案、軟體等
- 遠端資料 (Remote Services)：網路上的資料庫，如Google Drive、One Drive內的資料
圖：MCP運作架構圖
官方用Server來命名，感覺會容易讓人誤解，可以想像Server就是一群已經寫好的API。AI透過MCP協議進來後，API上面有註解可以幫助AI了解自己要把哪些API拿去運作才能達成任務。所以MCP整個白話邏輯，就是工程師先把API整理好，寫好註解，讓AI透過協議來拿走，拿走後分析註解就能去比對Prompt任務來執行API。
MCP 讓 AI 進一步發展為「AI Agent」
MCP 不只是讓 AI 能夠讀取外部資訊，還讓 AI 變成一個主動執行工作的智能代理（AI Agent）。舉幾個實際應用：- GitHub 管理：AI 助理透過 MCP 讀取 GitHub 專案的提交紀錄，甚至幫你建立新的儲存庫，減少手動操作的時間。
- 網頁分析：透過 MCP，AI 可以「檢查」網頁的 HTML 結構、分析錯誤，甚至幫你找出哪個 JavaScript 程式碼出了問題。
- 文件處理：AI 能夠直接讀取本地 Excel、CSV 檔案，整理數據，甚至產生報表，而不只是告訴你「Excel 裡怎麼寫公式」。
想像你是一名行銷人員，想讓 AI 助理幫你分析 Google Analytics 的數據，找出哪個廣告活動表現最好。
如果沒有 MCP，AI 只能告訴你如何登入 GA、怎麼看數據圖表；但有了 MCP，AI 能直接存取你的 GA 帳戶，把數據整理成 Excel 報表，甚至提供最佳化建議，真正解放專業人士的雙手。
MCP 的優勢：標準化、安全性與開放生態
MCP 的出現，為 AI 助理帶來三大優勢：- 標準化整合：在沒有 MCP 的情況下，開發者必須針對不同的 API 各自開發整合方案，導致開發成本高、維護困難。而 MCP 提供了一個統一的標準，讓 AI 助理能夠輕鬆連接各種數據來源。就像 USB 讓各種裝置（鍵盤、滑鼠、隨身碟）能夠統一連接到電腦，MCP 也讓 AI 能夠標準化地與不同的數據系統溝通。
- 資料安全性：MCP 所有的數據存取都在使用者本地端執行，並且需要明確授權，確保數據不會被不當存取或外洩。例如，你的 AI 助理不會隨意存取你的個人資料，除非你明確允許它讀取特定的文件或數據庫。
- 開放生態：MCP 是開放原始碼的協定，這意味著更多開發者可以參與其中，創建更多功能強大的工具。目前，Anthropic 等公司已經開始開發 MCP 伺服器，未來可能會有更多第三方開發者加入，讓 AI 的應用更加多元。
迎接 AI 助理的全新時代，MCP 會是下一個重大突破
MCP 解決了 AI 助理「只能說不能做」的限制，讓它真正成為一個可以處理數據、執行工作，甚至主動管理外部系統的智能代理。雖然目前 MCP 還在發展階段，許多功能仍在完善中，但它的潛力已經非常明顯。
未來，當 MCP 技術更加成熟，我們或許可以看到 AI 助理幫忙處理更多實際任務，例如：
- 自動化商業報告：AI 自動從財務系統拉取數據，生成月度營收報表。
- 智慧家庭控制：AI 直接存取你的智慧家居系統，幫你調整燈光、播放音樂。
- 個人 AI 秘書：AI 幫你整理郵件、安排行程，甚至處理發票報銷。
MCP 的出現，代表 AI 助理即將邁入個人化、功能更強大的新時代。
隨著技術不斷演進，MCP 將成為 AI 更深入融入工作與生活的關鍵橋樑，值得所有 AI 開發者與使用者關注與探索。
延伸閱讀：
MCP對於網頁設計產業的影響，MCP如何翻轉傳統公司網站與工程師的日常
AI Agent 時代降臨：重新定義工作與生活的關鍵時刻
