MCP 是什麼？（Model Context Protocol）

先講它要解決的問題

AI 很聰明，但預設只活在對話框裡 —— 它看不到你的檔案、信箱、公司資料庫（資料庫就是「有系統地存放大量資料的倉庫」）。要讓 AI 真的幫你做事，就得讓它「連上」這些東西。

問題是，以前每要 AI 連接一個工具，工程師就得為那個工具「客製」一套接法（客製＝專門為它量身打造，沒辦法重複用）。工具一多，就變得又慢、又難維護、又容易出錯。

而且這個麻煩是「相乘」的：有 5 個 AI 工具、10 個公司系統，最糟情況要做 50 組接法。這就是 MCP 想解決的事——把「相乘」變成「相加」。

MCP 是什麼

先解釋名字。MCP 全名 Model Context Protocol：Model 指「AI 模型」、Context 是「情境／它能看到的資料」、Protocol 是「協定」——協定就是「大家講好、共同遵守的一套規則」，像「插頭的規格」或「交通規則」那樣。

所以 MCP 就是「一套讓 AI 模型去讀取資料、使用工具的共通規則」，由 AI 公司 Anthropic（也就是做出 Claude 的公司）提出，並以開放標準的形式釋出。工具方只要照這套規則做一次，各種支援 MCP 的 AI 就都能接上來。

「伺服器」和「用戶端」是什麼？

講 MCP 常會聽到「MCP 伺服器」和「MCP 用戶端」，先把這兩個詞拆開。「伺服器（server）」是「提供服務的一方」，「用戶端（client）」是「來使用服務的一方」——就像餐廳（伺服器）提供餐點，客人（用戶端）來用餐。

套到 MCP：工具方（例如你的筆記軟體、資料庫）照 MCP 規格開一個「MCP 伺服器」，負責提供資料；AI 助理扮演「MCP 用戶端」，去跟這些伺服器要資料、請它們做事。兩邊講同一套規則，就能順利溝通。

要注意「伺服器」這個詞在這裡容易誤導：MCP 伺服器不一定是一台放在機房的機器。它可以只是跑在你自己電腦上的一支小程式（例如讓 AI 讀取你本機資料夾的那種），也可以是一個放在雲端、要授權登入才能連的網路服務。

用「USB-C」比喻

還記得以前每種裝置都有自己的充電線嗎？手機一種、相機一種、筆電又一種，很亂。USB-C 這個「共通插孔規格」出現後，一條線幾乎接遍所有裝置。

MCP 就是 AI 接工具的「USB-C 標準」：工具方做一次 MCP 接口，各種支援 MCP 的 AI 都能接上。一次做好，到處能用，不用每一對組合都重接。

一次 MCP 連線，實際上發生了什麼

知道流程，你才看得懂那個「授權」畫面在問什麼、以及風險在哪。大致是這幾步：

• 接上：你在 AI 工具裡加入某個 MCP 伺服器（可能要貼一段網址，或按「連接」）
• 授權：如果那個服務需要登入，會跳出授權畫面請你同意。這一步就是在決定 AI 拿到多大的權限，值得停下來看清楚
• 問它有什麼：AI 會先問這個伺服器「你能提供哪些功能、哪些資料」，拿到一份清單
• AI 自己決定要不要用：你提問後，AI 判斷需不需要動用這些功能。例如你問「上週會議結論是什麼」，它才去翻你的筆記
• 執行並帶回結果：伺服器把資料或執行結果回給 AI，AI 再整理成答案回給你

MCP 伺服器可以提供三種東西

看規格文件時會看到三個詞，先知道它們的差別，你評估風險時會清楚很多：

• 工具（tools）：AI 可以「執行的動作」，例如寄一封信、建立一筆訂單、查詢資料庫。風險最高的是這一類，因為它會真的改變東西
• 資源（resources）：AI 可以「讀取的資料」，例如某個檔案、某張表的內容。偏向唯讀，風險相對低
• 提示（prompts）：伺服器預先準備好的指令範本，讓使用者一鍵套用常見的做法

MCP 跟 API 有什麼關係與不同

如果你已經懂 API（程式之間通用的溝通窗口），可以這樣區分：API 是「任何程式跟程式」之間的通用接口；MCP 則是「專門為了讓 AI 連接工具」而設計的一層標準（它底下常常仍然是透過各工具的 API 在運作）。

另一個關鍵差別在「誰決定要呼叫」：傳統 API 是工程師事先寫死「什麼時候呼叫哪一個」；MCP 則是把可用的工具清單交給 AI，由 AI 自己判斷這次該不該用、用哪一個。這正是它強大的地方，也正是它需要權限控管的原因。

一句話：MCP 可以理解成「專門給 AI 用的、標準化的工具接頭」。

對企業／創業者的意義

MCP 讓「AI 真的接上你公司的系統」這件事變得標準化、可控。例如讓 AI 讀你的知識庫、查網站流量數據、看雲端硬碟裡的檔案，都能透過支援 MCP 的接口安全地做。

重點在「有共通標準＋可授權控管」：你決定 AI 能連什麼、能做到什麼程度。比起以前土法煉鋼、一個一個硬接，MCP 這條路更安全、也更好維護——這對想把 AI 導進實際營運的公司很重要。

更長期的價值是「不被綁死」：因為是共通標準，你今天為 A 這個 AI 做的接口，換到 B 也還能用。這降低了「押錯工具」的風險。

導入前，該檢查的權限與風險清單

MCP 本身有授權機制，但安不安全，取決於你怎麼設定。加任何一個 MCP 連線前，先過一遍這幾題：

• 這個伺服器是誰做的？ 官方出的、知名廠商出的，和網路上隨手找到的第三方，風險完全不同。來路不明的不要接
• 它要求什麼權限？只讀還是可寫？ 能寄信、能刪資料的權限，和只能讀的權限差很多。能只給讀取權限就別給寫入權限
• 它會碰到哪些資料？ 連上信箱等於整個信箱都可能被讀到。先想清楚裡面有沒有你不希望送進 AI 的東西
• 用哪個帳號授權？ 盡量用權限最小的專用帳號，不要拿最高權限的管理員帳號去授權
• 改變資料的動作，有沒有經過你同意？ 好的工具在執行寫入類動作前會先問你。確認這個機制是開著的
• 怎麼收回？ 事先確認在哪裡可以取消授權。人員離職、或不再使用時要記得收回

三個常見的誤會

• 「接了 MCP，AI 就會自己一直讀我的資料」：不會。AI 是在「你提問、它判斷需要」的時候才去取用，不是全天候掃描。但這也表示你無法逐次預測它會讀到什麼，所以權限範圍才要一開始就框好
• 「MCP 是 Claude 專用的」：不是。它由 Anthropic 提出，但以開放標準釋出，越來越多 AI 工具與服務都支援
• 「有 MCP 就不用管資安了」：正好相反。MCP 讓連接變簡單，代表「不小心給太多權限」也變簡單。標準解決的是「怎麼接」，沒有替你決定「該不該給」