MCP（Model Context Protocol）是什麼？完整教學：AI 的 USB-C 如何連接外部工具與服務

Elponcrab

2026/4/10

MCP（Model Context Protocol）是 Anthropic 在 2024 年 11 月發表的開源標準，讓 AI 應用程式用同一套方式連接外部工具、資料庫與服務，常被比喻為「AI 的 USB-C」。先講結論：

現在已是業界共通標準：OpenAI、Google、微軟、AWS 都支援，2025 年 12 月起由 Linux Foundation 旗下的 Agentic AI Foundation 治理，不再由 Anthropic 單獨主導。
對一般使用者：在 Claude、ChatGPT、Cursor、VS Code 等工具裡加上 MCP 伺服器，AI 就能讀寫你的檔案、GitHub、Slack、Notion。
對開發者：最新規範是 2026-07-28 版，協定改為無狀態的請求／回應，官方 Tier 1 SDK 有 TypeScript、Python、Go、C#。
協定本身免費開源，費用只來自你使用的 AI 服務或外部 API。

Table of Contents

MCP 解決什麼問題

沒有 MCP 之前，每個 AI 應用程式要串接每個外部服務，都得各自開發一套整合：10 個 AI 工具接 10 個服務，就是 100 組客製化程式，維護成本高、品質也參差不齊。MCP 把它變成 M＋N：AI 應用程式實作一次 MCP 客戶端、外部服務做一個 MCP 伺服器，兩邊就能互通。就像 USB-C 讓手機、筆電共用同一條線，任何支援 MCP 的 AI 工具都能接上任何 MCP 伺服器。

三種核心功能：工具、資源、提示範本

功能	由誰決定使用	做什麼	例子
工具（Tools）	AI 模型	可執行的動作，模型依對話決定何時呼叫	在 GitHub 建立 Issue、傳 Slack 訊息
資源（Resources）	應用程式	唯讀的資料，提供模型需要的背景	讀取某個檔案或資料表
提示範本（Prompts）	使用者	預先設計好的互動流程	固定格式的程式碼審查

早期規範中的 Roots、Sampling、Logging 在 2026-07-28 版規範被列為棄用，至少還會保留 12 個月，新的實作不建議再採用。

廣告 - 內文未完請往下捲動

架構：主機、客戶端、伺服器

角色	是什麼	例子
主機（Host）	使用者直接操作的 AI 應用程式，負責權限與使用者同意	Claude Desktop、ChatGPT Desktop、VS Code、Cursor
客戶端（Client）	主機裡負責跟伺服器溝通的模組，通常一對一	內建在主機中
伺服器（Server）	把外部服務包裝成 MCP 工具與資源	GitHub、Slack、檔案系統伺服器
外部服務	實際的 API、資料庫或 SaaS，本身不需要支援 MCP	GitHub API、PostgreSQL

本機伺服器透過標準輸入輸出（stdio）溝通，適合存取本機檔案；遠端伺服器使用 Streamable HTTP。2026-07-28 版規範把協定改為無狀態，每個請求自帶版本與身分資訊，方便在一般雲端架構上大規模部署；舊的 HTTP＋SSE 傳輸方式已棄用，有一年過渡期。一個主機可以同時連多個伺服器，例如讓 AI 先從 GitHub 拿 PR、再讀本機程式碼、最後寫進資料庫。

哪些工具支援 MCP

主機端：Anthropic 的 Claude Desktop 與 Claude Code、OpenAI 的 ChatGPT Desktop 與 Codex、Google 的 Gemini Deep Research（2026 年 4 月起）、微軟的 VS Code（Copilot）與 Copilot Studio，以及 Cursor、Notion Custom Agents 等。透過 Ollama 也能讓本機模型搭配 MCP 工具使用。

伺服器端：官方與社群已有大量預建伺服器，包括檔案系統、Git、GitHub、Slack、Notion、Figma、Salesforce、Asana、HubSpot、Linear、Sentry、PostgreSQL、瀏覽器自動化等。2025 年 9 月起有官方 Registry 可搜尋與安裝。

快速上手：在 Claude Desktop 接上檔案系統

以 Claude Desktop 為例，打開設定檔（macOS：~/Library/Application Support/Claude/claude_desktop_config.json；Windows：%APPDATA%\Claude\claude_desktop_config.json），加入：

{
  "mcpServers": {
    "filesystem": {
      "command": "npx",
      "args": ["-y", "@modelcontextprotocol/server-filesystem", "/Users/username/Documents"]
    },
    "github": {
      "command": "npx",
      "args": ["-y", "@modelcontextprotocol/server-github"],
      "env": { "GITHUB_PERSONAL_ACCESS_TOKEN": "ghp_xxxx" }
    }
  }
}

存檔後重開 Claude Desktop，輸入框旁會出現工具圖示，試著說「列出我 Documents 裡的檔案」即可確認。只授權需要的資料夾，金鑰放在 env 欄位、不要提交到版本控制。Claude Code 的設定方式見 .claude 資料夾教學。

自己做一個 MCP 伺服器

官方 Tier 1 SDK 有 TypeScript、Python、Go、C#，Rust 為測試版，Ruby SDK 也在 2026 年 7 月達到 1.0。以 Python 為例，一個查天氣的伺服器只要定義工具清單與處理函式：

from mcp.server import Server
from mcp.types import Tool, TextContent

server = Server("weather-server")

@server.list_tools()
async def list_tools():
    return [Tool(name="get_weather", description="取得城市天氣",
                 inputSchema={"type": "object", "properties": {"city": {"type": "string"}}, "required": ["city"]})]

@server.call_tool()
async def call_tool(name: str, arguments: dict):
    if name == "get_weather":
        return [TextContent(type="text", text=f"{arguments['city']} 目前 25°C")]

完成後可發布到 npm 或 PyPI，並提交到官方 Registry。有基本 Python 或 TypeScript 經驗的開發者，通常幾小時內就能做出第一個可用的伺服器。

MCP 跟 Function Calling 有什麼不同

	Function Calling	MCP
層級	模型的能力	應用程式之間的通訊標準
負責什麼	模型表達「我要呼叫這個函式、參數是這些」	把呼叫送到正確的外部服務並實際執行
誰來執行	開發者自己寫程式處理	MCP 伺服器
能不能共用	每個應用各自定義	同一個伺服器可給所有支援 MCP 的工具使用

兩者是互補的：主機通常用 Function Calling 讓模型提出呼叫，再透過 MCP 客戶端把呼叫轉給對應的伺服器。

安全：使用時要注意什麼

只安裝來源可信的伺服器，先看原始碼與社群評價。
最小權限：只開放需要的資料夾，資料庫盡量只給唯讀。
API 金鑰放環境變數，不要寫死在檔案或提交到 Git。
保留主機的確認提示，重要動作執行前先看清楚。
企業部署前做安全審查；美國國安局與國防部在 2026 年 6 月發布了 MCP 安全指引可供參考。

2026-07-28 版規範也強化了授權流程：客戶端必須驗證授權伺服器的身分，憑證不能跨授權伺服器重複使用，動態客戶端註冊（DCR）改由 Client ID Metadata Documents 取代。

誰在管 MCP：AAIF 與 A2A

Anthropic 在 2025 年 12 月把 MCP 捐給 Linux Foundation 新成立的 Agentic AI Foundation（AAIF），由 Anthropic、Block、OpenAI 共同創辦，白金會員包括 Amazon、Bloomberg、Cloudflare、Google、微軟，技術路線由技術指導委員會決定。Google 主推的 A2A（Agent-to-Agent）則處理代理與代理之間的溝通，跟 MCP 處理的「代理接工具」是互補關係，兩者可以同時使用。