什麼是 MCP? 為什麼 MCP 這麼熱門? MCP 的好處在哪?

在 Anthropic 於 2024 年的 11 月開源了 Model Context Protocol (MCP) 這個協定後，MCP 這個詞一直是 AI 應用界中討論度非常高的詞。然而這個協定是什麼? 什麼是基於 MCP 的伺服器? 為什麼現在各大 AI 工具都開始串接起 MCP 伺服器?

關於這些問題，讓我們在這篇貼文一起討論。

什麼是 Model Context Protocol (MCP)?

如果我們把 MCP 的三個字分別拆開來看，他們分別代表：

Model 模型，也就是大家熟知的 AI 模型，例如 GPT 模型、Claude 模型
Context 脈絡，也就是提供給模型的額外資料
Protocol 協定，也就是一個通用的標準

而把這三個字連在一起，MCP 就是指讓模型能夠輕易對接到外部資料的一種協定。相信這時你可能會問，MCP 是能讓模型對接外部資料的協定，不過為什麼需要讓模型能對接到外部資料?

在《AI 代理是什麼?》一文中有談到， AI 代理的核心要件之一是工具，而對接到外部資料意味著能讓 AI 去操作外部工具。之所以這麼說，是因為軟體程式在做的事情就是操作資料，例如多數人都很熟悉的 CRUD 就是對資料的操作。

舉例來說，假如今天用 AI 代理在 Cursor 或 Windsurf 這類的 AI 驅動 IDE 寫完程式碼，想要直接發一個 Pull Request 到 GitHub 上，在過去是做不到的，因為即使 AI 代理非常聰明，但沒有對接到外部的工具，也無法完成這類的任務。所以開發者需要自己打開 GitHub，然後點擊發 Pull Request，然後手動把 AI 生成好的 PR 相關描述，加到 GitHub 的 PR 當中。

不過當有了 MCP 後，這些手動的流程都能夠被 AI 做掉。因為換個角度來談，在 GitHub 發 PR 這件事，其實就是在 GitHub 的某個程式碼庫中，新增一筆 PR 相關的資料。因此，當把這類 AI IDE 透過 MCP 伺服器對接到 GitHub，在 AI 代理寫完程式碼後，就可以直接完成新增一個 PR 的操作。

為什麼需要 MCP?

讀完上面的段落，讀者們可能會有個疑問「上面這段描述，不就是讓 AI 模型呼叫 GitHub 中用來發送 PR 的 API 嗎? 這樣 MCP 在這邊的做用是什麼?」。如果你有這個疑問，說明你的理解沒有錯，以上面談到「讓 AI 代理直接發 PR」這個例子，AI 代理做的事情就是透過 GitHub 的 API 來發送 PR。

只是為什麼又需要多一層 MCP 呢? 要回答這個問題，或許可以反過來問，如果沒有 MCP 的話，AI 模型要怎麼知道如何呼叫 GitHub 的 API? 事實上，AI 很可能不知道，假如你直接問 AI 模型「如何呼叫 GitHub 的 API 來發 PR?」，AI 模型的回答可能是基於訓練資料 (所以可能過時)，又或者 AI 可能會有幻覺的回答。

因此，要避免模型用過時的方式，或者用幻覺的方式來呼叫某個外部的 API，過去在業界有個做法叫函式呼叫 (function calling)，是由開發者直接定義好某個函式 (或者某個 API)，然後定義好如何呼叫該函式 (或呼叫該 API)，然後再傳入相對應的格式後，讓模型去呼叫該函式 (或 API)。

在看完函式呼叫，相信讀者可能會問，既然已經有函式呼叫這種方式可以呼叫外部 API，為什麼又需要 MCP 呢? 兩者之間有什麼不同?

這兩種方式的一大區別在於，MCP 是從協定的角度出發，但函式呼叫則是讓開發者可以靈活地自由定義，不同的開發者可以自由定義函式以及如何呼叫。靈活聽起來似乎很不錯，但是當不同開發者定義的方式不同，就會遇到「無法通用」這個問題。從軟體設計的角度來看，當無法通用的問題在於普及度會困難，且不同的開發者可能會需要重新造相似的輪子。

這種因為缺乏標準，導致重複造輪子且互不通用的狀況，在軟體工程的歷史上出現過非常多次。事實上，在 Anthropic 最開始把 MCP 開源時，有提到希望讓 MCP 成為 USB-C 一樣的存在。就如同 USB-C 這個標準形式，讓每一個裝置都能夠透過 USB-C 來連接，不會因為換了裝置後就不能繼續用同樣的接頭。

以 USB-C 為例來說，先前蘋果獨樹一格用自己的 Lightning 接頭，讓很多人忘記帶充電線時，假如週遭的其他人都是用 USB-C，就變得沒辦法借別人的充電線來充電。但後來蘋果也統一成 USB-C 後，這個問題就不復存在，只要有 USB-C，不管是用哪牌的裝置，都能夠共享。

而 MCP 的存在也是同樣的道理，能讓 AI 應用輕易轉換、搭配不同模型；同時也能讓模型輕易對接到不同的資料來源與工具。因此，如果要總結「為什麼需要 MCP」，最核心的點，就是提供一個標準化的接頭，透過標準化能讓開發 AI 應用的人，能夠更輕易地把 AI 模型與外部資料與工具接在一起。

閱讀更多

以上是關於 MCP 的介紹，如果讀者有興趣讀更深入的內容，以及想要了解 MCP 的具體應用案例、如何開發 MCP 伺服器，我們在 E+ 成長計畫的主題文都有更詳細談到，推薦感興趣的讀者閱讀。

本文為 E+ 成長計畫的深度內容，截取段落開放免費閱讀。歡迎加入 E+ 成長計畫閱讀完整版本 (點此了解 E+ 的詳細介紹)。