MCP 是什麼？Claude 的 Model Context Protocol 完整解說

如果你還在為不同 AI 工具之間無法互通、工具整合複雜而頭痛，MCP 是什麼這個問題的答案正是你需要的。Anthropic 在 2024 年 11 月開源的 Model Context Protocol（MCP），是把 AI 助理連接到資料所在系統的開放標準，現在 Claude、ChatGPT、VS Code、Cursor 等工具都能接上 MCP。查看相關日報

過去，要讓 AI 讀取本地檔案、操作資料庫或控制開發工具，開發者得為每個平台單獨撰寫 API 對接程式碼，或依賴閉源插件。MCP 的出現，正是為了讓這件事不再這麼麻煩。

MCP 是什麼？背景與發展脈絡

Model Context Protocol（MCP）是由 Anthropic 開發並開源的通訊標準，作為 AI 應用與外部資料來源、工具及服務之間的通用連接層。技術定義上，它是一種客戶端—伺服器架構的通訊協議，讓 AI 應用程式（Host）能以標準化方式發現、呼叫外部工具與資料（Server），不需為每個新工具重寫整合程式碼。

Anthropic 推出 MCP 時說明了背景：即使是最先進的模型，也被困在資料孤島與舊系統後面，每接一個新資料來源都要寫一套客製整合，系統很難規模化。MCP 想用單一協議取代這些零散的整合。2024 年 11 月推出時，Anthropic 一併釋出了協議規格與 SDK、Claude Desktop App 的本機 MCP 伺服器支援，以及一個開源的 MCP 伺服器範例庫，涵蓋 Google Drive、Slack、GitHub、Git、Postgres、Puppeteer 等常見系統。

MCP 常被比喻成「AI 世界的 USB-C」：無論資料存在 Google Drive 還是本地硬碟，只要有對應的 MCP Server，支援 MCP 的 AI 應用就能透過同一套協議存取。開發者不必為每個 AI 應用重新整合同一套工具。

核心技術原理解析

深入理解 MCP 是什麼，要從它的底層架構說起。MCP 用 JSON-RPC 2.0 作為訊息格式。依 MCP 官方文件，核心架構由三個角色構成：

• Host：協調、管理 MCP 連線的 AI 應用程式，例如 Claude Desktop、VS Code 或 Cursor
• Client：Host 為每個 Server 各建立一個 Client，每個 Client 維持一條與對應 Server 的專屬連線，替 Host 取得內容
• Server：提供內容與功能給 Client 的程式，可以在本機執行，也可以是遠端服務

運作流程很直覺：當 Host 需要執行「搜尋本地文件」這類任務時，Client 透過 MCP 協議向 Server 發送請求，Server 執行後回傳結果。

連線方式（transport）有兩種標準做法：本機 Server 通常用 STDIO（由 Client 啟動子程序，透過標準輸入輸出傳訊息），一個 Server 通常只服務一個 Client；遠端 Server 用 Streamable HTTP（每則訊息是一個 HTTP POST，可搭配串流回應），通常同時服務多個 Client。

MCP 與傳統 API 最大的差異在於可動態探索。傳統 API 通常要開發者事先知道所有端點（Endpoints）並手動撰寫呼叫邏輯。MCP 定義了三種 Server 端的基本元件：「工具」（Tools，讓 AI 執行動作）、「資源」（Resources，提供資料內容，例如資料庫結構）與「提示範本」（Prompts，例如系統提示或範例）。Client 可以先用 list 類的方法列出 Server 提供哪些工具，再決定呼叫哪一個；清單是動態的，Server 也能用通知告訴 Client 工具有更新。Server 新增工具後，支援 MCP 的應用就能直接探索到，不需重新訓練模型。

MCP 與 Claude 的實際應用場景

以下看幾個 MCP 在實際工作中的具體案例。

本地文件與資料庫的直接連接：透過 MCP，Claude 可以讀取本地文件，或查詢 PostgreSQL 這類資料庫。MCP 官方教學以 Claude Desktop 搭配檔案系統 MCP Server（Filesystem Server）為例：設定好允許存取的資料夾後，你可以請 Claude 整理某個資料夾裡的檔案，Claude 動用這些工具前會徵求你的同意。這個 Server 以你的使用者權限執行，你能做的檔案操作它都能做，所以只開放你放心讓 Claude 讀寫的資料夾。

開發工具鏈整合：對程式設計師來說，MCP 讓 IDE 得以直接連接 Git、CI/CD 流水線和雲端服務。開發者可以用自然語言指令讓 Claude 執行 git commit、查看 CI 失敗日誌或自動修復程式碼錯誤，讓 AI 從程式碼補全助手進化為真正的開發協作夥伴。

跨平台 AI 資料互通：企業內部常同時使用多種 AI 工具。同一個 MCP Server 可以接到 Claude、VS Code、Cursor 等不同的 MCP Host，各工具就能存取相同的資料來源，不必各寫一套整合。

MCP 教學：如何開始使用

入門門檻比多數開發者預期的低。以下是基礎流程：

環境設定：MCP 不需要龐大的框架。官方提供協議規格與 SDK，也有開源的參考 MCP Server 可以直接拿來用；像檔案系統 MCP Server 就需要先安裝 Node.js。

建立第一個 MCP Server：核心工作是定義你的 Server 提供哪些工具和資源。以「計算日期」工具為例，在程式碼中註冊工具名稱、描述及輸入參數，Client 列出工具清單時就會看到它，AI 模型便能決定何時呼叫。用 STDIO 在本機執行時，不必處理 HTTP 路由；要做成遠端 Server，則要處理授權（見下方 FAQ）。

在 Claude Desktop 中配置：依 MCP 官方教學，從系統選單列的 Claude 選單打開「Settings…」（不是 Claude 視窗裡的設定），到「Developer」分頁按「Edit Config」，編輯 claude_desktop_config.json（macOS 在 ~/Library/Application Support/Claude/，Windows 在 %APPDATA%\Claude\），寫入要啟動的 Server 指令，例如用 npx 執行 @modelcontextprotocol/server-filesystem 並列出允許存取的資料夾。存檔後完全結束並重新開啟 Claude Desktop，再從輸入框的「Add files, connectors, and more」選單進入「Connectors」>「Manage connectors」，就能看到這個 Server 提供的工具。

對產業的影響與未來展望

MCP 讓 AI 工具的整合從各自封閉走向互通。作為開放標準，它讓小型開發者也能把自己的工具接到多個主流 AI 應用：Anthropic 的 Claude、OpenAI 的 ChatGPT 與 Codex 外掛（plugin），以及 VS Code、Cursor 等開發工具都已支援 MCP。

對開發者來說，不需為每個 AI 應用重複開發介面，可以專注於工具本身的品質。伴隨而來的挑戰是安全與權限管理：VS Code 的官方文件就提醒，本機 MCP Server 能在你的電腦上執行程式碼，工具也會用你的權限存取外部服務，安裝或啟動前要先確認發布者、指令或端點，以及它要求的存取範圍。

常見問題 FAQ

MCP 與 OpenAI 的外掛（plugin）有何不同？

兩者不是對立關係。依 OpenAI 開發者文件，ChatGPT 與 Codex 的外掛是把技能（skills），以及需要時加上的 MCP Server 等資源組合起來；需要連接外部工具、資料與服務時，就是透過 Model Context Protocol。MCP 是開放標準，任何支援 MCP 的 Host 都能接上 MCP Server；開發者建立一個 MCP Server，就能讓多個不同的 AI 應用使用，而不是為每個平台重寫一次。

MCP 是否僅限於 Claude 使用？

不是。MCP 由 Anthropic 發起，但定位是開放標準。除了 Claude Desktop，VS Code、Cursor 的官方文件都有 MCP Server 的設定說明，OpenAI 的 ChatGPT 與 Codex 外掛也透過 MCP 連接工具。標準化設計的目的就是讓不同平台的 AI 能共用同一套工具生態系。

如何確保 MCP 連接的安全性？

MCP 規格中的授權（authorization）是選用的：使用 HTTP 類傳輸的實作應遵循規格裡以 OAuth 2.1 為基礎的授權流程；用 STDIO 在本機執行的 Server 則不適用這套流程，而是從環境變數等環境設定取得憑證。實際安全性取決於部署方式：只從可信來源安裝 MCP Server，安裝前檢查發布者、執行的指令或端點與要求的存取範圍；檔案系統這類 Server 只開放必要的資料夾，因為它會以你的使用者權限執行。

MCP 是什麼這個問題的答案，指向的是 AI 應用走向成熟的一個具體節點。掌握 MCP，意味著開發者和企業能以更低的整合成本、更高的靈活性釋放 AI 的實際價值，而不是持續在各平台之間重複造輪子。