MCP 是什麼?MCP 架構、API 差異與使用教學
MCP 是連接 AI 與資料、工具的開放標準。本文解釋 MCP 架構與 API、RAG 的差異,並示範 Claude 遠端連接器設定與首次查詢。

想請 AI 找出下週能開會的一小時,卻發現它讀不到你的行事曆,只好自己貼上每個人的行程。要讓 AI 直接查詢這些資料,就需要連接外部工具;你在 Claude、ChatGPT 或程式編輯器中看到的 MCP,處理的正是這類連接問題。
MCP 是 Model Context Protocol 的縮寫,中文可理解為「模型上下文協議」。它是一套讓 AI 應用程式用共同規則連接外部資料、工具與工作流程的開放協議。服務整理好能力後,相容的 AI 應用就能在你授權的範圍內使用。
接下來我會用行事曆例子解釋 MCP 的用途、Host/Client/Server 的分工,以及它與 API、Function Calling、RAG 的關係,再帶你看一般使用者如何在 Claude 設定遠端連接器,完成第一次查詢。
MCP 是什麼?
MCP 是一套讓大型語言模型應用與外部系統互通的標準,規定應用如何取得工具說明、傳送呼叫與接收結果。AI 模型負責理解需求,MCP 負責應用與外部工具之間的溝通規則。
你可以先把 MCP 想成「AI 工具的通用連接埠」。MCP 官方入門文件用 USB-C 來比喻:設備有了共同連接規格,就能連接不同配件;AI 應用有了共同規則,也更容易連接不同資料與工具。
例如,沒有外部連接能力的 AI 不知道你的私人行事曆。當 AI 透過 MCP 連上已授權的行事曆工具後,它就有機會列出會議、比較空檔,或在你確認後建立新行程。
再例如,公司可以把 Google Drive、Notion、Confluence 或內部知識庫包成 MCP Server。支援 MCP 的 AI 應用便能在權限範圍內搜尋文件,而不必只靠模型訓練時學到的公開知識回答。
依照 MCP 2026-07-28 官方規格,MCP 讓 LLM 應用以標準方式共享上下文、暴露工具與組合工作流程,並以 JSON-RPC 2.0 訊息在 Host、Client、Server 之間溝通。

本文對照 2026-07-28 正式規格。一般使用者先掌握工具與資料的分工;自行開發時,再對照 Client、Server 與 SDK 支援的協議版本。
MCP 是誰推出的?為什麼突然變熱門?
MCP 最早由 Anthropic 在 2024 年 11 月公開推出,Anthropic 也是 Claude 背後的 AI 公司。Anthropic 當時把 MCP 定位為連接 AI 助理與資料所在系統的開放標準,涵蓋內容資料庫、商業工具與開發環境。
它一開始常見於 Claude Desktop、Claude Code 與開發者工具,之後逐漸被更多 AI 應用、程式編輯器、企業軟體與自動化平台採用。原因是 AI 產品都遇到同一個問題:要查最新資料、使用工具與執行任務,模型就需要透過應用連上外部系統。
Anthropic 後來把 MCP 捐給 Linux Foundation 旗下的 Agentic AI Foundation,讓協議朝開放、中立與社群治理發展。到了 2026-07-28 正式規格,MCP 核心改為每次請求自帶必要資訊的 stateless 架構,進一步處理遠端部署、擴充與企業授權需求。
為什麼 AI 需要 MCP?
大型語言模型可以理解文字、產生內容與進行推理。處理私人文件、最新庫存或公司行事曆時,AI 應用還需要取得對應系統的資料與操作權限。
要讓 AI 真正協助工作,通常必須解決三件事:
- 拿到正確上下文:例如專案文件、客戶資料、行事曆、商品庫存或最新報表。
- 知道有哪些動作可做:例如搜尋、建立任務、寄信、更新 CRM 或執行測試。
- 在安全範圍內執行:包含登入授權、最小權限、操作確認、日誌與錯誤處理。
沒有共同標準時,每個 AI 應用或 AI Agent 都要各自整合每個外部服務。N 個 AI 應用要連 M 個工具,最壞會形成 N × M 組客製串接。開發者除了寫連線程式,還要重複處理工具描述、參數格式、權限、回傳內容與錯誤。
MCP 的目標,是把「AI 如何看見與使用外部能力」這一層標準化。外部系統只要提供合適的 MCP Server,相容的 AI Host 就能用共同規則連接它,減少每一組產品都重新發明整合方法的成本。
MCP 的基本架構
新手先記住三個角色:Host、Client、Server。
1. Host:你正在使用的 AI 應用
Host 是承載模型、對話、權限與使用者介面的主要應用,例如 AI 助理、程式編輯器或企業內部 Agent。你通常是在 Host 裡提出需求,例如:「找出下週所有人都有空的一小時。」
2. MCP Client:Host 裡負責溝通的連接元件
Client 負責和某一個 MCP Server 交換協議訊息。它取得 Server 提供的能力、送出工具呼叫、接收結果,並把資料交回 Host。一般使用者不一定會直接看見 Client。
3. Server:把資料與工具能力提供出來
MCP Server 可以直接讀取允許的檔案或資料庫,也可以在背後呼叫既有 API。它把能力用 MCP 規格描述出來,例如「列出行事曆事件」「搜尋文件」「建立 issue」「查詢訂單」。
一個常見流程如下:
- 使用者在 Host 提出自然語言需求。
- Host 讓模型看見可用工具,模型再判斷要用哪個工具與參數。
- MCP Client 把呼叫送到 MCP Server。
- Server 查 API、資料庫、檔案或其他系統。
- 結果經 Client 回到 Host,模型再整理、比較或規劃下一步。

在這個流程中,Host 負責呈現需求與操作確認,Client 傳遞協議訊息,Server 與底層服務執行實際查詢。登入憑證與可執行動作則由這些應用及服務的授權設計管理。
MCP 的三個重要功能:Tools、Resources、Prompts
MCP Server 可以提供不同能力,新手最先需要理解的是 Tools、Resources、Prompts。
Tools:讓模型提出要執行的動作
Tool 是可呼叫的函式或操作,例如查資料庫、搜尋文件、建立 GitHub issue、列出行程、更新 CRM 或執行測試。工具最有行動力,也最需要權限、輸入驗證與高風險操作確認。
Resources:提供可讀取的資料與上下文
Resource 可以是文件、專案檔案、資料庫 schema、Git history、圖片或其他結構化內容。它的重點是讓 Host 或模型取得處理任務需要的資料;查詢以外的動作由 Tools 提供。
Prompts:可重複使用的任務模板
Prompt 是預先設計好的訊息與工作流程模板,例如程式碼審查、客服回覆、週報整理或資料分析模板。它可以讓常見任務的輸入方式與輸出格式更一致。
依照官方規格的控制概念,Prompts 偏向由使用者選用,Resources 偏向由應用管理,Tools 則可能由模型依任務判斷是否呼叫。無論是哪一種,Host 都應保留權限與使用者控制。
MCP 跟 API 有什麼不同?
最短答案是:API 讓軟體呼叫某項服務;MCP 則讓 AI 用共同格式看懂「有哪些工具、怎麼使用」。兩者通常一起工作:MCP Server 可以在背後呼叫原有 API。
換成行事曆任務來看
直接使用 API:工程師先寫好何時查行事曆、要帶哪些參數,以及查完後如何找空檔,流程固定而可控。
使用 MCP:使用者只要說「找出下週大家都有空的一小時」,AI 就能從 MCP Server 提供的工具中選擇「列出事件」或「查詢空檔」,再由 Server 呼叫底層行事曆 API。
MCP 與 API 比較表
| 比較項目 | API | MCP |
|---|---|---|
| 主要用途 | 讓程式呼叫服務 | 讓 AI 發現並使用工具 |
| 整合方式 | 工程師閱讀各家文件並寫程式 | Server 用共同格式描述工具與參數 |
| 呼叫時機 | 通常由固定程式流程決定 | AI 可依自然語言目標選擇工具 |
| 適合情境 | 固定、高流量、低延遲的流程 | 多步任務、Agent、跨工具協作 |
| 兩者關係 | 實際提供資料或執行動作 | 背後經常仍會呼叫 API |
| 安全重點 | 金鑰、OAuth、權限與輸入驗證 | 除 API 安全外,還要管理工具信任與使用者確認 |

使用 MCP 的成本包含底層 API 費用、AI 模型用量及 Server 維運;授權與速率限制也沿用各服務的規則。多了一層模型判斷與工具往返,回應時間可能增加。
MCP、API、Function Calling、RAG 放在什麼位置?
這四個名詞常被放在一起,因為它們都可能出現在 AI 工具整合流程中,但負責的事情不同。
- API:外部系統真正提供資料或動作的介面,例如查訂單、列行程、發訊息。
- Function Calling/Tool Calling:模型輸出「我想呼叫某個函式與這組參數」的機制。應用程式收到後,仍要自己執行函式。
- MCP:讓 Host、Client、Server 用共同方式描述與交換 Tools、Resources、Prompts。Host 內部可能再把 MCP Tool 轉成模型能使用的 Function Calling schema。
- RAG:先從文件庫或搜尋系統檢索相關內容,再把內容放進模型上下文的做法。MCP Server 可以把 RAG 搜尋包成 Tool 或 Resource。
一個完整企業助理可能同時使用四者:模型透過 Function Calling 選擇 MCP Tool,MCP Server 呼叫公司 API 或 RAG 系統,最後把查到的內容交回模型整理。
什麼時候用 API、MCP,或兩者一起用?
優先直接使用 API
以下情況適合直接呼叫 API:
- 流程固定,輸入與輸出都很明確。
- 需要大量請求、低延遲或嚴格成本控制。
- 重要商業規則必須可測試、可重現,不希望交給模型判斷。
- 只有一個產品需要整合,沒有跨 AI Host 重用需求。
優先考慮 MCP
以下情況適合考慮 MCP:
- 希望同一組工具能被多個相容 AI 應用使用。
- 使用者會用自然語言提出多變、難以預先列完的任務。
- Agent 需要在多個資料源與工具之間規劃步驟。
- 要把內部工具以一致格式提供給 AI,而不是每個 Client 各寫一次。
最常見的是 MCP 加 API
常見做法是保留既有 API 作為穩定後端,再建立 MCP Server 作為 AI 轉接層。固定程式繼續直接用 API;AI 助理則透過 MCP 使用相同能力。
想看單一服務的實際例子,可以延伸閱讀Ahrefs 手查、API、MCP 與報表的差異;若要直接設定 SEO 工具,另可參考Ahrefs MCP 用途與設定教學。
固定排程只要查行事曆並發出提醒,直接呼叫 API 就很實際;若要讓使用者自由提出「比較多人空檔、再提出三個會議時間」,MCP 提供的工具描述便能幫 AI 安排查詢步驟。
ChatGPT、Gemini、Claude 怎麼串 MCP?
不同產品的按鈕、方案與支援範圍會更新,但核心結構相同:先準備 MCP Server,再讓支援 MCP 的 Host/Client 連接它,取得可用工具與資料能力。
ChatGPT 與 OpenAI API
ChatGPT 的使用者通常看到 App 或 Connector;開發者則可以依 OpenAI 的 MCP 與 Connectors 文件,把 remote MCP server 當成工具接進 API 應用。遠端 Server 會接觸傳送給它的資料,因此要另外檢查第三方資料保存與權限政策。
Gemini 與開發者工具
Google 的 Antigravity CLI 可以連接本機或遠端 MCP Server,讓 Agent 查文件或執行開發工具。在 Antigravity CLI 輸入 /mcp 可查看連線狀態,設定方式見 Antigravity 的 MCP 文件。
Google 已將 Gemini CLI 的個人免費版及 Google AI Pro/Ultra 使用者轉到 Antigravity CLI。使用企業授權或特定付費 API 金鑰時,仍可依 Google 遷移公告確認原工具的適用範圍。
Claude Desktop 與 Claude Code
Claude Code 可以接本機或遠端 MCP Server。Claude Desktop 也有專門的本機 MCP 設定,適合連接在你電腦上執行的工具。
若你要連的是網路上的遠端服務,可以用下面的 Claude 自訂連接器方式。Claude Code 的指令、設定範圍與連線方式見 Claude Code 官方 MCP 文件。
Antigravity 資料沿用 2026 年 11 月 3 日查核;Claude 遠端連接器資料查核於 2026 年 11 月 22 日。
實作教學:在 Claude 新增自訂連接器
Claude 的遠端自訂連接器支援 Free、Pro、Max、Ultra、Team 與 Enterprise 方案,Free 帳號限一個自訂連接器。
一般使用者可以連接服務商已架好的 Server,直接在 Claude 裡使用工具;自行撰寫 Server 是另一項開發工作。
遠端連接由 Anthropic 的雲端發出,即使你使用 Claude Desktop 也是如此。服務商提供的 MCP 網址要能從網際網路以標準 HTTPS 443 連入;僅在你電腦或公司 VPN 內可用的網址,適合改用對應的本機設定或由 IT 處理網路開放。
個人帳號:新增並登入服務
以下按官方列出的個人 Pro/Max 操作流程示範。請先取得服務商提供的遠端 MCP 網址,以及該服務要求的登入方式。
- 在 Claude 開啟 Customize → Connectors,按「+ Add」,選「Add custom connector」。
- 輸入方便辨認的名稱,例如「公司知識庫」;貼上完整遠端 MCP 網址,保留服務商指定的路徑,再按「Continue」。
- 查看 Claude 偵測到的驗證方式,再按「Continue」。Authentication 決定使用者何時登入;服務使用 OAuth 時,OAuth client 決定 Claude 如何向授權伺服器識別身分。
- 按「Add」完成新增;需要登入的服務,接著以自己的服務帳號連線並授權。
OAuth client 一般可使用畫面建議的 Claude published identity;服務商明訂要自行註冊用戶端時,再填自己的 Client ID 與需要的 Client Secret。
若服務採 API key 或固定 token,憑證填在連接器的 Request headers 設定。
團隊帳號:由管理者加入,再由成員連線
Team 由 Owner 或 Primary Owner 在 Organization settings → Connectors 按「Add」,選 Custom → Web,加入名稱、網址與驗證設定。
Enterprise 除了 Owner 與 Primary Owner,也開放具備「Manage access to Libraries」自訂角色權限的人新增。
加入組織後,成員再到 Customize → Connectors 找到該連接器,按「Connect」登入。使用者各自登入時,工具按各自的服務權限存取;若管理者設定共用 API key,所有使用者會共用該金鑰的服務權限,應限制在成員都可讀取的資料範圍。
完成設定:開啟工具並做第一次查詢
在對話左下方按「+」,開啟「Connectors」,啟用剛設定的連接器。以行事曆工具為例,可以先問「請列出我下週一的會議」,觀察是否回傳實際日期、時間與事件名稱,確認讀取已成功,再請 AI 比較空檔。
服務提供的工具種類會決定能做的事:只有讀取工具,就能查行程;另有建立事件工具及相應授權,才可新增行程。完整資格、驗證選項與步驟見 Claude 自訂連接器官方說明。

圖為早期設定畫面,示意名稱、遠端網址與 OAuth 欄位;現行畫面會先偵測驗證方式,再顯示適用的 Authentication、OAuth client 或 Request headers 選項。
MCP 的好處
- 降低重複整合:把外部能力整理成相容 Server,減少每個 AI 應用各寫一套工具描述與連接方式。
- 提高可組合性:Agent 可以在文件、資料庫、任務系統與其他工具之間完成多步工作。
- 讓上下文更貼近現況:模型能在授權範圍內取得最新或私有資料,不只靠訓練記憶。
- 建立治理邊界:Host 與 Server 可以集中處理權限、允許工具、確認與日誌。
這些好處建立在工具描述清楚、權限範圍明確,以及底層服務穩定的基礎上。對公司而言,先把一組常用工具整理好,就能讓相容的 AI 應用重複使用同一組能力。
MCP 可以拿來做什麼?
- 個人助理:連接行事曆、筆記、待辦與雲端文件。
- AI Coding:讀取專案檔案、Git history、issue、log 與測試結果。
- 企業知識庫:搜尋 Google Drive、Notion、Confluence、SharePoint 或內部文件。
- 資料分析:查詢資料庫、資料倉儲與 BI 指標。
- 客服與 CRM:讀取訂單、客戶紀錄、過去對話與產品文件。
- 行銷與內容:查品牌規範、SEO 資料、文章庫與成效報表。
- 設計與產品:連接設計稿、規格、任務系統與程式碼。
- DevOps:讀取監控、log 與 incident 資料,必要時在確認後執行操作。
這些場景的共同點是:AI 先取得必要上下文,再於授權範圍內查詢或執行。例如行銷人可以先請 AI 搜尋品牌規範,再搭配成效報表整理內容建議,減少在不同系統之間搬資料的時間。
新手與工程師怎麼開始使用 MCP?
一般使用者
一般使用者可先從服務商提供的 App 或 Connector 開始。到連接器的授權畫面,查看以下三項,再用一個讀取任務測試:
- 它會讀取哪些資料?
- 它能執行哪些會改變資料的動作?
- 權限能否縮小、撤銷,重要動作是否會再次確認?
工程師
工程師可以先從唯讀工具開始,例如列出檔案、查詢公開資料或搜尋測試文件。用官方 SDK 與 MCP Inspector 檢查 Tools、Resources、Prompts 的 schema 與回傳,再逐步加入 OAuth、scope、日誌、逾時、重試上限與寫入確認。
若公司已經有穩定 API,不必重寫後端。先做一個薄的 MCP Server,把既有 API 包成清楚、可驗證、權限受控的 Tool,通常是更實際的導入路線。
MCP 的權限與安全:連接前看什麼?
MCP 讓 AI 接觸外部資料與工具,也會建立新的信任邊界。官方規格要求重視使用者同意、資料隱私與 Tool 安全,並提醒 Tool 可能代表任意程式執行能力。
實務上至少要做到:
- 只安裝可信任來源的 MCP Server,核對網域、程式碼與更新機制。
- 採最小權限,只開放任務需要的資料、資料夾與動作。
- 把 Tool 描述與外部內容視為不完全可信,防範提示注入與工具投毒。
- 寄信、付款、刪除、部署、修改正式資料前保留人工確認。
- 留下誰在何時讀取什麼、呼叫什麼工具、結果如何的稽核紀錄。
- 不要把 API key、Client Secret 或私人 token 貼進一般對話。
可再參考 OWASP MCP Top 10與 MCP Security Cheat Sheet。企業導入時,IT、安全、法務與資料治理應共同參與。
MCP 適合誰?
- 一般使用者:不一定要懂協議細節,但要看懂授權範圍、資料流向與動作確認。
- 工程師:適合用 MCP 把 API、資料庫與內部工具提供給 AI Coding 或 Agent。
- 產品經理與創業者:可以評估產品能力是否值得提供成可信任的 MCP Server。
- 企業 IT:可用 MCP 標準化 AI 與內部工具的連接,但必須同步建立 allowlist、權限與稽核。
MCP 不適合什麼情境?
- 只問一般知識、翻譯或摘要一小段已提供的文字。
- 單一、固定、低延遲的後端流程,直接 API 更簡單可控。
- 組織沒有基本權限、日誌、資料分級與 API 管理,卻想直接開放高權限工具。
- 不允許模型參與工具選擇,所有步驟都必須完全確定與可重現的關鍵交易。
導入 MCP 值得投入的情境,是工具需要跨 AI 應用重用,或任務需要依自然語言需求調整步驟。固定且單一的流程直接使用 API,通常可以少維護一層連接服務。
總結
MCP 是一套讓 AI 應用標準化連接外部資料、工具與工作流程的開放協議。
API 與 MCP 最大的差異,不是誰比較新,而是解決的層級不同:API 讓軟體提供能力;MCP 讓 AI 應用用共同方式理解、選擇與呼叫能力。
真正的系統通常會把兩者疊在一起:底層 API 保持穩定、快速與可測試;上層 MCP Server 把能力整理成 AI 可使用的 Tools 或 Resources;Host 再負責模型、權限與使用者確認。
一句話記住:API 是能力入口,MCP 是 AI 使用這些能力的共同語言。
延伸閱讀
- Model Context Protocol 官方介紹
- Model Context Protocol Specification 2026-07-28
- The 2026-07-28 MCP Specification
- Anthropic:Introducing the Model Context Protocol
- OpenAI:MCP and Connectors
- OpenAI Apps SDK:Build your MCP server
- Google Antigravity:MCP servers
- Claude Code:Connect to tools via MCP
- OWASP MCP Top 10
- OWASP MCP Security Cheat Sheet
MCP 定義、2026-07-28 規格與 Claude 遠端連接器說明查核於 2026 年 11 月 22 日;其他產品段落沿用原有資料日期。
重點整理
MCP 是 AI 模型嗎?
MCP 是 Model Context Protocol 的縮寫,是連接 AI 應用與外部資料、工具的開放協議。ChatGPT、Claude、Gemini 是使用者接觸的 AI 產品,其中支援 MCP 的應用可以用這套共同規則連接工具。
MCP 是外掛嗎?
MCP 本身是一套溝通規則;依這套規則提供能力的 MCP Server,可以帶來搜尋文件、查行事曆等類似外掛的功能。
MCP 會取代 API 嗎?
API 與 MCP 通常一起工作。API 提供資料或動作,MCP 用共同格式把工具及使用方式提供給 AI 應用;許多 MCP Server 背後仍呼叫原有 API。
有 API 就一定要再做 MCP 嗎?
當工具要供多個相容 AI 應用重用,或讓 AI 按自然語言需求選擇工具時,建立 MCP Server 特別有價值。單一而固定的流程,直接使用 API 通常較簡單。
MCP 是免費的嗎?比直接使用 API 省錢嗎?
MCP 是開放標準,實際使用成本則來自 AI 方案或模型用量、外部服務 API 與 Server 維運。工具重用能減少重複串接的開發工作;每次執行的費用仍按使用的服務計算。
MCP 和 Function Calling 一樣嗎?
Function Calling 是模型產生函式呼叫及參數的機制;MCP 是 Host、Client、Server 交換工具、資源與提示的協議。Host 可以先取得 MCP Tool 的說明,再提供給模型作 Function Calling。
MCP 會取代 RAG 嗎?
RAG 負責檢索資料,再把相關內容放入模型上下文;MCP 負責應用與外部能力的連接規則。MCP Server 可以把 RAG 搜尋提供成工具,讓 AI 應用查詢文件庫。
MCP 安全嗎?
使用時要查看 Server 提供者、可讀資料、可改動作及登入方式。授權只開放任務需要的範圍,寄信、付款、刪除與修改正式資料時保留操作確認;Claude 可在連接器設定或第三方服務的安全設定撤銷權限。



