什麼是MCP（Model Context Porta）？它能為我們做什麼？
Model 模型：為大型語言模型 LLM（Large Language Model），也就是大家所熟知的 AI 技術的運用，例如 ChatGPT 模型、Claude 模型
Context 上下文：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
而把這三個字混在一起的話，MCP 就是指讓模型能夠輕易對接到外部資料的一種協定，是 AI Agent（AI 助理）技術發展的重要突破，讓 AI 能夠輕鬆對接外部資料與工具。這不僅僅是簡單的資料交換，而是讓 AI 具備了「操作」外部世界的能力。不過為什麼要讓模型對接到外部資料呢？
為什麼我們需要 MCP？介紹 MCP 的誕生背景。
傳統的 AI 助理（像 ChatGPT 或 Claude）固然強大，但它們面臨著諸多的限制：
- 知識的限制：傳統的 AI 只知道其訓練數據中包含的信息，而訓練大型語言模型需要龐大的計算資源和時間，通常需要六個月或更長時間才能完成一個新版本，這就導致模型的知識總是過時的。
- 缺乏專業領域知識：LLM 是使用公開可用的一般數據訓練的，並不能深入理解特定業務場景中的專業數據和信息。
- 沒有統一的訪問外部數據的標準：在 MCP出現之前，若程序開發人員想要讓 AI 呼叫外部的某項數據，需要透過開法者自己定義相對應的函式。這種方式雖然靈活度高，但是當不同開發者定義的函式不同，就會遇到無法通用的問題。
這就是為什麼我們需要 MCP。MCP 提供了一個標準化的協議，允許 AI 模型以一致的方式訪問外部信息和工具，解決了上述所有問題。事實上，在 Anthropic 最開始把 MCP 開源時，就有提到希望讓 MCP 成為如同 USB-C 一樣的存在。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。
| 遇到的問題 | 傳統 AI | MCP |
|---|---|---|
| 知識限制 | 回答都是基於過時的資訊，或者是莫名其妙的想像 | 能夠及時訪問外部的數據，獲取最新的資訊 |
| 專業領域知識 | 透過公開可用的數據訓練，無法深入了解特定領域的專業訊息 | 能夠透過訪問的方式針對需要的領域獲取相對應的專業知識 |
| 統一標準 | 各個開法者定義函式不同，導致無法溝通。 | 有了統一的標準可以靈活的切換不同的 AI 工具 |
MCP 是如何運作的？淺談 MCP 的工作原理。
要知道 MCP 是如何運作的，首先得了解他的架構。MCP 的架構包含這幾個核心部分：
1. MCP Host（主機）：
像是一個指揮中心，負責管理 MCP Client 與 Server 的連線。若用筆電來比喻的話，Host 就是屬於筆電本身。
2. MCP Client（用戶端）：
負責 AI 和 MCP Server 之間的溝通，包括傳送 AI 指令到 MCP Server 內，以及接收 MCP Server 回傳的訊息。就好比是筆電與各個插頭之間的轉接頭。
3. MCP Server（伺服端）：
負責管理本地資料庫要輸出的內容指令，讓Client可以自選指令來運作。MCP伺服器就像滑鼠、鍵盤、硬碟等各種USB設備，都需要透過轉接頭連接到筆電。
舉例來說，使用者向 ChatGPT 提出”幫我整理銷售報表”的請求時，AI 分析請求後，發現需要存取 Excel 的權限，便會透過客戶端發送請求到 MCP 伺服端，請求使用「Excel 編輯」的功能。過程中 ChatGPT 都是統一透過 MCP 來取得數據，而非對接什麼額外的 API。
MCP 引領 AI 跨越新時代，開啟無限可能
MCP 無疑是人工智能領域的一項重要創新，將成為未來 AI 技術發展的關鍵橋樑。透過這一標準化協定，AI 不僅能克服知識更新的瓶頸，還能在多領域中靈活地獲取並操作外部數據，極大提升其在專業領域的應用潛力。隨著 MCP 的普及與發展，未來的 AI 將更能以一致且高效的方式連接世界，從而推動更智能的技術應用。因此， MCP 的問世，不僅解決了許多現有 AI 系統的痛點，也為未來 AI 在各行各業的應用打開了更為廣闊的天地。