# 模型上下文協議（Model Context Protocol, MCP）

## 前言
如今的 AI 模型（如 Claude、GPT-4）雖然強大，卻無法直接存取訓練後的即時資訊或外部工具。想要讓 AI 助手查天氣、分析文件、操作行事曆，卻往往因為沒連上外部服務而「撲空」──回答錯誤或乾脆說「我不知道」。

模型上下文協議（Model Context Protocol, MCP）正是為了打破這個限制而誕生，它像一條安全、標準化的「資訊高速公路」，讓 AI 可以隨時調用外部資源，回應更精準、更有用。

## MCP 是什麼？
- **來源**：Anthropic 於 2024 年底推出並開源，目標在於建立一套「AI 與工具溝通的通用標準」。
- **定位**：類似 USB-C 插頭，AI 不用為每個工具寫不同程式，只要符合 MCP 規範，就能「即插即用」。

## MCP 架構大剖析
1. **AI 應用（Host）**
- 如聊天機器人、IDE 外掛、手機 App 等，發出「我要做什麼」的請求。
2. **MCP 客戶端（Client）**
- 把請求轉成 MCP 規定的格式（JSON）。
- 加密／驗證，確保通訊安全。
- 跟 Server 來回收發。
3. **MCP 伺服器（Server）**
- 包裝實際服務 API，例如：
- 天氣服務：`get_forecast(lat, lng)`
- 日曆系統：`schedule_event(date, time, duration, attendees)`
- 程式碼分析：`analyze_code(file_path, rules)`

### 完整流程
1. Host 問 Client：「你有哪些工具可用？」
2. Client 向各個 Server 詢問「你的能力清單是？」
3. Client 把所有工具回報給 Host，由 Host 選擇要用哪一個。
4. Host 送參數給 Client，Client 再呼叫對應的 Server，Server 執行並回傳結果，Client 將結果轉給 Host。

## MCP 的五大核心優勢
1. **實時資料整合**
- AI 可隨時呼叫最新天氣、股價、新聞或企業內部資料庫，不受訓練截止日限制。
2. **模組化擴展**
- 每個服務寫一次 MCP 對接程式，所有 AI 應用都能重用，未來新增工具時只要符合協議即可無痛接入。
3. **降低幻覺（Hallucination）**
- 回答有外部事實支撐，不再靠模型「猜」；有疑問時還能回去動態驗證。
4. **強化安全與隱私**
- MCP 規範內建權限控制，只有授權的服務能存取特定資料，所有請求可追溯、可審計。
5. **簡化開發維護**
- 開發者一次學 MCP 規範，即可串接多個工具，後續維護集中在 MCP 對接層，核心 Agent 代碼不用動。

## 三大實戰範例

### 範例 1：台北午後天氣速報
1. 用戶：「請告訴我台北今天下午 2 點到 5 點的天氣如何。」
2. Host 要求 Client 列出支援的 Server。
3. Client 向 Weather Server 詢問「你能提供哪些功能？」
4. Weather Server 回傳 `get_forecast(lat: float, lng: float)`。
5. Host 呼叫並傳入 `25.0330, 121.5654`。
6. Server 拉最新氣象 API，回傳：
> 14:00–17:00：氣溫約 30°C，風速 5 m/s，可能有陣雨
7. Host 把結果告訴用戶。

### 範例 2：自動排程小幫手
1. 用戶：「幫我在 2025-06-19 上午 10:00 到 11:00，於台北101安排會議，並邀請小明、小華。」
2. Host 呼叫 `schedule_event(date, time, location, attendees)`。
3. Calendar Server 使用 Google Calendar API 建立活動並回傳連結。
4. Host 回覆：「已在 6/19 10:00–11:00 預定，連結：…」。

### 範例 3：安全程式碼掃描
1. 用戶：「檢查我專案裡 utils.py 的安全漏洞。」
2. Host 呼叫 `analyze_code(file_path=/path/utils.py, ruleset=security)`。
3. Code Analysis Server 執行 OWASP 規則掃描，回傳：
- 第 42 行：`eval()` 可能導致注入。
- 第 88 行：缺少輸入 sanitize。
4. Host 建議：「第 42 行用 `ast.literal_eval()`，第 88 行補上 sanitize。」

## 與其他整合方案比較

| 方案 | 對接方式 | Capability Discovery | 擴充便利度 | 安全／隱私 | AI 相容性 | 維護成本 |
|--------------------------|-------------------------|-------------------------|--------------------|--------------------|----------------------|-------------------|
| **MCP** | 動態 Capability Discovery | 支援 | 高（即插即用） | OAuth、ACL、審計日誌 | 專為 AI 設計，支援狀態化 | 低（集中管理對接程式） |
| **傳統 API 整合** | 獨立接入 | 不支援 | 低（需額外開發） | 視各 API 而定 | 無狀態 REST | 高（多份對接程式） |
| **OpenAI Function Calling** | 靜態 JSON Schema | 不支援 | 中（需更新 schema） | 基本權限控制 | 部分支援對話式互動 | 中（維護 schema） |

## 未來展望
- **行業專屬 MCP Server**：醫療、金融、製造業等場景定制化實作。
- **MCP 平台化**：第三方提供 MCP Gateway as a Service。
- **生態聯盟**：期待 AI 平台大廠（OpenAI、Google、Microsoft）納入 MCP 支援，形成跨生態標準。

## 結語
MCP 為 AI Agent 打通了與外部資源的高速通道，實現即時、可追溯且安全的資訊交換。對開發者來說，它大幅簡化了工具整合；對使用者而言，則提供了更精準、更可靠的 AI 助手體驗。隨著更多服務加入 MCP 生態，未來的 AI 應用必將更智慧、更具場景感知。