先講結論：
- MCP（Model Context Protocol） 是一個開放標準，讓 AI 應用用同一種方式連接外部的資料、工具與工作流程。
- 官方的比喻是：MCP 就像 AI 應用的 USB-C 接頭。以前每個工具都要各寫一套串接，現在只要支援 MCP 就能接。
- 接上 MCP 等於讓 AI 能讀你的資料、替你做事，所以權限與資安要先想好。
圖：MCP 像 AI 的萬用接頭，用同一種接法連上行事曆、資料庫、檔案、搜尋等工具。
MCP 能做什麼？
依 MCP 官方文件，AI 應用（例如 Claude、ChatGPT）透過 MCP 可以連接：
- 資料來源：本機檔案、資料庫。
- 工具：搜尋引擎、計算機等。
- 工作流程：預先設計好的指令範本。
官方舉的例子包括：
- AI 助理讀取你的 Google 行事曆和 Notion，變成更貼身的助理。
- 寫程式的 AI 工具依照 Figma 設計稿產生網頁。
- 企業聊天機器人同時連接公司多個資料庫，讓同事用對話分析資料。
為什麼大家都在講 MCP？
在 MCP 之前，每個 AI 應用要接每個工具，都得各自寫一套串接程式。工具越多，要維護的串接就越多。
MCP 統一了接法：
- 開發者：寫一次就能接到很多 AI 應用，開發時間和複雜度都降低。
- AI 應用：一次就能接上整個生態系的資料與工具。
- 使用者：AI 能拿到需要的資料、必要時替你執行動作。
官方文件列出支援 MCP 的有 Claude、ChatGPT、Visual Studio Code、Cursor 等。
圖：接法統一之後，AI 應用一次就能接上各種資料與工具。
兩個名詞：MCP Server 和 MCP Client
MCP Server：把某個資料或工具「包裝」成 MCP 格式、提供給 AI 用的那一端。例如「行事曆 MCP Server」。
MCP Client：要使用這些資料和工具的 AI 應用那一端，例如聊天 AI 或寫程式的 AI 工具。
所以常看到的「Figma MCP」「Playwright MCP」，指的就是那個工具的 MCP Server。
MCP、API、RAG 差在哪？
| 是什麼 | 誰在用 | |
|---|---|---|
| API | 系統之間交換資料的介面，每家格式不同 | 程式呼叫程式 |
| MCP | 讓 AI 應用用統一格式連接各種 API、資料與工具的標準 | AI 應用呼叫工具 |
| RAG | 回答前先查資料再回答的做法 | AI 回答問題時 |
三者不衝突：MCP Server 背後常常就是呼叫某個 API；RAG 的「查資料」也可以透過 MCP 接上的資料來源來做。RAG 的說明見 RAG 是什麼？
接上 MCP 之前，先想資安
MCP 讓 AI 能讀資料、做動作，風險也跟著來。官方文件另有一份資安最佳實務。一般原則：
- 最小權限：只給 AI 需要的那幾個權限。例如只讀不寫、只開特定資料夾。
- 來源要可信：網路上別人做的 MCP Server，裝之前先確認來源與它會做什麼，就像安裝外掛一樣。
- 重要動作要人確認：寄信、刪除、付款這類動作，設定成要人按同意才執行。
- 金鑰不要寫死：MCP Server 需要的帳密、API 金鑰，放在密碼管理工具或環境設定，不要寫進設定檔分享出去。
常見問題
MCP 是什麼的縮寫？
MCP 是 Model Context Protocol 的縮寫，是連接 AI 應用與外部資料、工具、工作流程的開放標準。
MCP 和 API 有什麼不同？
API 是系統之間交換資料的介面，每家格式不同；MCP 是讓 AI 應用用統一方式連接各種 API、資料與工具的標準。很多 MCP Server 背後其實就是在呼叫 API。
一般使用者需要懂 MCP 嗎？
不一定要會寫，但要知道：AI 工具接上某個 MCP Server，就等於讓 AI 能讀取那邊的資料或執行動作。裝之前確認來源、權限只開需要的。
MCP 和 RAG 是一樣的東西嗎？
不一樣。RAG 是「回答前先查資料」的做法；MCP 是「AI 怎麼連接外部資料和工具」的標準。RAG 的查資料步驟可以透過 MCP 來接資料來源。
延伸閱讀
想把公司系統接上 AI，可以參考我們的 AI 應用開發服務。
