4/11更新：Google發布專為AI代理而生的開放協定Agent2Agent（A2A）。這是延伸自Anthropic去年推出的模型上下文協定（MCP），兩者皆是開源協定，差別在於MCP將AI代理連接到API和其它數據服務，A2A則是專門串接AI代理。
那究竟MCP是什麼？以下介紹MCP定義，並用實例，讓你了解它如何讓AI更聰明、更好用！
新買了一台只有USB-C插孔的筆電，手邊的滑鼠、隨身硬碟和耳機線全都不適用，該怎麼辦？這正是許多企業在導入AI時面臨的困境——AI需要存取數據，卻發現各種系統不兼容。
面對分散在不同來源、規格不一的各式數據，企業常見利用檢索增強生成（RAG）技術讓AI逐一調取資料，並投入資源開發專門的API介面來串接AI。模型上下文協定（Model Context Protocol, MCP）的出現正在化繁為簡，它讓AI就像擁有了一個「萬能轉接頭」，可以輕鬆存取並理解AI需要的各種數據，無需繁瑣的整合開發。
MCP究竟是什麼？它如何讓AI更聰明、更好用？
MCP（模型上下文協定）是什麼？
MCP全名為Model Context Protocol，中文為「模型上下文協定」，是一種開放協定，2024年11月由開發模型Claude的美國新創公司Anthropic推出，提供了一種標準化的方式，讓AI向外部工具請求使用服務和數據。並且透過提供AI上下文指示，讓AI決定使用哪些工具、按什麼順序以及如何將工作流程連結在一起以完成任務。
換句話說，MCP不只能當作轉接頭，也像是提供AI一本使用說明書，幫助AI理解企業數據和應用情境，例如內部數據的結構與存取方式、重要的業務邏輯與規則，以及專業術語等。
以銀行客服系統導入AI為例，當客戶詢問：「能否提前還清貸款？」MCP能提示AI該銀行的房貸規則在哪裡查詢、違約金計算方式，和哪些客戶符合提前還款條件等。
Anthropic應用AI團隊成員穆拉格（Mahesh Murag）指出，未來，MCP也可以作為AI代理（AI Agent）的基礎架構，提供檢索、記憶和工具調用的能力，使AI能夠更聰明、彈性地處理複雜任務，「我們希望MCP成為AI應用開發的標準層，讓開發者不再需要重複建構相同的基礎架構。」
對於AI工具和API開發者來說，只需要建立一套MCP伺服器，就能讓各種大型語言模型（LLM）更方便地存取這些工具和數據源，而無需為每個模型單獨設計API介面。對於應用程式開發者來說，則可以將App連結到既有的MCP伺服器，使AI能夠透過MCP使用工具，節省自行撰寫API整合的時間。
MCP如何運作？
MCP不只適用於企業內部的AI工作流程，也有助於AI串接外部應用工具，就像筆電的轉接頭，統一不同的介面，確保筆電能夠與各種外部裝置連接。其中又包含MCP主機（Host）、MCP客戶端（Client）和MCP伺服端（Server）三端互動：
MCP主機（MCP Host）
Claude、ChatGPT等需要透過MCP存取外部工具的AI模型，它們會請求MCP來幫助執行各種操作。這些AI模型就像筆電本身，需要透過轉接頭來連接外部裝置。
MCP客戶端（MCP Client）
AI存取MCP的程式碼，它讓AI可以透過MCP 來請求特定的工具或數據來源。這就像筆電的USB連接埠，負責發送請求給轉接頭，讓筆電知道該怎麼存取外部設備。
MCP伺服端（MCP Server）
Slack、Gmail、Google日曆、Mac檔案系統等，提供AI所需的功能與數據，可以是遠端應用程式或本地數據來源。MCP伺服器就像滑鼠、鍵盤、硬碟等各種USB設備，透過轉接頭連接到筆電。
舉例來說，使用者向ChatGPT提出請求：「幫我找出這週與總經理的會議紀錄，並寄送摘要。」
AI分析請求後，發現需要存取日曆數據、產生會議摘要和發送Gmail，便會透過MCP客戶端發送請求到MCP伺服端，請求使用「日曆存取」與「郵件發送」這兩種功能。過程中ChatGPT不用直接對接Google的API，而是統一透過MCP來取得數據。
目前Anthropic提供開源的MCP，包括Google Drive、Slack和GitHub在內，來自各個領域、超過1,000項服務已經開發MCP伺服器。早期使用者則以AI編寫程式的服務商為主，例如Google的Goose、Cursor和Cline，它們將MCP導入其AI系統中，利用MCP來提升產品服務。
以Cursor為例，MCP伺服器作為Cursor與外部工具或數據源之間的媒介，像是使用者可以從Google Drive調取數據檔案，也可以從GitHub創建任務分支和查詢程式碼。
打造AI的USB-C還有哪些挑戰？
目前MCP市場仍由Anthropic主導，要讓MCP成為普遍通用的標準，還需要主要的模型供應商都跟進採用。只是包含OpenAI、Google、AWS和Meta等公司，都尚未針對MCP給予標準化的承諾，和AI模型一樣，未來也可能出現多種MCP競爭的情形。
Google Deepmind資深AI開發關係工程師施密德（Philipp Schmid ）就曾在社群媒體X（原Twitter）發文表示，MCP看起來只更適用於Anthropic的Claude，「如果他們（Anthropic）不納入其它供應商和開源社群，我懷疑這是否可以成為標準？只為一個供應商開發是沒有意義的。」
事實上，OpenAI過去也推出了函數調用功能（function calling feature），允許旗下GPT模型調用第三方的API，最近也為ChatGPT及其API推出了帶有網頁瀏覽、檔案搜索等AI代理的嵌入程式。這些功能和MCP一樣致力於將模型連接到外部功能，差別在於僅為OpenAI而生。
除此之外，MCP協定本身的複雜性對開發者而言也是一個挑戰，特別是在部署和維護過程中，企業需要大量的內部協作來確保系統平穩運行，因此，市場也預期會出現新興的託管服務。
即使目前MCP還在初期應用階段、還有許多待解問題，但以逐漸升溫的關注度看來，為AI打造更方便的萬能轉接頭，仍會是主要發展趨勢之一。
資料來源：Andreessen Horowitz、AI Engineer、GitHub
本文不開放轉載
