AI 知識科普發布 2026 / 09 / 13 · 4 分鐘 · 約 1,653 字

MCP、Agent 工具協定與 AI 生態系互通到底在解決什麼：重點與影響整理

MCP (Model Context Protocol) 是由 Anthropic 於 2024 年底推出的開放標準協定。 MCP 的目的是為大型語言模型提供標準化介面，使其能連接並互動外部數據來源與工具。

PLAY

PLAY AI 編輯部把複雜概念拆成一般人也讀得懂的版本，聚焦名詞解釋、比較、來源與實作脈絡。

本篇內容

這次發佈的核心重點

MCP (Model Context Protocol) 是由 Anthropic 於 2024 年底推出的開放標準協定。 MCP 有助於安全性，透過規範工具輸入輸出格式，並由 MCP Client 管理調用過程，避免 LLM 直接接觸高風險 API。^[1]

MCP 的目的是為大型語言模型提供標準化介面，使其能連接並互動外部數據來源與工具。模型上下文協議 (Model Context Protocol, MCP) 的目標是簡化 AI 模型與外部工具、資料來源的整合，並提升 AI 應用的互通性。^[1][3]

MCP 架構包含 MCP Host、MCP Client 與 MCP Server 三個核心角色。 MCP 於 2024 年 11 月發布，目前已捐贈給 Linux 基金會旗下的 Agentic AI Foundation，成為開放標準。^[1][3]

MCP 三大核心架構角色 — MCP 架構由三個核心角色組成，透過標準化介面實現工具互通

能力、定位與實際意義

MCP Host 是負責載入並管理 MCP 工具，並將其提供給模型的 LLM 應用程式或 AI Agent。 MCP 本身並不提升大型語言模型 (LLM) 的智慧，而是透過標準化連接層實現工具、資料與服務的互動。^[1][3]

MCP Client 扮演溝通橋樑，負責與 MCP Server 建立連線，並將 Server 定義的工具描述轉換為 LLM 可理解的格式。 MCP 的協議框架包含三大核心元件：MCP Host (實體 AI 應用或代理)、MCP Client (Host 內部執行協議的元件) 以及 MCP Server (以 MCP 格式提供功能的外部服務)。^[1][3]

MCP Server 是功能的提供者，只要符合規範，可以是 API、檔案讀寫工具、資料庫查詢代理或小型程式。 MCP 使用 JSON-RPC 訊息機制，讓 MCP Client 能對 MCP Server 發出結構化請求並接收回應。^[1][3]

限制與需要留意的地方

在沒有 MCP 之前，開發者整合 LLM 與外部工具常見做法包括直接呼叫 REST API、透過 RPC 遠端呼叫或撰寫本地腳本。 OpenAI、Google DeepMind 與微軟等業界巨頭已採用 MCP 協議。^[1][3]

缺乏統一標準會導致工具無法重複使用，且難以在不同應用間共享。當 MCP Server 宣傳大量工具時，可能導致代理啟動時消耗大量上下文視窗 (context window) Token，造成「上下文膨脹」。^[1][3]

接下來值得觀察什麼

MCP 能降低開發成本，因為只要 MCP Server 遵循協議，即可被任何支援 MCP 的 Agent 使用，無需從零撰寫橋接程式碼。「Agent Skills」模式是為了解決上下文膨脹問題，透過僅在執行特定任務時載入相關工具來優化效率。^[1][3]

資料來源與延伸閱讀

以下來源用於核對本文的技術背景與關鍵事實；正文中的編號可直接跳到對應來源。產品規格與時效性資訊仍以原始官方頁面最新版本為準。

查看 10 個來源