AI 知識科普發布 2026 / 09 / 13 · 4 分鐘 · 約 1,644 字

MCP、Agent 工具協定與 AI 生態系互通到底在解決什麼

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

AI 知識科普MCP、Agent 工具協定與 AI 生態系互通到底在解決什麼

PLAY AI 筆記 · 2026 / 09 / 13

PLAY AI 品牌化文章封面。

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。

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。

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。

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。

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)。

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。

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。

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」。

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。

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；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