最後更新: 2026-11-20(協定修訂版 2026-07-28)
先說結論
模型上下文協定(Model Context Protocol,MCP)是一個開放標準,用來把 AI 應用程式連接到外部工具和資料。MCP 伺服器把某個有用的東西封裝起來,比如資料庫、檔案系統或 SaaS API,並用統一的格式描述它。任何相容 MCP 的 AI 應用程式都可以直接使用,不用再寫客製的整合程式碼。
Anthropic 於 2024 年 11 月 25 日開源了 MCP,並在 2025 年 12 月把它捐給了 Agentic AI Foundation,這是 Linux 基金會旗下的一個基金。規範發布在 modelcontextprotocol.io。
它解決了什麼問題
在 MCP 出現之前,每個 AI 應用程式都要為每個服務單獨寫一個連接器。十個應用加十個服務,最多就是一百套獨立的整合,每一套都有自己的認證處理、schema 和 bug。
MCP 把這件事變成了一套共用的介面。廠商發布一個 MCP 伺服器,應用方實作一個 MCP 客戶端,任何客戶端都能和任何伺服器通訊。
MCP 是怎麼工作的
MCP 有三個角色:
| 角色 | 是什麼 | 範例 |
|---|---|---|
| 主機(Host) | 使用者實際使用的 AI 應用程式。它決定連接哪些伺服器,並徵求使用者同意。 | 聊天應用程式、IDE、代理程式工作區 |
| 客戶端(Client) | 主機內部的連接器。每個客戶端只和一個伺服器通訊。 | 由主機建立和管理 |
| 伺服器(Server) | 以 MCP 格式提供工具和資料的程式。 | GitHub 伺服器、Postgres 伺服器 |
訊息採用 JSON-RPC。標準傳輸方式有兩種:
- stdio: 主機把伺服器作為本機處理程序啟動,透過標準輸入和標準輸出與它通訊。常見於需要存取本機檔案的伺服器。
- Streamable HTTP: 伺服器在遠端執行,客戶端透過 HTTP 存取它。常見於託管服務。
伺服器可以提供什麼
一個伺服器最多提供三類內容:
- 工具(Tools): 模型可以呼叫的函式,比如
search_issues或run_query。每個工具都有名稱、描述和輸入 schema。 - 資源(Resources): 應用可以讀取的資料,比如一個檔案、一行資料庫記錄或一份文件。
- 提示詞(Prompts): 可重複使用的提示詞範本,由使用者選用,比如「審查這個 pull request」。
伺服器還可以透過客戶端請使用者提供一項輸入。這叫 elicitation(向使用者徵詢輸入)。
有兩項較早的客戶端功能正在退場。sampling(取樣,即伺服器請客戶端代為產生一次模型補全)和 roots(根目錄,即客戶端告訴伺服器可以使用哪些資料夾)自 2026-07-28 修訂版起已被棄用。新寫的伺服器不應依賴它們。
目前修訂版改了什麼
MCP 的版本號就是日期。目前修訂版是 2026-07-28,它把協定改成了無狀態:
- 不再有連接握手。每個請求都自帶協定版本和客戶端能力。
- 伺服器透過
server/discover呼叫宣告自己支援什麼。 - HTTP 傳輸中移除了協定層面的工作階段。
- 伺服器不再向客戶端發請求。伺服器需要什麼東西時,比如需要使用者給出一個回答,它會回覆說需要輸入,客戶端再帶著回答重試這個請求。
- sampling、roots 和協定層面的 logging(日誌)已被棄用。它們會在規範中保留至少十二個月,最早可能在 2027 年 7 月 28 日當天或之後發布的修訂版中被移除。
對大多數人來說,這些變化是感覺不到的。但如果你要開發或託管伺服器,它就很重要:無狀態的伺服器更容易擴充功能,也更容易放到負載平衡器後面。為早期修訂版編寫的舊客戶端和舊伺服器,可能需要更新才能和新版本通訊。
MCP 與函式呼叫
函式呼叫(function calling)是模型請應用執行某個函式的方式。MCP 則是應用先找到並連上這些函式的方式。
兩者配合使用。主機列出各個 MCP 伺服器提供的工具,把它們作為可呼叫的函式交給模型;模型呼叫其中一個時,主機再把這次呼叫轉發給對應的伺服器。
MCP 安全嗎?
MCP 只是傳遞能力的通道,所以風險取決於伺服器本身。一個能讀取你的檔案或傳送郵件的伺服器,在模型提出請求時就能做這些事。
連接伺服器之前,先檢查四件事:
- 誰發布的。 廠商自己發布的官方伺服器,風險低於來歷不明的 fork。
- 提供哪些工具。 把工具列表讀一遍。唯讀的伺服器,風險小於能寫入或刪除的伺服器。
- 怎麼認證。 優先選擇按使用者登入,而不是共用一個長期有效的金鑰。
- 在哪裡執行。 本機 stdio 伺服器擁有你使用者帳戶的權限。遠端伺服器能看到你發給它的所有內容。
如何開始使用 MCP
- 選一個支援 MCP 的主機。大多數主流 AI 助理和程式設計工具都支援。
- 為你想用的服務找一個伺服器。像 SourceWeft MCP 目錄這樣的目錄會列出伺服器及其工具、認證方式和安裝指南。
- 把伺服器新增到主機裡。遠端伺服器需要一個 URL 和一次登入。本機伺服器需要一條啟動命令。
- 讓助理做一件需要用到該伺服器的事,並在收到提示時核准工具呼叫。
常見問題
MCP 是誰建立的? Anthropic 於 2024 年 11 月 25 日將它開源。2025 年 12 月,Anthropic 把它捐給了 Agentic AI Foundation,後者隸屬於 Linux 基金會。規範和 SDK 都是開源的。
MCP 只能用於 Claude 嗎? 不是。MCP 不綁定特定模型。任何應用都可以實作客戶端,很多助理、IDE 和代理程式框架已經實作了。
什麼是 MCP 伺服器? 一個以 MCP 格式提供工具、資源或提示詞的程式,讓 AI 應用程式不用客製整合就能使用某個服務。
MCP 和 API 有什麼區別? API 是給開發者在程式碼裡呼叫的。MCP 伺服器則用模型能在執行階段發現並呼叫的方式描述自己的能力。很多 MCP 伺服器只是在現有 API 之上做了一層薄封裝。
MCP 伺服器和代理程式技能有什麼區別? MCP 伺服器把代理程式連接到某個系統,從而給它新的能力。技能則是一個包含說明和檔案的資料夾,教代理程式把某項任務做好。參見《MCP 伺服器與代理程式技能》。
使用 MCP 需要寫程式碼嗎? 不需要。使用伺服器只是設定:在主機裡新增一個 URL 或一條指令。開發伺服器才需要寫程式碼,常見語言都有官方 SDK。