AITerms 登入
MCPModel Context ProtocolAI 代理

模型上下文協定(Model Context Protocol)是什麼?

MCP(模型上下文協定)是讓 AI 應用用同一種方式連接外部資料與工具的開放標準,常被比喻成 AI 應用的 USB-C。

同主題的術語大型語言模型

完整定義

模型上下文協定(Model Context Protocol,MCP)是 Anthropic 在 2024 年 11 月發表的開放協定,定義 AI 應用(例如聊天介面、程式編輯器、AI 代理)怎麼用統一的方式連接外部資料來源與工具。MCP 用 JSON-RPC 2.0 傳遞訊息,角色分成發起連線的主機(Host)、主機裡負責連線的用戶端(Client),以及提供資料與能力的伺服器(Server),伺服器可以提供資源、提示範本與工具三類功能。它解決的問題是每個 AI 應用都要替每個服務各寫一套整合,有了共同協定,同一個 MCP 伺服器就能被不同的 AI 應用重複使用。2025 年 12 月,Anthropic 把 MCP 捐給 Linux 基金會旗下的 Agentic AI Foundation(AAIF)。和 Function Calling 的差別在於,Function Calling 是模型 API 讓模型輸出要呼叫哪個函式的機制,MCP 則是跨應用、跨服務的連接標準。

白話說明

你希望 AI 助理直接讀雲端文件、查資料庫、幫你開 GitHub issue,但不想每換一個 AI 工具就重接一次?

MCP 就是為了這件事出現的共同介面,服務只要做一個 MCP 伺服器,支援 MCP 的 AI 應用都能接上。

官方把它比喻成 AI 應用的 USB-C,接頭統一之後,裝置和配件就不用一對一客製。

記住這句

服務做一次 MCP 伺服器,支援 MCP 的 AI 應用都能用同一種方式接上。

比喻:MCP 就像 AI 應用的 USB-C 連接埠,規格統一之後,任何支援的裝置都能接上同一個配件,不用每個組合各做一條專用線

容易混淆

MCP vs Function Calling

Function Calling 是模型 API 的功能,讓模型輸出要呼叫哪個函式、帶什麼參數

MCP 是 AI 應用和外部服務之間的連接標準,規定工具怎麼被找到、怎麼被呼叫

最關鍵的區別是 Function Calling 管模型怎麼表達意圖,MCP 管整套連接怎麼標準化。

MCP vs 一般 API

一般 API 是每個服務自己定義的介面,接一個寫一次

MCP 在服務外面包一層共同協定,讓 AI 應用用同一種方式使用很多服務

最關鍵的區別是 MCP 專為 AI 應用設計,連工具說明和使用者同意都有規範。

實際案例

程式編輯器接 GitHub

開發者在支援 MCP 的程式編輯器裡請 AI 查看 issue,編輯器透過 GitHub 的 MCP 伺服器讀取內容,再交給模型整理。

企業內部知識庫

公司把內部文件系統包成 MCP 伺服器,員工用的 AI 助理就能查到最新文件,不用把資料另外上傳到每個 AI 工具。

演算法與應用

MCP 用 JSON-RPC 2.0 傳遞訊息,主機(Host)裡的用戶端(Client)向伺服器(Server)送出請求,2026-07-28 版規格改成無狀態設計,每個請求都自帶協定版本與用戶端支援的能力,不用先做初始化交握。

伺服器提供三類功能:資源(Resources)是給使用者或模型參考的資料,提示範本(Prompts)是預先設計好的訊息與流程,工具(Tools)是讓模型執行的函式。

用戶端也能提供能力給伺服器,例如徵詢(Elicitation)讓伺服器在處理請求時向使用者要補充資訊,取樣(Sampling)與根目錄範圍(Roots)在 2026-07-28 版規格已列為淘汰,新實作不建議採用。

規格把安全列為核心原則:工具等同執行任意程式,主機在呼叫工具前要取得使用者明確同意。

情境判斷

Q1(直覺題):同一個資料庫連接器,想讓好幾個不同的 AI 應用都能用,該怎麼做?

做成 MCP 伺服器,支援 MCP 的應用都能接上。

Q2(判斷題):接上 MCP 伺服器之後,AI 就可以不經同意直接執行所有工具嗎?

不行。規格要求主機在呼叫任何工具前取得使用者明確同意,工具行為的描述(例如 annotations)除非來自可信任的伺服器,否則都要當成不可信任的內容。

常見問題

相關術語

本頁內容有提到,或屬於同一組主題的術語

來源

參考來源:modelcontextprotocol.io

其他格式:Markdown 版本