人工智慧（AI）技術日新月異的 2025 年，名為 MCP（Model Context Protocol）的協議去年底默默發表，近期突然成為 AI 圈熱門話題，掀起討論熱潮。這由 Anthropic 提出的開放協議，最初未受太多矚目，甚至部分人認為是技術「噱頭」。然短短幾個月後，卻迅速躍升為業界焦點，吸引開發者、企業甚至投資機構的目光。MCP 在 AI 模型與外部工具、資料源以及多種服務之間，提供更標準化且結構化的互動方式，甚至帶動了所謂「智慧代理」（AI Agent）往商業實用邁進的新一波浪潮。
為什麼這個在 2023 年底就被提出的技術協議，直到現在才搶占討論版面？
MCP 的誕生：回應 AI 技術的痛點
從 Anthropic 在 2024 年 11 月公布 MCP 之初，就有「MCP 有潛力成為 AI 領域的全新 HTTP 協議」的說法出現──MCP 被視為一種標準化的「橋接技術」，可用以串聯外界的各種 API 以及 AI 模型，包括像是 Claude、ChatGPT 等大模型，還能在讓各種開發者工具與開發平台協作。這裡面最關鍵的就是「client-server architecture」，即官方文件所提到的「MCP 採客戶端─伺服器架構，允許一個主機應用程式同時連接多個伺服器。」藉由讓 AI 模型成為客戶端、或透過額外代理層去管理多個服務端，系統得以在標準化的基礎上進行延伸。這種模式的目標是讓 AI 從「只能接收使用者輸入並回傳結果」的被動模式，邁向能夠主動「調用工具」或「完成任務」的全新境界，某種意義上就是讓 AI 化身為更加能自主行動的智慧代理。
MCP 的出現並非偶然，而是對當前 AI 發展瓶頸的直接回應。隨著像 GPT 和 Claude 這樣的大型語言模型（LLM）在自然語言處理領域大放異彩，它們的局限性也逐漸浮出水面──這些模型雖然能生成流暢的文字，但在與外部世界的互動上卻顯得力不從心。例如，要查詢數據庫、調用 API 或執行系統命令，開發者往往得為每個場景手動編寫繁瑣的程式碼，這不僅耗時費力，還導致應用場景的零碎化。
Anthropic 推出 MCP 正是為了解決這問題。根據 Anthropic 官方文件，MCP 想要透過標準化的互動方式，讓 AI 模型能像人類一樣靈活地「調用工具」或「完成任務」。它提供了一個統一的「中介層」，讓模型與外部資源，無論資料庫、文件系統或硬體設備串接。不僅提升 AI 實用性，也為人工智慧代理（AI Agent）的商業化應用鋪路。可說 MCP 誕生代表 AI 從單純的語言生成，邁向更廣闊的智慧應用領域。
MCP 在 2024 年 11 月推出時，生態仍處於早期階段，實際應用案例有限，開發者社群對其潛力尚未完全理解。到了 2025 年初，情況開始改變，越來越多 MCP 伺服器開發，GitHub、Google Drive 和 Slack 相關開發，開發者開始看到 MCP 的實用性，短短幾個月就有超過 250 個 MCP 伺服器可用，讓 MCP 的生態系統迅速豐富起來。這些應用案例的積累，讓開發者從「聽起來不錯」轉變為「真的能用」，進而推動了 MCP 的關注度提升。
一方面是因為許多新創公司在尋找突破口，另一方面也因為企業開始進一步要求 AI 能解決更複雜、更跨領域的需求。過去那種透過單一模型來做所有事的方式、逐漸暴露出侷限性，如專門做文字生成的模型，無法即時運行某些資料分析邏輯，或無法直接與特定檔案系統進行互動。工程師若要讓這些模型取得外部資訊，就得綁定特定開發框架或 API，各家做法千差萬別，難以形成規模。
到今年 3 月，Datacamp 討論 MCP 實務操作的文章迅速竄紅，詳述開發者如何透過 MCP 將 AI 與現有的資料系統和雲端服務整合，包括常見的 Slack、Google Drive、GitHub 甚至一些金融業的專有系統。作者表示，MCP 在獲取資訊與執行命令的效率高於原本臨時拼湊的腳本，維護成本反而因此降低。他也指出，MCP 的特點是它不依賴特定模型，無論是 Anthropic 的 Claude、OpenAI 的 ChatGPT，或是任何別的語言模型，都能在客戶端透過 MCP 做到「自動發現可用工具、動態調度外部資源」。
▲ MCP 推出後在一季的時間內使用率暴增。（Source：Medium）
爆紅的轉折點：實用性與業界認可的雙重加持
MCP 的爆發與 AI 應用從「單一模型競爭」轉向「多模型協作」的趨勢密切相關。當前，企業與研究機構需要的不再是單一強大的模型，而是能夠跨領域、多任務整合的 AI 系統。MCP 恰好填補了這一空白，讓不同專長的模型能夠互相溝通、協作，進而解決複雜問題。與此同時，業界的支持也持續 MCP 的熱度推波助瀾──微軟已將 MCP 整合進 Azure OpenAI 服務，而 Block、Apollo 等公司，以及 Zed、Replit、Sourcegraph 等開發工具也陸續採用 MCP。這種大規模的行業背書，讓開發者與企業開始正視 MCP 的潛力。知名投資機構 a16z 在其報告中更指出，MCP 有望催生一個全新的 AI 技術棧，進一步點燃了市場的熱情。
此外，MCP 的開放性也成為其爆紅的重要因素。與 OpenAI 的專有技術不同，MCP 是一個開源協議，任何人都可以參與開發與改進。這種特性降低了技術門檻，讓中小型企業與獨立開發者也能輕鬆上手，進而推動了 MCP 在社群中的快速傳播。
MCP 如何改變遊戲規則
要理解 MCP 為何能引發熱潮，就必須深入探討它的技術核心。根據 Speakeasy 執行長 Sagar Batchu 的說法，MCP 遵循用戶端-伺服器架構，透過一套通用的 API 介面，讓 AI 模型能以標準化的模式與外部資源交換。簡單來說，它就像一個「AI 通用轉接器」，無論是資料庫、API 還是本機檔案，MCP 都能讓模型順利串接。這代表 MCP 伺服器能即時回應 AI 的請求，使得 API 更能貼合智慧代理的工作流程。這種技術上的突破，讓 MCP 成為串起 AI 模型與外部世界的「關鍵橋梁」。
MCP 的運作流程可分為三個階段：第一，AI 模型依照任務需求提出請求；第二，MCP 將這個請求轉送至對應的工具或服務；第三，處理結果回傳給模型，供進一步使用。這種模組化的設計不但簡化了開發流程，也賦予系統高度的彈性與可維護性。無論是 HTTP 或 WebSocket，MCP 都能因應各種通訊環境，確保系統順暢運作。
更重要的是，MCP 內建了安全機制。對於涉及敏感操作的情境，例如刪除檔案或修改系統設定，MCP 規定必須取得人為審查才能執行──在企業應用場合中，這點尤其顯得關鍵，能有效避免 AI 失控帶來的風險。Prezi 的資深工程師Eduard Ruzga 在接受採訪時提到，他透過 MCP 結合 Claude，取代了過去常用的工具例如 Windsurf 和 Cursor：他提到 MCP 讓 Claude 不只會寫程式碼，還能瀏覽程式碼庫、繪製圖示，甚至負責影片壓縮等任務。這樣的多功能運用，使他感受「跳脫傳統開發環境的限制」，反而擁有一個能多面向解題的好幫手。，他打造的 MCP 伺服器不僅能讓 Claude 讀寫檔案、管理長時間執行的嘗試，還會在操作前提示是否允許，進一步強化了系統的可控性與實用效益。
在商業情境中，MCP 同樣有亮眼表現。像 Dub 這類連結分享平台已經導入 MCP 伺服器，讓行銷團隊能藉由 AI 直接查詢上一週最熱門的連結資料，甚至自動生成視覺化報表。對電商業者而言，MCP 可協助 AI 助手即時調閱銷售資料、產出報告並提出行銷建議，大幅節省人工分析的時間與成本。
在智慧居家領域，MCP 也展現了高實用度。使用者只要對 AI 說一句「客廳的燈暗一些」，AI 就能透過 MCP 與家電溝通，馬上調整燈光亮度。從資料查詢到任務執行，MCP 的彈性特質讓 AI 得以在各行各業施展拳腳，也解釋了它近期名聲飆升的原因。
MCP 的優勢與隱憂同在
MCP 最大的長處是標準化與開放性：由於它不依賴特定模型，幾乎能與各家 AI 模型配合，也不受單一廠商的技術生態所限。這意味著開發者無須為每一種整合場景額外撰寫客製程式，省時又可避免許多潛在錯誤。此外，MCP 也有望促進一個全新生態體系的形成。a16z 的報告提到，一旦 MCP 普及，技術門檻可能進一步降低，非專業人士也能輕鬆結合 AI 與各種應用，為智慧代理的商業化開啟新的想像。甚至還可能跟區塊鏈技術整合，透過智慧合約來實現 AI 調用與收益分享的去中心化機制，替 Web3 發展另闢新局。
MCP 在現階段的市場環境下並沒有明確的對手，但有幾項技術在功能層面上部分重疊：像 OpenAI 的「Work with Apps」可以讓 ChatGPT 與本機應用互動，但由於它屬於專有模式，難以與 MCP 的開放環境相匹敵。Unified Intent Mediator（UIM）專注在模型間的協調，不同於 MCP 更著重於「AI 與外部工具連接」的設計；LangChain 則是用來串聯 AI 工作流程的框架，並非標準化外部整合的方案，可視為和 MCP 互補而非競爭。
不過，MCP 的發展仍有許多問題需要解決：首先，模型間的協作相對耗費計算資源，這在環境限制多或硬體條件不足的情況下，可能成為瓶頸；此外，MCP 的通訊協議仍需持續最佳化，才能在效率與正確性更進一步；再來市場競爭也是另一個變數，雖然當前缺少能直接替代 MCP 的開放協議，但 OpenAI 的「Work with Apps」已實現了部分目標功能。Sagar Batchu 在訪談中預言，未來可能會出現「schema wars」（協定之爭），直到有個統一標準成形。假設如果科技巨頭推出更強大的專有協定，MCP 的競爭優勢可能受到衝擊。
最後，AI 模型本身的進化或許也會淡化 MCP 的必要性──若未來有模型能不依賴任何中介層就直接讀懂外部系統，MCP 的角色或將被邊緣化。不過，短期內此種情況仍不太可能落實，企業部署還是離不開具備審查與安全管理功能的通用協定，這也是 MCP 目前的價值核心。
Today @Anthropic is releasing MCP, a framework that allows Claude to run servers, giving it superpowers and effectively turning the Claude app into an API.
We created some server that I think you’ll love!
FileSystem: Claude can create, read, and edit files and folders locally. pic.twitter.com/2XnRVFltR4
— Pietro Schirano (@skirano) November 25, 2024
▲ AI 技術開發者 Pietro Schirano 分享 MCP 實操影片。
未來展望：MCP 能否引領 AI 新時代？
隨著應用場景不斷增加，MCP 也有機會成為未來 10 年 AI 技術的主要基石之一──從提升開發效率到催生跨領域應用，MCP 的潛力相當值得期待。最佳化很有可能成為 AI 能持續在不同狀況下交替使用的「新 HTTP」，就像當年 HTTP 協定徹底改變了網際網路的生態一樣。然而，若競爭對手端出更強大的替代方案、或有強大的模型跳脫協議束縛自創新局，MCP 的光環或許就會逐漸消退。但以目前的態勢來看，MCP 的時代似乎才正要開啟。
從去年底的靜悄悄亮相，到如今成為 AI 圈的熱門議題，MCP 的崛起之路可謂戲劇化。它不僅有效解決了 AI 模型與外部連結的需求痛點，也仰仗標準化和開放性贏得了技術界的讚賞。無論是開發者效能提升，還是企業應用拓展，MCP 都展現出一股改變遊戲規則的力量。整體來看，MCP 之所以能在近期迅速走紅，主要在於它正好抓住了 AI 發展的關鍵轉折，並以務實可行的方式讓 AI 應用得以更為全面化。
正如 Anthropic 官方文件所言：「MCP 是將 AI 代理與 API 之間的缺口補足的產品。」
（首圖來源：shutterstock）
科技新報粉絲團
加入好友
訂閱免費電子報
