MCP（Model Context Protocol）是什麼？新手也能看懂的完整指南

1. 先從 Cursor 裡那個 MCP 開關說起

打開 Cursor → Settings → MCP，每一行設定都是在告訴 Host：去啟動哪個本機行程，把哪些能力開放給 Agent。你加了 filesystem，Agent 才能直接 read_file；你加了 GitHub Server，它才能去搜 Issue——不是模型突然變聰明了，而是背後多了一條工具呼叫鏈路。

這條鏈路走 Model Context Protocol（MCP）。全名可以後記，先記住分工：

角色	你接觸到的形態	幹什麼
Host	Cursor、Claude Desktop	聊天、排程、決定要不要調工具
Server	設定裡的 filesystem、github 等	真正讀碟、調 API、跑查詢
Client	Host 內建，介面上通常看不見	按 MCP 協定把 Host 和 Server 連起來

大多數人裝 MCP，只為一件事：讓 AI 存取聊天視窗以外的系統——專案檔案、工單、資料庫——而不是反覆複製貼上。下面先講為什麼這件事值得用協定來做，再拆架構細節。

---

2. 為什麼值得單獨搞一套協定？

大模型預設只會處理你發進對話框的內容。真實工作裡你往往還需要它：

1. 讀你專案裡的程式碼，而不是你手動複製貼上
2. 查公司內網文件或工單系統
3. 執行 git commit、跑測試、調 API

過去常見做法是 Function Calling（函式呼叫）：開發者在程式碼裡硬編碼一組函式，模型只能呼叫這些。問題是——

痛點	沒有 MCP 時	有 MCP 時
工具發現	每換一個 Host 要重寫整合	執行時自動發現伺服器能力列表
廠商鎖定	綁定 OpenAI / Anthropic 專有格式	開放協定，多 Host 複用同一伺服器
權限隔離	容易把 API Key 寫進提示詞	伺服器側託管憑證，模型只見工具介面
組合擴充	加一個新工具要改 Host 程式碼	設定檔裡加一行 MCP 伺服器位址即可

2025 年底 Anthropic 將 MCP 捐贈給 Agentic AI Foundation，OpenAI、Google、Microsoft 等成員共同參與。到 2026 年，MCP 已成為 AI 工具接入的事實標準之一——類似當年 REST 之於 Web API。

---

3. 三個角色：先認清「誰是誰」

MCP 架構裡只有三個核心角色。新手最容易混淆 Host 和 Client，我們分開講。

3.1 Host（宿主應用程式）

你日常使用的軟體：Cursor、Claude Desktop、VS Code + Copilot、自研 Agent 平台等。

Host 負責：展示聊天介面、呼叫大模型、決定是否把使用者任務交給 MCP。

3.2 Client（MCP 客戶端）

執行在 Host 內部的連接器，由 Host 廠商實作。一個 Host 可以同時連接多個 MCP 伺服器。

你可以把 Client 理解成 Host 裡的「MCP 驅動程式」——使用者通常看不見它。

3.3 Server（MCP 伺服器）

真正幹活的一方：暴露工具（Tools）、資源（Resources）、提示模板（Prompts）。可以是本機行程，也可以是遠端服務。

┌─────────────┐     ┌─────────────┐     ┌──────────────────┐
│    Host     │     │ MCP Client  │     │   MCP Server     │
│  (Cursor)   │────▶│  (內建)     │────▶│  (filesystem)    │
│  使用者介面  │     │  協定轉譯    │     │  讀檔案/列目錄    │
└─────────────┘     └─────────────┘     └──────────────────┘
                           │
                           ▼
                    ┌──────────────────┐
                    │   MCP Server     │
                    │  (github)        │
                    │  提 PR / 查 Issue │
                    └──────────────────┘

角色對照表

Host

你開啟的 App；負責 UX 和模型推理

Client

Host 內建；按 MCP 協定與 Server 通訊

Server

你設定的工具服務；執行具體操作

---

4. MCP 伺服器能暴露什麼？三大能力

4.1 Tools（工具）—— 讓 AI「動手」

最常用。每個 Tool 有名稱、描述、輸入參數 schema。模型根據描述自主選擇是否呼叫。

典型例子：

• read_file(path) — 讀檔案
• search_issues(query) — 搜 GitHub Issue
• run_sql(query) — 查資料庫

Tools 是有副作用的操作（寫檔案、發請求），需要權限控制。

4.2 Resources（資源）—— 讓 AI「唯讀存取」

類似「可訂閱的資料來源」：檔案內容、API 文件、資料庫 schema。AI 可以 list / read 資源，但不一定透過 Tool 形式修改。

適合：把日誌目錄、知識庫文件暴露給模型上下文，而不每次全量貼上。

4.3 Prompts（提示模板）—— 可複用的工作流

伺服器預置的提示詞模板，帶參數。例如「程式碼審查模板」「SQL 產生模板」。

Host 可以一鍵插入，減少使用者重複寫提示詞。

能力對比

能力	是否常有副作用	典型用途	新手優先級
Tools	是	執行命令、寫檔案、調 API	★★★★★
Resources	否（唯讀）	暴露文件、設定、schema	★★★☆☆
Prompts	否	標準化審查/翻譯流程	★★☆☆☆

---

5. MCP vs 外掛程式 vs Function Calling vs REST

新手常問：「我直接用 REST API 不行嗎？」可以，但場景不同。

維度	REST API	Function Calling	瀏覽器外掛程式 / ChatGPT 外掛程式	MCP
協定開放性	開放	廠商專有格式	平台專有	開放標準
工具發現	需事先知道端點	編譯期寫死函式列表	商店安裝	執行時動態發現
跨 Host 複用	需各寫適配層	每個模型 SDK 不同	基本不能跨平台	同一 Server 多 Host 共用
本機工具	需自建 HTTP 服務	程式碼內嵌	受限	stdio / SSE 原生支援
適合誰	傳統後端整合	單一 App 內嵌 AI	消費級聊天產品	開發者工具鏈、Agent 生態

記憶口訣：REST 是「我知道位址就去調」；Function Calling 是「我提前告訴模型只有這幾招」；MCP 是「連上伺服器後，現場問你能幹嘛」。

~~把 MCP 當成 REST 的替代品~~ 並不準確——很多 MCP Server 內部正是封裝了 REST API，MCP 是 AI 時代的接入層，不是 HTTP 的替代品。

---

6. 一次完整呼叫是怎麼發生的？

以「幫我在專案裡找所有 TODO 註解」為例，簡化流程如下：

1. 使用者在 Host 輸入任務（Cursor 聊天框）
2. Host 把對話發給大模型，並附上已連接 MCP 伺服器的 Tools 列表（名稱 + 描述）
3. 模型決定呼叫 search_files 工具，產生參數 { "pattern": "TODO", "path": "/project" }
4. MCP Client 把請求發給 filesystem MCP Server
5. Server 執行 grep / 遍歷，回傳結果 JSON
6. 模型根據結果組織自然語言回覆，或繼續呼叫其他工具

傳輸方式（Transport）

方式	說明	常見場景
stdio	本機行程，標準輸入輸出通訊	Claude Desktop、Cursor 本機 Server
SSE / HTTP	遠端 HTTP 長連線	團隊共享的 MCP 閘道、雲端部署

本機開發用 stdio 最多：設定裡寫 command + args，Host 啟動子行程即可。

---

7. 你在哪裡能用到 MCP？

2026 年主流 Host 對 MCP 的支援情況：

Host	MCP 支援	設定方式
Cursor	✅ 內建	Settings → MCP → 新增伺服器
Claude Desktop	✅ 原生	claude_desktop_config.json
VS Code（GitHub Copilot 等）	✅ 逐步完善	擴充功能 / 設定面板
Windsurf / Zed	✅ 或部分	各產品文件
自研 Agent	✅ SDK 接入	@modelcontextprotocol/sdk

你不需要換編輯器——在現有工具裡加設定就能擴充能力。

---

8. 五分鐘上手：在 Cursor 裡啟用 MCP

下面以官方 filesystem 伺服器為例（唯讀存取指定目錄）。操作路徑因版本略有差異，核心步驟一致。

8.1 前置條件

• 已安裝 Node.js 18+
• 明確要讓 AI 存取的目錄（建議專用工作區，不要直接開放整個使用者目錄）

8.2 新增設定

打開 Cursor → Settings → MCP → Add new global MCP server，填入類似設定：

{
  "mcpServers": {
    "filesystem": {
      "command": "npx",
      "args": [
        "-y",
        "@modelcontextprotocol/server-filesystem",
        "/Users/you/projects/my-app"
      ]
    }
  }
}

儲存後重啟 Cursor，或重新整理 MCP 連線。狀態列 / MCP 面板應顯示 filesystem 已連接。

8.3 驗證

在 Agent 模式輸入：

列出 /Users/you/projects/my-app 根目錄下的檔案，並告訴我 package.json 裡有哪些 scripts。

若模型能直接回傳目錄列表而非讓你手動貼上，說明 MCP 已生效。

常用快捷鍵

• 開啟命令面板：⌘ + Shift + P（macOS）
• 開啟 Cursor 設定：⌘ + ,

Claude Desktop 使用者：設定檔路徑

macOS 設定檔位於：

~/Library/Application Support/Claude/claude_desktop_config.json

結構與 Cursor 類似，同樣使用 mcpServers 欄位。修改後需完全退出 Claude Desktop 再重新開啟。

---

9. 熱門 MCP 伺服器一覽

社群已有大量現成 Server，按場景分類：

類別	代表 Server	能做什麼
檔案系統	@modelcontextprotocol/server-filesystem	讀寫在允許目錄內的檔案
程式碼託管	GitHub MCP、GitLab MCP	查 Issue、讀 PR、管理儲存庫
知識庫	Notion、Confluence MCP	讀/寫頁面與資料庫
資料庫	PostgreSQL、SQLite MCP	執行唯讀或受限 SQL
搜尋	Brave Search、Fetch MCP	連網搜尋、擷取網頁
自動化	Puppeteer / Playwright MCP	瀏覽器自動化
蘋果生態	Xcode / simctl 封裝（社群）	iOS 建置、模擬器控制

完整列表可在 MCP 官方儲存庫 與 Cursor MCP 目錄 查閱。安裝前請閱讀每個 Server 的權限說明。

選型建議

1. 先少後多：從 1–2 個唯讀 Server 開始，確認行為符合預期
2. 生產與實驗分離：個人筆電用寬鬆設定，團隊環境用獨立機器 + 白名單目錄
3. 需要 macOS 工具鏈（Xcode、模擬器）時，Server 必須跑在 Mac 上——可考慮 雲端 Mac mini 做 24/7 託管

---

10. 安全清單：別讓 AI 變成「超級管理員」

MCP 把執行力交給了模型。提示注入（惡意網頁/文件誘導模型呼叫危險工具）是真實風險。

必做四項

1. 最小權限：filesystem 只開放專案子目錄，禁止 ~、/etc
2. 憑證隔離：API Token 放在 Server 環境變數，不要寫進聊天或設定檔並提交 Git
3. 獨立帳戶：生產 MCP 用專用系統使用者執行，無 sudo
4. 稽核日誌：記錄每次 Tool 呼叫與參數，便於事後追溯

風險對照

設定	風險等級	說明
唯讀 + 單專案目錄	低	適合日常開發
可寫 filesystem + 無路徑限制	極高	模型可能被誘導刪檔案
帶 Shell 執行權限的 Server	極高	僅應在隔離 VM / 專用機器使用
遠端 SSE + 無鑑權	極高	必須加 Token / mTLS

原則：給 AI 的權限，不應超過你會給一名初級實習生的權限。

---

11. 五個常見誤區

1. 「MCP 是大模型的一種」 — 錯。MCP 是協定，與 GPT、Claude 等模型無關。
2. 「裝了 MCP 模型就變強了」 — 錯。MCP 只擴充手和眼（工具與資料），不提升推理能力。
3. 「MCP 只能本機用」 — 錯。stdio 適合本機，SSE/HTTP 可部署在雲端供團隊共享。
4. 「MCP 會替代 LangChain」 — 不準確。LangChain 是編排框架，MCP 是工具接入協定，常可配合使用。
5. 「所有 Server 都官方維護」 — 錯。社群 Server 品質參差，接入前看原始碼與權限。

---

12. 我該用現成的，還是自己寫一個？

你的情況	建議
只想讓 Cursor 能讀專案檔案	用官方 filesystem，5 分鐘搞定
要接公司內部 API	先用 Fetch / 自建薄封裝 Server
要接私有資料庫 + 複雜業務邏輯	用 Python/TS SDK 自寫 Server
團隊多人共享、需稽核	雲端 Mac / Linux 部署 SSE 閘道 + 統一鑑權

自寫 Server 的最小 Python 範例（概念演示）：

# pip install mcp
from mcp.server.fastmcp import FastMCP

mcp = FastMCP("hello")

@mcp.tool()
def greet(name: str) -> str:
    """向指定名字打招呼"""
    return f"Hello, {name}!"

if __name__ == "__main__":
    mcp.run()

執行後，在 Host 設定裡把 command 指向 python /path/to/server.py 即可。

---

13. 詞彙表

術語	英文	一句話解釋
MCP	Model Context Protocol	AI 應用連接工具與資料的開放協定
Host	—	你用的 AI 軟體（Cursor、Claude Desktop）
Server	MCP Server	暴露 Tools/Resources 的工具服務
Tool	—	可被模型呼叫的函式，常有副作用
Resource	—	唯讀資料來源，如檔案、文件 URI
stdio	standard I/O	本機行程通訊方式，最常見
SSE	Server-Sent Events	遠端 HTTP 串流通訊方式

---

14. 結論：現在值得學嗎？

值得。 即便你暫時不自寫 Server，理解 MCP 也能幫你：

• 更安全地設定 Cursor / Claude Desktop 的擴充能力
• 與團隊對齊「AI 如何接公司內部系統」的架構語言
• 判斷什麼時候該用 MCP、什麼時候該用傳統 API

建議路徑：

1. 今天：在 Cursor 加一個 filesystem 或 GitHub Server
2. 本週：讀一個官方 Server 原始碼，理解 Tool 如何定義
3. 有需要時：再讀 MCP 伺服器實戰部署，把 Server 部署到雲端 24/7 執行

先把 filesystem 或 GitHub Server 配上、親眼看到 Agent 調通一次工具，比堆定義有用得多。

延伸閱讀

• MCP 伺服器實戰部署：雲端 Mac mini M4 搭建私有工具接入層 →
• 2026 多 Agent 深度解析：四種架構實戰落地 →
• AI 編程三件套：Cursor + Agent + OpenClaw →

常見問題

MCP 和 REST API 有什麼本質區別？

REST API 像固定菜單：客戶端必須事先知道每個端點。MCP 在執行時向伺服器發現可用工具再決定呼叫——Agent 無需改程式即可接入新能力。

我不會寫程式，能用 MCP 嗎？

可以。在 Cursor、Claude Desktop 等 Host 裡新增現成 MCP 伺服器（filesystem、GitHub、Notion），用自然語言描述任務即可。只有自建私有工具時才需要寫程式。

MCP 安全嗎？會不會讓 AI 隨便刪我電腦上的檔案？

風險取決於啟用的伺服器與權限範圍。filesystem 應限制在特定目錄；生產環境建議獨立帳戶、最小權限、稽核日誌。詳見正文「安全清單」。

MCP 和 ChatGPT 外掛是一回事嗎？

不是。ChatGPT 外掛是 OpenAI 專有接入；MCP 是捐贈給 Agentic AI Foundation 的開放協議，Cursor、Claude Desktop、VS Code 等均可使用，且可自託管。

學 MCP 之前需要先懂 AI Agent 嗎？

不需要。會聊天、會在 Cursor 裡改設定，就足夠跟著本文把 filesystem Server 配通。Agent 編排是下一步的事。