MCP（Model Context Protocol，模型上下文協定）是讓 AI 用同一種方式接上 ERP、網站後台、資料庫和雲端硬碟的開放標準：系統做好 MCP 介面後，在對話裡說「列出這週還沒出貨的訂單」，AI 就能自己去查。安不安全，要看介面怎麼做：權限跟著登入的人走、改資料前先讓人確認、每次呼叫都留紀錄。

如果你用過 Claude 或 ChatGPT，大概已經習慣從 ERP 匯出 Excel 貼給 AI，請它整理訂單或寫摘要。這個做法簡單有效，是很好的開始。這篇先給兩句現在就能用的問法，再整理準備，說明 MCP 怎麼運作、怎麼安全地接上。

先直接問 AI

還沒有 MCP，也能先請 ChatGPT、Claude 或 Gemini 這類 AI 助理幫你做準備。把內容換成你自己的就好（範例都是示意）。

盤點哪些工作要讓 AI 接上

我們公司用這些系統：ERP（訂單、庫存、應收帳款）、網站後台、會計系統、共用雲端硬碟。下面是各部門每天最常做的 10 件事，例如查訂單出貨了沒、回覆客人問庫存、每週整理業績。請列成表格：每件事要用到哪個系統、AI 只要「讀」還是也要「改」、改的話會動到哪些資料；再依每天做的次數和做錯的影響，挑出最適合先讓 AI 接上的 3 件。

用匯出的報表，試試之後想直接問的問題

附件是從 ERP 匯出的訂單報表（訂單號、客戶代號、付款狀態、出貨狀態、承諾交期）。請用表格列出已付款但還沒出貨的訂單。再整理：如果之後要讓你直接查系統，需要哪幾個查詢功能（例如「依付款狀態查訂單」），每個要輸入什麼、回傳哪些欄位。

AI 整理的清單是草稿：請各部門用一週的實際情況確認，每天到底為了什麼登入系統、哪幾項最常出現。答得準的問題，就是之後 MCP 工具的清單。上傳報表前，用公司的企業方案，或先把客戶名稱換成代號、刪掉用不到的欄位。

現在就能做的 3 件事

這些準備不用寫程式；不管之後用不用 MCP，都能讓系統和權限更清楚。

1. 問系統廠商這幾個問題

  • 有沒有 API？能不能匯出 Excel 或 CSV？
  • 能不能設定唯讀帳號，或依角色分權限？
  • 有沒有操作紀錄？
  • 有沒有提供或規劃 MCP 介面？

有 API 的系統，做 MCP 會快很多。

2. 確認每個人都有自己的帳號與角色

MCP 會沿用登入者的權限，所以先確認每位同事都用自己的帳號，角色也符合實際分工：業務看自己的客戶，會計看帳款。

3. 決定哪些資料可以給 AI 看

把常用的欄位分成三類：可以給 AI 看、只給摘要、不給（例如身分證字號、銀行帳號）。同時確認公司使用的 AI 服務方案：資料會不會被保存、會不會用於訓練。

MCP 解決了什麼問題？

在 MCP 出現前，每個 AI 工具要連接每個系統，都得各寫一套串接程式。假設公司有 5 個系統、團隊用 3 種 AI 工具，理論上就要做 15 套串接，任何一邊改版都要跟著修改。

MCP 的做法和 USB 很像：系統做一次 MCP 介面，所有支援 MCP 的 AI 都能接上。原本的「系統數 × AI 數」，變成「系統數 ＋ AI 數」。

沒有 MCP 時每個 AI 都要各自串接每個系統，線路交錯；有了 MCP 之後統一透過同一個介面連接
左：每個 AI 工具各自串接每個系統，串接數量相乘。右：系統只做一次 MCP 介面，所有 AI 共用。

MCP 怎麼運作？

MCP 裡有三個角色：

  • 主機（Host）：你在用的 AI 應用程式，例如 Claude 桌面版、ChatGPT，或公司內部的 AI 助手。
  • 客戶端（Client）：主機裡負責和伺服器溝通的部分。
  • 伺服器（Server）：包在系統外面的一層介面，把系統能做的事整理成 AI 看得懂的格式。

MCP 伺服器主要提供三種東西：

  1. 工具（Tools）：AI 可以呼叫的動作，例如「查詢訂單」「寄送通知」。每個工具附上說明與參數格式，AI 讀了就知道什麼時候、怎麼使用。
  2. 資源（Resources）：AI 可以讀取的資料，例如產品目錄、操作手冊。
  3. 提示（Prompts）：預先設計好的任務範本，例如「產生本週營運報告」。

你在對話中提出需求，AI 依工具說明決定呼叫哪個工具；伺服器執行後回傳結果，AI 再整理成回答或決定下一步。這正是 AI Agent 能「自己做事」的基礎。

MCP 和一般的 API 有什麼不同？

簡單說：API 是給工程師用的，MCP 是給 AI 用的。

一般 APIMCP
使用者工程師寫程式呼叫AI 依照對話內容自己決定呼叫
串接方式每個應用程式各自串接支援 MCP 的 AI 都能直接連上
適合的工作固定流程的系統對接需要理解需求、彈性組合多個動作的工作

MCP 並不取代 API。MCP 伺服器通常就建立在既有 API 之上：把 API 包裝成 AI 看得懂的工具，再加上權限檢查與確認機制。

權限與安全：要確認的四件事

MCP 在設計上提供了幾個安全機制，但真正的安全，取決於伺服器怎麼實作。評估任何 MCP 方案時，可以用這四點確認：

用 OAuth 授權，而不是共用密碼

遠端的 MCP 伺服器使用 OAuth 授權：第一次連接時，使用者在同意畫面確認授權範圍（例如只能查詢、或可以修改）。AI 拿到的是有期限、可撤銷的通行證，不是帳號密碼。

AI 只能用「這個人」的權限

好的 MCP 伺服器會讓權限跟著登入的人走：業務只能看自己的客戶，會計才能看到帳款。

寫入動作要人確認

查詢可以直接執行；新增、修改、刪除、寄信、退款，則設計成兩個步驟：AI 先提出「要做什麼」，使用者看過、確認後才真正執行。

MCP 的權限流程：使用者登入授權、AI 呼叫工具、伺服器檢查權限、寫入動作需要確認、所有操作留下紀錄
一次安全的 MCP 呼叫：OAuth 授權 → 權限檢查 → 寫入前確認 → 留下紀錄。

每一次呼叫都留下紀錄

誰、什麼時間、透過哪個 AI、呼叫了什麼工具、結果如何，全部記錄下來，出了問題能追查，也能據此調整權限。

什麼時候可以考慮下一步

遇到下面這些情況，就可以考慮替系統做 MCP 介面：

  • 「登入、查詢、匯出、貼給 AI」一天要做好幾次，次數越來越多。
  • 希望主管用一句話就能查訂單、庫存或網站狀態，不用等人整理報表。
  • 想要一份同時看訂單、會計與網站流量的週報。

下一步：替你的系統做一層 MCP 介面

做法是在系統外面包一層 MCP 伺服器，不用更換原本的系統，分階段進行：

  1. 先從查詢開始：把前面整理、同事確認過的查詢功能做成唯讀工具。
  2. 設計工具，而不是開放整個資料庫：一個工具做一件事、權限分開；說明寫給 AI 看；只回傳需要的欄位；錯誤訊息寫清楚（例如「找不到這個客戶，請確認客戶代號」），AI 才能自己修正。
  3. 把權限與確認機制做進伺服器：不依賴 AI 自己「守規矩」；寫入動作一律先提案、人確認。
  4. 少數人試用，看紀錄調整：從呼叫紀錄看出哪些工具最常用、哪裡容易誤用，再逐步開放。

我們實際做過、或客戶最常問的用法：在 Claude 裡請 AI 更新網站後台（改之前先讓你確認）、查詢付款了還沒出貨的訂單、整理客人最常問的問題、產出跨系統的週報。

StudioX 的 AI 助理 Xena 也是這樣設計：改資料前一定先問人，每一步都有紀錄，也可以設成只能查詢。第一階段通常約 4–6 週上線，期間原本的做法照舊。系統還沒有 API 的，可以先在外面包一層整合介面（見不更換舊系統也能串接）。

想知道你的系統怎麼接上 AI，可以先做一次免費的 AI 健檢，或參考我們的系統整合服務與 AI 導入服務，也歡迎直接聯絡我們。