如果你用過 Claude 或 ChatGPT，大概會有這種感覺：AI 很聰明，但它看不到你公司的資料。要它分析訂單，你得先匯出 Excel、複製貼上；要它更新網站內容，你還是得自己登入後台改。

**MCP（Model Context Protocol，模型上下文協定）**就是為了解決這件事而生的。它是一個開放標準，讓 AI 用統一的方式連接外部系統 —— 你的 ERP、網站後台、資料庫、雲端硬碟。接上之後，你可以直接在對話裡說「幫我列出這週還沒出貨的訂單」，AI 會自己去系統裡查。

沒有 MCP 之前，問題在哪裡？

在 MCP 出現前，每一個 AI 工具想連接每一個系統，都要各自寫一套串接程式。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，每一套的權限、格式、錯誤處理都不一樣，任何一邊改版都可能壞掉。

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，線路糾纏；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 MCP 伺服器溝通的部分。
  • 伺服器（Server）：包在你的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」「建立商品」「寄送通知」。每個工具附上說明與參數格式，AI 讀了說明，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」。

使用者在對話中提出需求時，AI 會根據工具說明判斷該呼叫哪個工具、帶什麼參數；伺服器執行後把結果回傳，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。

權限：企業最在意的那一塊

讓 AI 連進公司系統，第一個問題一定是：「安全嗎？」MCP 在設計上提供了幾個關鍵機制，但真正的安全，取決於伺服器怎麼實作。

用 OAuth 授權，而不是共用密碼

遠端的 MCP 伺服器使用 OAuth 授權：使用者第一次連接時，會跳出登入與同意畫面，確認要授權哪些範圍（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 伺服器會把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。AI 再聰明，也做不到這個人本來做不到的事。

寫入動作要人確認

查詢可以直接執行；但新增、修改、刪除、寄信、退款，應該設計成兩個步驟：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、在什麼時間、透過哪個 AI、呼叫了什麼工具、帶了哪些參數、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。

MCP 和一般的 API 有什麼不同？

很多人第一次聽到 MCP 會問：「我們的系統已經有 API 了，為什麼還需要 MCP？」答案是：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
說明文件給人看的文件，格式不一每個工具附上機器看得懂的說明與參數格式
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
授權各家做法不同（API 金鑰、帳密…）遠端連線標準化使用 OAuth，使用者自己授權
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。實務上，MCP 伺服器通常就是建立在既有 API 之上：把 API 包裝成 AI 看得懂的工具、加上權限檢查與確認機制。已經有 API 的系統，做 MCP 會快很多；還沒有 API 的系統，可以兩件事一起做。

工具要怎麼設計，AI 才用得準？

我們在設計 MCP 工具時，有幾個原則：

  • 一個工具做一件事：「查詢訂單」和「修改訂單」分開，權限也能分開控管。
  • 名稱與說明寫給 AI 看：說清楚這個工具做什麼、什麼時候該用、每個參數的意思與格式。
  • 回傳精簡的結果：只回傳需要的欄位，避免把整個資料庫丟給 AI，也降低資料外洩的風險。
  • 錯誤訊息要能被理解：「找不到這個客戶，請確認客戶代號」比「Error 404」更能讓 AI 自己修正下一步。

企業可以怎麼用 MCP？

幾個我們實際做過、或客戶最常問的情境：

  • 網站後台：在 Claude 裡說「把首頁的橫幅換成秋季活動」「檢查所有頁面的 SEO 描述」，AI 直接操作後台，改之前先讓你確認。
  • 訂單與庫存：「哪些訂單付款了還沒出貨？」「這個品項還剩多少庫存？」不用再登入 ERP 一頁一頁找。
  • 客服紀錄：「整理這週客人最常問的問題」，AI 讀取客服對話後給你摘要與建議的 FAQ。
  • 跨系統報表：同時查詢訂單、會計與網站流量，產出一份整合的週報。

導入 MCP 的建議步驟

  1. 盤點最常查、最常改的資料：先從查詢開始，通常能立刻省下大量「登入、搜尋、匯出」的時間。
  2. 設計工具，而不是開放整個資料庫：一個工具做一件事、說明寫清楚，AI 才用得準。
  3. 把權限與確認機制做進伺服器：不要依賴 AI 自己「守規矩」。
  4. 開放給少數人試用，看紀錄調整：從呼叫紀錄可以看出哪些工具最常用、哪裡容易誤用。

MCP 讓「用 AI 操作公司系統」從客製化的大工程，變成可以逐步累積的標準做法。如果你的系統還沒有 API，也不用擔心 —— 可以先在外面包一層整合介面（見〈老系統不用砍掉重練〉）。想評估你的系統怎麼接上 AI，歡迎參考我們的系統整合服務或直接聯絡我們。