從 MCP 開始:用 Model Context Protocol 讓 AI 應用即插即用外部工具實戰指南

寫代碼的朋友應該都有過這種經驗:辦公室買了新印表機,每台電腦都要裝一次驅動,誰的版本不對誰就印不出來。後來 USB 出現,「插上就能用」變成理所當然。今天要講的 MCP(Model Context Protocol),就是 AI 工具世界裡的 USB 標準——這是「大模型應用」系列的第十四課:前面我們學會了接模型、餵知識、給工具、組團隊,今天把「給工具」這件事徹底標準化。

一、先看沒有 MCP 的世界有多亂

之前在 Function Calling 那課我們學過:想讓模型查匯率,你得自己定義 tools JSON、自己寫 executeTool、自己處理回填。問題來了——如果你手上有 5 個 AI 應用,同樣的「查匯率工具」就要寫 5 遍,而且每家的格式細節還可能對不上。

MCP 的解法很簡單:工具只寫一次,包成 MCP Server,所有支援 MCP 的應用都能直接用。工具開發者做一次,應用開發者省五次——這正是當年 USB 乾掉一堆專屬接頭的邏輯。

重點:MCP 不是取代 Function Calling,而是把「工具怎麼描述、怎麼被發現、怎麼被呼叫」抽成行業通用協定。模型的 tool use 底層照舊,MCP 管的是上游的工具供給。

二、MCP 的三個角色

  • Host:你的 AI 應用本體,例如桌面助理、IDE 插件、你自己寫的聊天程式
  • Client:Host 內部負責跟 Server 通話的連接器,一個 Host 可以開多個
  • Server:提供工具的服務,例如「查匯率」「讀公司資料庫」「抓網頁內容」

一個 Host 可以同時掛多個 Server,就像電腦上同時插著滑鼠、鍵盤和隨身碟,各管各的,互不干擾。

另外,MCP 規範裡還有三種「材料」可以供給:除了最常用的工具(tools,模型主動呼叫的函式),還有 資源(resources,掛給模型讀的檔案或資料)和 提示模板(prompts,預先包裝好的指令範本)。新手從 tools 入門就夠了,熟了之後再考慮另外兩種。

三、實戰:三步驟寫出第一個 MCP Server

步驟 1:用官方 Python SDK 寫一個最小 Server。

# pip install "mcp[cli]"
from mcp.server.fastmcp import FastMCP

mcp = FastMCP("fx-tools")

@mcp.tool()
def get_exchange_rate(currency: str) -> str:
    """查詢指定貨幣對台幣的匯率"""
    rates = {"USD": 31.5, "JPY": 0.21, "EUR": 34.2}
    return f"1 {currency} = {rates.get(currency, 0)} TWD"

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

重點:@mcp.tool() 裝飾器會自動把函式名、參數型別、docstring 轉成模型看得懂的工具描述——這正是 MCP 幫你省掉的樣板代碼。你只要專心寫業務邏輯。

步驟 2:掛載到 MCP Host。以支援 MCP 的桌面應用為例,設定檔指到這支腳本:

{
  "mcpServers": {
    "fx-tools": {
      "command": "python",
      "args": ["server.py"]
    }
  }
}

重啟應用後,你問「現在一美元換多少台幣?」,模型就會自動呼叫你的工具並回答——全程你沒寫半行 Function Calling 的 JSON。

步驟 3:在自己的應用裡接 MCP Client。如果是自研應用,用 MCP Client SDK 連上 Server、拉取工具清單,再轉成模型的 tools 參數。工具的「發現與描述」交給 MCP,「呼叫與回填」沿用你已經會的 tool use 迴圈,兩段工程完全解耦。

除錯怎麼辦?官方提供 MCP Inspector,一行指令就能啟動視覺化面板,直接連上你的 Server、列出所有工具、手動呼叫測試。先在 Inspector 裡把工具驗證乾淨,再掛上 Host,能省掉大量「改一行、重啟、問一次」的來回時間。

四、三條安全紀律

  • 金鑰放 Server 端環境變數,不要寫進設定檔或前端——呼應「接模型」那課的金鑰後端代理原則
  • 最小權限:工具只開必要操作,寫入、刪除類工具一律留人工確認
  • 每個工具呼叫都留日誌,出了問題能回放——呼應「評估上線」那課的 Tracing 除錯

回顧一下大模型應用系列至今:接模型、餵知識、給工具、組團隊、寫 Prompt、評估上線、記憶管理、並行提速、工作流編排、多模態看圖、語音聽說、桌面端、瀏覽器插件,加上今天的 MCP 標準接口——AI 應用的工具箱,你已經完整摸過一輪了。

互動話題:你最想讓 AI 接上什麼工具?是讀公司內部資料庫、自動發訊息通知,還是操作試算表?留言告訴我,下一課我們挑最熱門的場景實戰!