貝老闆(滿臉興奮,手裡拿著一本剛買的 AI 工具白皮書):
「小可你看!大家都在講 API-Driven 開發,結果我看到 Claude Code 居然有個 MCP 跟 Subagent!這是不是新一代的聖杯?」小可(翻白眼,敲他頭):
「你連 API 怎麼串都還沒搞懂,就想跳下一個 buzzword?」貝老闆(不服氣):
「可是 Subagent 聽起來超帥啊!感覺就像外掛,自己就能幫我跑程式、開 Command Line!」工程師 King(冷冷吐槽):
「等你亂開 Subagent,我們的電腦就被你變成殭屍網路節點了……」AI 實習生(舉手,眼睛冒著「??」):
「我可以自己變成 Subagent 嗎?」好威(在電話另一頭冷笑):
「聖杯?別鬧了。你先搞清楚 API 跟 MCP 的差別吧。MCP(Model Context Protocol)其實是把『怎麼跟模型講話』這件事規格化,像是一個標準化的插座;Subagent 就是透過 MCP 協定,讓 AI 可以在本地自己跑程式、呼叫 CLI、甚至組合其他 MCP。這跟傳統 API-Driven 最大的差別,就是你不用再自己寫一堆 glue code,而是讓模型自己 orchestrate。」
1. API-Driven 的限制
傳統 API-Driven 系統,就像你要一個功能,就得設計一個 API endpoint,然後再寫文件、處理權限、錯誤處理……流程很固定,但也很繁瑣。舉例來說,假設要讓 AI 幫忙上傳檔案到雲端,API-Driven 的方式就是:AI 生成請求 → 開發者串接 API → 驗證 → 回傳結果。這需要大量工程手動 glue。
2. MCP 的角色
MCP(Model Context Protocol)像是一個新的語言標準,它不是取代 API,而是提供一個規範好的「通道」。模型透過 MCP,可以直接理解「有哪些工具可以用、能怎麼用」。就像 USB 標準一樣,你不用每次換滑鼠就重寫驅動程式,模型也不用重新學一個 API spec。
3. Subagent 的意義
Subagent 就像是「專屬的小外掛」,AI 可以啟動一個 Subagent 來處理特定任務。舉例:在本地要跑一個 Python 腳本,或用 Git 建立 worktree,Subagent 可以自己呼叫 CLI、處理上下文、再把結果回傳給主模型。這讓 AI 有點像「自己請了一個會跑 command 的小助理」,而不是被動等人幫它串 API。
4. API-Driven vs MCP-Driven
API-Driven = 開發者主動寫接口,AI 被動呼叫。MCP-Driven = AI 自己 orchestrate,透過 MCP 描述的能力清單,自動調用適合的工具。這意味著,未來 SaaS 設計可能會從「提供 REST API」轉成「提供 MCP Agent」,讓 AI 可以 plug-and-play,不必經過繁瑣的 glue code。
** API-Driven vs MCP-Driven 對照表**
特徵 | API-Driven | MCP-Driven |
---|---|---|
主導者 | 開發者設計 API endpoint | AI 自行 orchestrate,讀取 MCP 能力描述 |
整合方式 | 人類寫 glue code 串接 | 模型直接呼叫 MCP,少寫 glue code |
文件型態 | REST/GraphQL 文件 | MCP 能力宣告(capabilities) |
使用體驗 | 需要工程師開發才能用 | AI 可直接 plug-and-play |
安全性 | API key / OAuth 為主 | 需強化 sandbox、權限控管、audit log |
1. 對傳統開發者的影響
MCP-Driven 不會完全取代 API,但會改變整個協作方式。傳統 API 文件可能變成「MCP 能力宣告檔案」。這對開發者來說,等於從「寫接口」轉向「設計能力」,少了 boilerplate,多了語義化。
2. 對 SaaS 產品的轉折
未來 SaaS 公司可能不只提供 API key,而是直接提供「MCP 插件」。這意味著 AI 使用者不再需要人類工程師手動 glue,而是 AI 直接能理解、組合 SaaS 功能。舉例:CRM 不再只給你 REST API,而是直接讓 AI Subagent 幫你創建客戶、寄送 email。
3. 安全性與治理的挑戰
Subagent 在本地執行 CLI,等於把刀交給 AI,如果沒有 sandbox 機制,很可能出現資安風險。因此設計 MCP/ Subagent 架構時,安全 sandbox、權限控管、審計(audit log)會比以往更重要。
4. 給非工程背景老闆的建議
如果不懂技術,別急著喊「MCP-Driven 一定要用」。可以先問 AI:「MCP 可以幫我省掉哪些 glue code?」、「我這個 SaaS 適合做成 MCP 插件嗎?」。讓 AI 幫忙模擬使用場景,比盲目追 buzzword 更實際。
• MCP = 統一 AI 與工具溝通的插座。
• Subagent = AI 的小外掛,能自己跑程式。
• SaaS 未來可能從 API-Driven → MCP-Driven,少寫 glue code,多 plug-and-play。
你覺得 SaaS 產品會在幾年內大規模提供 MCP 插件?你期待 AI 直接「plug-and-play」SaaS 嗎?