iT邦幫忙

2025 iThome 鐵人賽

0
Software Development

AI 慣老闆的 AI 學習歷程 - AI 時代的軟體工程的反思系列 第 33

AI 慣老闆的 AI學習日記 Day 32 - MCP 與 Subagent:從 API-Driven 到 MCP-Driven 的轉折點?

  • 分享至 

  • xImage
  •  

https://ithelp.ithome.com.tw/upload/images/20250905/201425097grZ1lrazm.png

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。」

概念拆解

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

Takeaways

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。

精煉重點:

• 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。

今日提問

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?


上一篇
AI 慣老闆的 AI學習日記 Day 31 - 持續學習:CLI 工具大亂鬥
系列文
AI 慣老闆的 AI 學習歷程 - AI 時代的軟體工程的反思33
圖片
  熱門推薦
圖片
{{ item.channelVendor }} | {{ item.webinarstarted }} |
{{ formatDate(item.duration) }}
直播中

尚未有邦友留言

立即登入留言