什麼是 MCP？Model Context Protocol 誕生背景與核心概念

前言

昨天我們分析了工具選型，決定使用 VSCode + Copilot + MCP 的技術組合來實現 AI Code Review。在開始實作之前，我們需要深入理解 MCP 這個相對新穎的技術。

回顧我們的四種解決方案路線圖：

可以看到從方法1到方法4，我們經歷了從 MCP 到 API 的技術選擇演進。今天讓我們先了解 MCP 的核心概念，明天會深入其架構設計。

MCP 基礎介紹

MCP 誕生背景

2024年11月，AI 領域的重要玩家 Anthropic（Claude 的開發公司）正式發布了 Model Context Protocol。

什麼是 MCP？

MCP = Model Context Protocol

• Model（模型）：AI 模型，如 GPT-4、Claude、Gemini 等
• Context（上下文）：AI 模型運作時需要的外部資訊和資料
• Protocol（協議）：標準化的通訊規範和資料交換格式

MCP 解決了什麼問題?

傳統方式的痛點

情境：讓 AI 幫你取得 GitLab MR 資訊

以前的做法

function getGitlabMR(mrId) {
    // 手動處理 GitLab API
    const response = fetch(`https://gitlab.com/api/v4/projects/${projectId}/merge_requests/${mrId}`);
    // 自定義錯誤處理
    // 自定義資料格式轉換
    return customFormat(response);
}

// 開發者 B 的實作方式  
async function fetchMergeRequest(mrNumber) {
    // 完全不同的實作邏輯
    // 不同的參數命名
    // 不同的回傳結構
    return differentFormat(apiCall(mrNumber));
}

問題分析：

• 各自為政：每個開發者都要重新造輪子
• 無法複用：不同專案間無法共享工具
• 維護困難：API 變更時需要各別修改
• 標準缺失：沒有統一的呼叫方式和資料格式

現在的做法

// 使用標準化的 GitLab MCP Server
// 1. 安裝現成的 MCP Server
npm install @modelcontextprotocol/server-gitlab

// 2. 透過統一的 MCP 協議呼叫
const mrData = await mcpClient.call("gitlab_get_merge_request", {
    project_id: "123",
    merge_request_iid: "45"
});
// 統一的資料格式，標準的錯誤處理

優勢：

• 標準化：統一的協議規範，所有人使用相同方式
• 可重用：一次開發，多處使用
• 易維護：集中管理，統一更新
• 互通性：不同 AI 工具都能使用相同的 MCP 服務

小結

MCP 代表了 AI 工具整合的一個重要里程碑，它將原本分散、複雜的整合工作標準化，讓開發者能夠更專注於創造價值而不是處理技術細節。

明天預告：
我們將深入探討 MCP 的架構設計，了解 Host、Client、Server 三者如何協作，以及資料是如何在它們之間流動的。

參考資料：
Anthropic MCP 官方公告
MCP 官方文件