為什麼要做 AI Agent 與 MCP Server 應用

從問答機器人到智慧協作夥伴的演進

近年來 AI 的進步，讓它逐漸成為我們每天都會使用的工具。
不過，隨著使用 ChatGPT、Claude 等 AI 的頻率增加，是否也開始感受到一些限制？

比如：

「能幫我在 Spotify 播放一首適合現在心情的歌嗎？」
「我無法直接控制 Spotify，但我可以推薦一些歌曲...」

「幫我把這些想法整理成筆記，存到我的 HackMD 裡？」
「我無法直接存取你的 HackMD 帳戶...」

現在的 AI，就像是一個博學但沒有手腳的助理：它知道很多事，但卻沒辦法真正幫你動手完成。

AI Agent：讓 AI 長出「手腳」的革命

什麼是 AI Agent？

簡單來說，AI Agent 就是「有執行能力的 AI」。
它不僅能思考和對話，更重要的是能夠：

• 感知 (Perception)：理解你的需求和當前環境
• 決策 (Decision-making)：制定達成目標的行動計畫
• 執行 (Action)：呼叫工具或 API，真正完成任務
• 學習 (Learning)：根據執行結果做出調整，逐步優化行為

需要注意的是，這裡的「學習」通常不是模型自己進化，而是透過對話記憶、外部知識庫或 prompt 優化，來模擬學習與成長的效果。

舉例來說，當你說「今天天氣不好，再放點輕鬆音樂」時，AI Agent 可以：

1. 查詢天氣：呼叫氣象 API 確認今日天氣狀況
2. 播放音樂：在 Spotify 播放符合當下氛圍的輕音樂

這就是 AI Agent 的魅力 一句話，搞定一切。
你只需要用自然語言下達任務，Agent 就能幫你把事情辦妥。

MCP：AI 界的 USB-C 標準

為什麼我們需要 MCP？

在 MCP（Model Context Protocol）出現之前，每個 AI 應用都需要自己重新發明輪子：

• 自行實作 Spotify API 整合
• 自行處理 HackMD 認證流程
• 自行設計搜尋引擎介面
• 自行處理錯誤與安全控管

這就像早期的電子設備，每一台都有自己專屬的充電線，雜亂又不方便。
而 MCP 的出現，就像 USB-C 統一了充電標準一樣，它統一了 AI 與外部工具的溝通方式。

MCP 的三大優勢

• 安全性：MCP 提供標準化協議，讓開發者更容易設計權限與資料隔離
• 可重用性：一次開發的 MCP Server，可以被多個 Agent 或應用程式使用
• 效率性：減少重複開發成本，專注在工具邏輯，而非每次都重寫整合程式碼

試想一下：當有人已經開發好了 Spotify MCP Server，你只需要幾行程式碼，就能讓你的 AI Agent 立即獲得 Spotify 控制能力！
（雖然目前多數 MCP Server 來自社群開發，功能完整度會有所不同，但已經能大幅降低整合成本。）

30 天計畫

學習目標

• 從零開始學習，建構一個完整的智慧協作助理
• 掌握 AI Agent 開發的核心技術棧

學習計畫

這 30 天的學習會循序漸進，從基礎到進階：

1. 理解 AI Agent 的核心概念
2. 掌握 Google ADK (Agent Development Kit) 的開發框架
3. 學會開發 API 並讓 Agent 能調用
4. 整合 MCP，把不同工具標準化接入
5. 實作一個多工具 Agent，具備實際可用的功能

結束廢話

今天只是開場白，接下來的 30 天，我們會一步步深入。
在開始前，也邀請你先思考：

1. 你目前使用 AI 工具時，最大的限制是什麼？
2. 如果你能打造理想的智慧助理，它應該具備哪些能力？

我們下一篇見 ☆*: .｡. o(≧▽≦)o .｡.:*☆