為什麼需要 MCP？

　　在 LLM 快速普及的今天，越來越多應用想把 AI 與真實世界結合，讓 LLM 變得更實用也更貼近生活，像是從資料庫查詢紀錄、讀取 Notion 筆記或 Google Drive 的內容、直接下指令到 GitHub 等。
　　但有一個問題是，如果想讓 LLM 主動操作應用，讓他能存取外部資源，通常需要為每個服務各自設計 API、金鑰、封裝邏輯等，這樣的開發模式既繁瑣又難以維護。
　　因此模型上下文協定(Model Context Protocol, MCP)的誕生，正是為了解決這個問題，MCP 希望能成為 AI 世界的USB-C 標準，讓不同的模型、應用與工具之間可以用一套統一規範彼此連接。

模型上下文協定(MCP)

　　MCP 是由 Anthropic 在2024年11月發佈的開放協定，他定義了一組標準，讓 AI 模型能夠存取外部資料（Resources）、呼叫外部功能（Tools）、以及使用預先定義的互動模板（Prompts），不論模型來自哪間公司（Claude、GPT、Gemini、LLaMA），只要遵守 MCP 規範，就能共用相同的工具與資料來源，這樣就可以避免換一個模型就要重寫一次的問題。

MCP 的核心架構

　　MCP 採用 Client–Server 架構，主要由三個角色組成：Host、Client、Server。

• Host：使用者實際操作的應用程式，負責啟動 MCP Client，並管理與 MCP Server 的連線
• Client：由 Host 建立的中介層，用來與 MCP Server 通訊，負責請求轉發、授權驗證與結果回傳
• Server：由開發者自行建立作為後端服務，提供資料存取、工具執行、提示模板等功能給模型使用

[LLM Host] <-> [MCP Client] <-> [MCP Server] <-> [External Data / Tools]

MCP 的通訊方式

MCP 目前支援兩種主要的傳輸模式：

• stdio 模式

  • 用於本地通訊
  • 透過標準輸入（stdin）與標準輸出（stdout）交換 JSON 訊息
  • 具備速度快、安全性高的特性

• SSE（Server-Sent Events）模式

  • 用於遠端通訊，可部署在雲端伺服器上
  • 支援跨機器連線，適合分散式環境或遠端應用