大家好，鐵人賽堂堂邁入第二十八天，我們的核心技術旅程已經基本完成。

回首這趟旅程，我們從一個抽象的「MCP 是什麼？」的問句開始，最終親手打造出一個橫跨後端服務與原生 App 的完整 AI Agent 應用。這是一段漫長但充滿收穫的道路。

今天，讓我們以鳥瞰的視角，重新梳理這 30 天來的核心知識點，為這趟旅程製作一份「技術速查表」。

這 30 天，我們走過的四大階段

1. 奠定理論基石 (Day 1-3):

   • 我們理解了 MCP (模型情境協議) 誕生的「原因」——為了解決 AI 服務整合的混亂。
   • 我們剖析了 MCP 的「三大角色」(Host, Client, Server)、「雙層架構」(傳輸層, 資料層) 和「三大核心原語」(Tools, Resources, Prompts)。

2. 視覺化快速原型 - n8n (Day 4-12):

   • 我們學會了使用強大的低程式碼工具 n8n，並認識了其核心 AI Agent 節點。
   • 我們沒有手動組裝協議，而是學會了「定義能力」的現代化思想，將工作流包裝成 Tool。
   • 我們陸續打造了計算機、天氣、新聞、Spotify 等實用工具，並最終將它們整合到 Open WebUI 中，證明了 n8n 作為 MCP Server 的巨大潛力。

3. 專業級後端實現 - Python (Day 13-20):

   • 我們回答了「為什麼需要 Python？」，理解了它在控制力、效能、複雜邏輯上的絕對優勢。
   • 我們實戰了 adk-mcp 和 fast-mcp 兩個函式庫，學會了如何從零開始編寫自己的工具、Agent，甚至作為 MCP Host 去呼叫社群開發的 Wazuh 等外部伺服器。
   • 我們最終將自己的 Agent 透過 adk api_server 變成了一個專業的 Web API 服務。

4. 原生前端整合 - Swift iOS (Day 21-27):

   • 我們踏入了行動開發的世界，從 Xcode 專案的 MVC 架構設計開始。
   • 我們用 Codable 建立了強型別的資料模型，用 async/await 打造了通用的 NetworkManager。
   • 我們親手繪製了聊天 UI，並最終將 App 與後端 API 完美串連，完成了從使用者輸入到 Agent 回應的完整閉環。
   • 我們甚至還解決了 127.0.0.1 vs 0.0.0.0 這種開發者一定會遇到的經典網路除錯問題。

我們的核心體悟 (Cheatsheet)

• MCP 的核心是「能力的標準化」： 無論底層是 n8n、Python 還是 Go，只要遵循協議，就能互相溝通。
• 從 Low-Code 到 Pro-Code： n8n 是絕佳的原型工具，Python 則是打造高效能、可維護產品的基石。
• Agentic 應用的思考模式： 成功的關鍵在於「思考 → 行動 → 觀察」的循環，以及為 Agent 提供清晰、可靠的工具。
• API 優先的設計： 將 Agent 封裝成 API 服務，是讓它能夠被網頁、App、甚至其他後端服務整合的關鍵。
• 持續優化是常態： 例如，我們在開發後期發現，與其讓 Swift App 處理複雜的 Markdown 格式，不如讓 Python 後端在回傳前就將其轉換為純文字，這大大簡化了前端的實作。這就是真實的開發！