Model Context Protocol（MCP）怎麼把 Claude 接上外部工具與資料？它用工具、資源和提示三種基本元素，分別處理模型要執行的能力、應用程式要帶入的資料，以及使用者要觸發的工作流程；本篇也整理 MCP 客戶端、伺服器和 Inspector 的實作關係。

前幾天的 Claude Platform 101 把視角放在 API、工具與 agent loop，今天打開 Introduction to Model Context Protocol，開始往整合的另一側走。

這堂課的做法很直接：從零寫一個 MCP 伺服器，再寫一個可以連上它的客戶端。看起來像是在組一個小型聊天 App，實際上是在把平常使用 Claude Code 時已經被包好的功能拆開來看——工具怎麼被列出來、資源怎麼帶進上下文、提示怎麼變成可以重複使用的工作流程。

課程資訊一覽

MCP 解決的是哪一種整合問題？

1. Introducing MCP

假設要做一個聊天介面，讓使用者詢問「我所有 repository 中有哪些開放的 pull request？」。Claude 要回答這個問題，就需要能使用 GitHub API 的工具。

如果每個 App 都自己處理 GitHub 的工具定義、參數格式、API 呼叫、錯誤處理和後續維護，整合工作很快就會膨脹。換成 MCP 的想法後，這些工作可以集中在一個專門的 MCP 伺服器裡，App 只要透過標準化的協定連線，就能取得它公開的工具、資源和提示。

MCP 伺服器可以由服務提供商自己維護，也可以由開發者針對自己的資料或內部系統建立。它的角色像是外部服務的介面：把某個服務真正的 API 細節包起來，再用 MCP 能理解的方式公開出去。

這裡有一個容易混在一起的概念：MCP 伺服器和 tool use 不是同一件事。MCP 伺服器負責提供工具的定義與執行入口；Claude 收到這些工具後，才在對話過程中判斷要不要使用其中一個。前者是整合標準，後者是模型如何使用能力。

2. MCP 客戶端

MCP 客戶端位在你的 App 和 MCP 伺服器之間，負責處理連線、訊息交換，以及 Python SDK 的協定細節。這堂課把 App 裡的 MCP 客戶端寫出來，所以也能看見平常使用產品時被隱藏的那一層。

MCP 的通訊不綁定單一傳輸方式。可以在同一台機器上使用 standard input/output，也可以透過 HTTP、WebSocket 或其他網路協定連線。傳輸方式可以換，客戶端和伺服器交換的訊息概念仍然相同。

最常用的工具訊息可以先記兩組：

把一次完整請求拆開後，大概會經過這條路徑：使用者把問題送進 App，App 先向 MCP 伺服器取得工具清單，再把問題和工具一起交給 Claude。Claude 判斷需要使用工具後，App 透過 MCP 客戶端送出工具呼叫，MCP 伺服器執行實際邏輯，結果再回到 App 和 Claude，最後才組成答案給使用者。

這也讓我重新理解 Claude Code 裡「設定完 MCP 後就能用」的感覺。工具清單的探索與連線管理早就由產品處理好了，使用者通常只會看到模型開始使用工具的那一段。

先做一個可以測試的 MCP 伺服器

3. 使用 MCP 定義工具

課程選了一個很容易觀察結果的文件管理案例。文件先放在記憶體裡的簡單字典，MCP 伺服器提供讀取文件和編輯文件兩個工具。

Python MCP SDK 的重點是 decorator。用 @mcp.tool() 裝飾一個 Python function，再搭配 type hints 和 Pydantic Field 描述參數，SDK 就能幫忙產生工具 schema，不需要手動拼一大段 JSON。

這裡的描述文字不能隨便寫。工具名稱、用途和每個參數的說明，都是 Claude 判斷要不要使用工具時會看到的資訊。描述越清楚，模型越容易知道這個工具能做什麼、什麼時候適合呼叫，以及每個參數應該放什麼。

4. 伺服器檢查器

有了工具之後，還需要一個不必先接完整 App 的測試方式。MCP SDK 提供 MCP Inspector，可以在瀏覽器介面裡連接伺服器、列出工具、填入參數並直接執行。

這個開發循環很實用：先啟動 server，再從 Inspector 的 Tools 分頁列出工具；接著選擇 read_doc_contents 或 edit_document，填入文件 ID 和必要欄位，執行後檢查回傳值。編輯文件後再立刻讀一次，也能確認伺服器狀態是否如預期保留。

我照著課程在本機跑了一次，過程中遇到兩個版本相關的提醒。當時直接安裝 mcp[cli] 會拿到 MCP 2.x，但課程範例使用的是 1.x 的 FastMCP 語法；為了先照課程完成練習，我把版本釘在 2 以下。啟動 mcp dev 時，Inspector 也會透過 npx 安裝前端套件，第一次執行會看到套件安裝提示和 deprecated warning。

這些訊息不會改變 Inspector 的核心用途，但很提醒人：課程範例和套件現在的版本不一定同時更新。先看錯誤訊息指出的是 API 改名、版本不相容，還是單純的依賴警告，再決定要升級程式碼或固定版本，通常比直接重裝更快。

把 MCP 接進自己的客戶端

5. 實作客戶端

伺服器可以被 Inspector 測試後，課程開始寫另一半：讓 App 能夠真的使用 MCP 伺服器。

客戶端主要包兩個元件：自訂的 MCP Client 類別，以及 Python SDK 提供的 Client Session。前者負責把常用操作包起來，後者才是實際維持與伺服器連線的物件。連線和資源清理如果散落在各處，很容易在流程結束時漏掉，所以課程把它們集中在自己的類別裡管理。

最基本的兩個方法是 list_tools() 和 call_tool()。前者把伺服器提供的工具清單拿回來交給 App，再由 App 和使用者問題一起傳給 Claude；後者接住 Claude 決定要使用的工具名稱與參數，透過 session 呼叫 MCP 伺服器。

這裡的分工可以這樣看：MCP 伺服器知道怎麼做某個外部服務的事情，MCP 客戶端知道怎麼把這些能力接進自己的 App，而 Claude 負責根據使用者問題判斷要不要使用工具。三者各自有工作，App 才能把結果組回一個完整的對話流程。

6. 定義資源

工具適合「執行一個動作」，資源則適合「提供一份資料」。課程用 HTTP 的 GET 來類比資源：它通常是唯讀的，重點在取得資訊，不在改變狀態。

MCP 資源有兩種：直接資源使用固定 URI，適合列出全部文件；範本化資源在 URI 中放入參數，適合依照 doc_id 讀取單一文件。SDK 會解析 URI 中的參數，再把它傳給對應的 Python function。

mime_type 也很重要。JSON、純文字和二進位資料的處理方式不同，伺服器用 MIME type 告訴客戶端內容應該怎麼解讀，SDK 再協助完成序列化。

7. 存取資源

這堂課用 @document_name 當作文件提及的使用情境：App 先取得文件清單，使用者選到某份文件後，App 再讀取對應資源，將內容直接放進送給 Claude 的上下文。

這裡最值得留意的是，@ 不是 MCP 協定的一部分。MCP 只定義資源這個抽象概念，以及讀取資源時的 request 和 result；要不要用 @ 觸發、怎麼做自動完成、讀到內容後怎麼塞進 prompt，都是 App 自己的 UI 與流程設計。

所以直接呼叫原始 Claude Messages API 時，@report.pdf 只是一段普通文字。Claude Code 之所以能把 @ 當成檔案引用，是因為 Claude Code 自己在客戶端實作了這層邏輯。這門課把這段被產品包好的流程拆出來，讓人看見資源從列出、選取到讀取的完整路徑。

用提示把工作流程包起來

8. 定義提示

MCP 的提示（Prompts）可以想成由伺服器作者預先準備好的工作指令。使用者當然可以直接要求 Claude 把文件轉成 Markdown，但如果某個工作流程有固定格式、領域知識和容易漏掉的邊界條件，把這些要求整理成一個可重複使用的提示，結果會更一致。

課程用文件格式化作為例子。使用者從可用提示中選取 format，提供文件 ID，客戶端取得已經填入參數的指示，再交給 Claude 執行。提示本身不等於工具：它負責準備高品質的 instructions，實際要讀取或修改文件時，仍然可以搭配工具完成。

好的提示也需要測試。MCP Inspector 能顯示參數插值後真正送出的訊息，方便在使用者依賴之前檢查內容是否完整、變數是否正確，還有提示是否真的適合這個伺服器的工作範圍。

9. 客戶端中的提示

客戶端端需要提供列出提示和取得個別提示的能力。list_prompts 讓 App 知道有哪些工作流程可以顯示；get_prompt 則依照使用者選的提示名稱和引數，取得最後要交給 Claude 的訊息。

這種設計很像斜線指令：使用者輸入 / 後看到可用的工作流程，選取一個提示並補上文件名稱，App 再把完整指示傳給模型。斜線輸入只是 App 層的互動方式，MCP 負責的是提示如何被定義、列出和取回。

工具、資源、提示：到底該選哪一個？

10. MCP 最終評估

做到這裡，三個 MCP 基本元素的分工可以濃縮成一張決策表：

這個「誰控制」的角度，比單純記住三個名詞更好用。要讓 Claude 自己決定是否查資料或執行動作，先想工具；要讓 App 決定何時把資料放進畫面或上下文，想資源；要讓人透過按鈕、選單或斜線指令啟動一段流程，想提示。

每堂課對照表

看完這張表，課程的節奏會更清楚：單數課程偏向在伺服器端定義工具、資源和提示，雙數課程則把它們接回客戶端，處理發現、呼叫和測試。

附錄：課程程式碼

以下把課程中最主要的程式碼集中放在文末。範例中的 FastMCP 是這次依課程版本完成的 1.x 寫法；如果安裝到 MCP 2.x，需依當時 SDK 文件調整 API，或先將版本固定在 2 以下。

建立環境

mkdir my_mcp && cd my_mcp
uv venv
source .venv/bin/activate
uv pip install "mcp[cli]<2"
mcp dev mcp_server.py

完整的 server.py 實測版本

"""my_mcp 練習伺服器 —— 對照 ironman Day 8 筆記逐堂課內容組起來的完整版本。

每個區塊註解標的「第 N 堂」對應
ironman/2026_09_22_day08_introduction-to-model-context-protocol.md
"""

from mcp.server.fastmcp import FastMCP
from mcp.server.fastmcp.prompts import base
from pydantic import Field

# 第 3 堂：設定 MCP 伺服器
mcp = FastMCP("DocumentMCP", log_level="ERROR")

# 第 3 堂：文件存在簡單字典結構裡（key 是文件 ID，value 是內容）
docs = {
    "deposition.md": "This deposition covers the testimony of Angela Smith, P.E.",
    "report.pdf": "The report details the state of a 20m condenser tower.",
    "financials.docx": "These financials outline the project's budget and expenditures",
    "outlook.pdf": "This document presents the projected future performance of the system",
    "plan.md": "The plan outlines the steps for the project's implementation.",
    "spec.txt": "These specifications define the technical requirements for the equipment",
}


# ── 第 3 堂：工具（由模型控制，Claude 自己判斷要不要呼叫） ──────────────────

@mcp.tool(
    name="read_doc_contents",
    description="Read the contents of a document and return it as a string.",
)
def read_document(doc_id: str = Field(description="Id of the document to read")):
    if doc_id not in docs:
        raise ValueError(f"Doc with id {doc_id} not found")
    return docs[doc_id]


@mcp.tool(
    name="edit_document",
    description="Edit a document by replacing a string in the documents content with a new string.",
)
def edit_document(
    doc_id: str = Field(description="Id of the document that will be edited"),
    old_str: str = Field(description="The text to replace. Must match exactly, including whitespace."),
    new_str: str = Field(description="The new text to insert in place of the old text."),
):
    if doc_id not in docs:
        raise ValueError(f"Doc with id {doc_id} not found")
    docs[doc_id] = docs[doc_id].replace(old_str, new_str)


# ── 第 6 堂：資源（由 App 控制，唯讀，對應「@」引用文件時被讀取） ────────────

@mcp.resource("docs://documents", mime_type="application/json")
def list_docs() -> list[str]:
    """直接資源：固定網址，列出所有文件 ID（給自動完成用）。"""
    return list(docs.keys())


@mcp.resource("docs://documents/{doc_id}", mime_type="text/plain")
def fetch_doc(doc_id: str) -> str:
    """範本化資源：網址帶 {doc_id} 參數，取單一文件內容。"""
    if doc_id not in docs:
        raise ValueError(f"Doc with id {doc_id} not found")
    return docs[doc_id]


# ── 第 8 堂：提示（由使用者觸發，例如 /extract_numbers）───────────────────
# 改用「抓數字」取代課程原本的「重排成 markdown」，結果一眼就能對答案，
# 不用另外寫 markdown 解析/驗證的程式碼。

@mcp.prompt(
    name="extract_numbers",
    description="Extract all numeric values mentioned in the document.",
)
def extract_numbers_prompt(
    doc_id: str = Field(description="Id of the document to scan"),
) -> list[base.Message]:
    prompt = f"""
Your goal is to find every number mentioned in a document and list them out clearly, one per line.

The id of the document you need to scan is:
<document_id>
{doc_id}
</document_id>

Use the 'read_doc_contents' tool to read the document first, then extract every number you find.
If there are no numbers, say so explicitly instead of leaving the list empty.
"""
    return [base.UserMessage(prompt)]


if __name__ == "__main__":
    mcp.run()

測驗：Introduction to Model Context Protocol Q&A

有 7 題。以下保留題目與正確答案，中英對照的繁中是自譯。

Q1. What type of resource should be used to retrieve different documents by ID, such as docs://documents/report.pdf？（想建立一個根據 ID 擷取不同文件的資源，例如 docs://documents/report.pdf，應該用哪種類型的資源？）

答案：範本化資源（Template Resource），因為 URI 中帶有 {doc_id} 這類參數。

Q2. What two main components are needed for an MCP client to connect an application to an MCP server？（建立 MCP 客戶端連接應用程式跟 MCP 伺服器，需要哪兩個主要元件？）

答案：一個 MCP Client 類別和一個 Client Session。

Q3. What is the main problem when building a chat App for GitHub data without MCP？（建立聊天 App 讓使用者問 GitHub 資料，如果沒有 MCP，主要問題是什麼？）

答案：你必須自己編寫、測試和維護所有 GitHub 工具程式碼。

Q4. What message type should an MCP client send to discover the tools provided by a server？（MCP 客戶端要找出伺服器提供哪些工具，該發送什麼訊息類型？）

答案：ListToolsRequest。

Q5. What is the simplest way to create a file-reading tool with the Python MCP SDK？（用 Python MCP SDK 建立一個讀取檔案的工具，最簡單的方法是什麼？）

答案：在 Python function 上使用 @mcp.tool() decorator。

Q6. Which MCP primitive should be used when a user clicks a button to trigger a document summarization workflow？（使用者應該能點擊按鈕觸發「摘要文件」工作流程，該用哪個 MCP 基本元件？）

答案：Prompts。因為工作流程由使用者動作觸發；Resources 是讓 App 取得資料，不是用來表示使用者點擊按鈕啟動的流程。

Q7. What is the simplest way to test an MCP server before connecting it to a full application？（建好 MCP 伺服器後，想在接完整應用程式之前先測試工具正不正常，最簡單的方法是什麼？）

答案：使用內建的 MCP Inspector，搭配 mcp dev mcp_server.py。

小結

原本以為 MCP 簡介只是把 MCP 的概念、架構和溝通流程講清楚，沒想到它是一堂很硬核的實作課。課程用一個簡單粗略、但前後完整的 App 視角，從零示範要打造一個能接上 MCP 的 AI client，會經過哪些流程；每個節點該由誰處理、App 要補哪些 function，也都拆開來講。

課程刻意把 Claude Code 已經包好的部分拿掉，改成從一個獨立 App 出發。這也是我在 Resource 那堂一直疑惑的地方：為什麼讀取資料也要由 MCP 和 App 來處理？後來才發現，前提就是你沒有 Claude Code 幫你讀 Resource，App 必須自己包含讀取 Resource 的 function。原本看起來有點繞的設計，放回「我要自己打造一個 App」的前提後，整個邏輯就接起來了。

這堂課就是跟著內容一步一步打造 MCP，再透過 Inspector UI 測試整個過程。官方已經提供不錯的工具和範例，實際跟 agent 合作把 Inspector 串起來的感覺也很好；一路把每個節點跑過一次，才真的把 MCP 的知識補齊。下一堂是 MCP 的進階主題，剛好可以接著看這套協定還有哪些更細的邊界。

我是 Jasper，從事軟體開發，目前專注打造 AI 工作流程。
本文同步發佈於我的 Blog，和我一起探討更多 AI 議題 🚀。