前面我們已經做了不少 MCP Tool，讓 Agent 可以透過 Tool 執行各種操作，不過 MCP 不只有 Tool，如果今天我們只是想讓 Agent 取得某些資料，而不是執行一個動作，其實可以使用 MCP 的 Resource。

所以今天就來實際做一個 Resource，讓 Agent 可以讀取 MCP Server 提供的資料。

建立 Resource

首先建立 day23 資料夾：

day23/
├── server.py
├── client.py
└── data/
    └── company_info.txt

先準備一份簡單的公司資料：

接著在 MCP Server 中建立 Resource：

@mcp.resource("company://info")
def get_company_info() -> str:
    return DATA_FILE.read_text(encoding="utf-8")

這裡使用 @mcp.resource() 宣告 Resource。

當 Client 讀取company://info Server 就會回傳對應的公司資料。

使用 Client 讀取 Resource

接著在 Client 中使用：

result = await session.read_resource(
    "company://info"
)

print(result.contents[0].text)

執行後，就可以看到 MCP Server 提供的公司資訊，這裡和之前呼叫 Tool 不太一樣，我們不是讓 Server 執行一個動作，而是讀取一份資料。

Resource Template

如果 Resource 的資料不是固定的，而是會根據不同參數改變，就可以使用 Resource Template，例如我們可以建立員工資料：

這裡的 {name} 就是一個參數，使用 company://employee/Alice 就會取得 Alice 的資料，Client 只要讀取就能取得對應內容。

流程與實測

前面已經確認 Client 可以正常取得 Resource，接下來就實際把資料交給 Gemini，這次我們讓 Client 讀company://employee/Alice取得的資料是 Alice：Software Engineer

接著會把這份資料提供給 Gemini，並輸入 Alice 是做什麼工作的？

Gemini 最後回答：Alice 的工作是 Software Engineer（軟體工程師）

這次的流程就變成：

company://employee/Alice
        ↓
MCP Resource
        ↓
MCP Client
        ↓
取得 Alice 的資料
        ↓
Gemini
        ↓
回答問題

這裡要注意，今天並不是讓 Gemini 自己去選擇 Resource，而是由 Client 先讀取 Resource，再把取得的資料交給 Gemini。

Tool 和 Resource 有什麼差別？

到這裡可以簡單比較一下：

Tool 是讓 AI 做事情，Resource 是讓 AI 取得資料。

Resource 和 RAG 一樣嗎？

兩者都是讓 Agent 取得資料，但方式不同，Resource 是直接讀取 MCP Server 提供的資料，而 RAG 則是先搜尋知識庫，再找出相關內容。

Resource 是直接取得指定資料，RAG 是搜尋相關資料。

今天的 Resource 不需要使用 Embedding 或 Vector Database，直接透過 MCP Client 讀取即可。

總結

今天我們第一次實際使用 MCP Resource，除了 Tool 之外，MCP Server 也可以提供資料給 Client 讀取，而且還可以透過 Resource Template，根據不同參數取得不同資料。

這樣我們的 Agent 就不只是能使用 Tool，也能取得 MCP Server 提供的資料。