上一篇我們為 MCP Agent 加入了任務規劃與步驟管理，讓 Agent 可以根據使用者的需求，將任務拆解成多個步驟，再依序呼叫對應的 MCP Tool，並且能夠查詢任務日誌。

不過，目前的 Agent 還有可以繼續完善的地方。除了原本的工具操作與任務管理之外，我們也希望它能取得外部資料、使用預先設計好的 Prompt，並在執行可能造成影響的操作之前，先取得使用者確認。

所以我們將繼續之前的專案，整合 Resource、Prompt 與刪除檔案的功能，並實際測試整合後的執行流程。

繼續整合 MCP Agent

目前整合的功能包含：

• RAG： 查詢知識庫中的資料。
• SQLite： 查詢資料庫。
• Calculator： 執行數學運算。
• File System： 搜尋、讀取及操作檔案。
• Resource： 取得 MCP Server 提供的外部資料。
• Prompt： 取得預先設計好的提示模板。
• Delete Tool： 刪除指定檔案，並在執行前加入確認機制。

透過這些功能，Agent 可以依照不同需求使用不同的 MCP Server，而不需要把所有功能都寫在同一個程式裡。

加入 Resource 與 Prompt

前面我們已經分別實作過 MCP Resource 和 MCP Prompt，現在就把它們整合進現有的 Agent 專案，讓原本分開測試的功能可以透過同一個 Client 使用。下圖是目前整合後的 Tool 總覽。

這樣就能在同一個專案中使用先前實作的功能，而不是每次測試 Resource 或 Prompt 都需要另外啟動一個獨立的 Client。

先測試 Resource，確認 Agent 能取得 MCP Server 提供的資料。

接著測試 Prompt，確認可以取得指定的提示模板，並交給 AI 產生回應。

加入高風險操作確認

接下來，我們來測試這次比較重要的部分：在執行刪除檔案之前，先取得使用者確認。

首先，建立測試檔案 delete_test.txt，再讓 Agent 執行以下任務，刪除 delete_test.txt，刪除前必須先取得我的確認。

這時必須輸入 CONFIRM，程式才會繼續執行；其他輸入則會取消操作

這項機制很重要，因為刪除檔案與一般的資料查詢不同，一旦操作錯誤，就可能造成資料遺失，因此不能只依賴 AI 在任務計畫中提醒自己要先確認，而應該由程式在執行高風險 Tool 前強制檢查。

這次輸入 CONFIRM 後，Agent 成功刪除了測試檔案，並將執行結果記錄下來。

最後，系統也保存了任務 ID、任務內容、執行的 Tool、操作結果及執行統計，從這次結果可以確認，任務規劃、Tool 呼叫、刪除前確認，以及任務紀錄都已成功運作。

另外，在整合過程中也曾遇到任務規劃失敗的問題。後來重新整理 TaskPlanner 的程式碼，補齊任務規劃與重新規劃的方法，並加入 Gemini 原始回應的除錯輸出，才順利完成這次測試。

總結

從前面的架構與任務紀錄，到上一篇的任務規劃與步驟管理，再到今天整合 Resource、Prompt 和高風險操作確認，這個 MCP Agent 專案已經逐漸具備比較完整的執行流程，這次的重點不只是增加更多 Tool，而是讓不同 MCP 功能可以在同一個專案中配合使用，同時保留任務紀錄與操作安全機制。

當 Agent 開始能夠執行更多實際操作時，除了思考如何讓它完成任務，也必須考慮執行限制、錯誤處理，以及如何避免未經確認的危險操作，這些都是將 MCP Agent 從單純的功能測試，逐步發展成實際應用時，需要考慮的問題。