MCP（Model Context Protocol，模型上下文協定）是 Anthropic 於 2024 年 11 月推出的開放標準，用於讓大型語言模型（LLM）與外部資料來源、工具與服務進行安全的雙向連接。推出 18 個月內，MCP 從一家公司的實驗性協定演進為由 OpenAI、Google、Microsoft、Amazon 等所有主要 AI 廠商採用的產業基礎設施，並於 2025 年 12 月正式併入 Linux Foundation 旗下的 Agentic AI Foundation（AAIF）治理。

根據 MCP 官方 blog 與 2026 年 2 月數據，MCP SDK 月下載量突破 9,700 萬次，Q1 2026 獨立普查已索引到 17,468 個 MCP server，首度確立 AI 代理世代的「通用插接層」地位。本文以 2026 年 4 月最新狀態為基準，完整解析 MCP 的來龍去脈、技術架構、主要應用與治理結構。

什麼是 MCP？為什麼它會出現

在 MCP 出現之前，AI 模型與外部資料的連接是一場「N × M 惡夢」：每一個 AI 應用要連接每一個資料來源，都需要一套客製整合。例如把 Claude 接 GitHub 要一套、接 Slack 要另一套、Cursor 接 Notion 又要再一套，整體生態系出現大量重複開發，難以規模化。

Anthropic 在 2024 年底提出 MCP，核心理念是把「模型（Model）」與「上下文（Context）」之間的連接抽象成共通協定，讓資料來源提供者只需實作一次 MCP server，任何支援 MCP 的 AI 應用就都能使用。這個設計思路直接借鏡 LSP（Language Server Protocol）——VSCode、Vim、Emacs 等不同編輯器透過 LSP 共用同一個程式語言伺服器，程式語言開發者只需維護一份 LSP server 即可服務所有編輯器。

MCP 的核心承諾是：「AI 應用開發者不用重寫每個整合，資料／服務提供者不用為每家 AI 公司做一套 SDK。」這對整個產業有基礎設施級的降成本效果。

技術架構：Client、Server、三大能力

MCP 採用 client-server 架構，通常由三個角色組成：

：實際執行 AI 模型的應用程式，例如 Claude Desktop、Claude Code、Cursor、Windsurf、ChatGPT Desktop、Microsoft Copilot Studio、VS Code、Gemini Deep Research 等。Host 內部會啟動 MCP Client 來連接外部 MCP Server。

：Host 內的連線模組，負責與單一 MCP Server 建立 1 對 1 的通訊。當 Host 需要調用多個服務時，會啟動多個 MCP Client 各自連接對應 Server。

：提供資料與工具的本地或遠端程式。可由資料／服務提供者（如 Notion、GitHub 官方）或社群開發者維護。

MCP Server 向 Host 公開三種能力：

一、：可被讀取的結構化內容，例如檔案、文件、資料庫紀錄、API 回傳結果。Host 可把 Resources 當作模型的「背景知識」注入。

二、：可被模型呼叫的動作，例如「在 Slack 發送訊息」「在 GitHub 建立 issue」「在 PostgreSQL 執行 SQL」。Tools 是 MCP 實現「AI Agent 真正能做事」的關鍵。

三、：由 Server 預先定義的互動流程樣板，例如「從這批客戶資料生成摘要報告」這類結構化任務範本。

協定層面採用 JSON-RPC 2.0 作為訊息格式，支援 stdio（本地）與 HTTP + SSE（遠端）兩種傳輸機制。這個設計讓個人電腦本機 MCP server 與雲端託管 MCP server 可以用同一個 API 介面運作。

時間軸：18 個月從實驗到產業標準

MCP 的採用速度在軟體標準史上極為罕見，以下是關鍵里程碑：

：Anthropic 發表 MCP 規範與 SDK，同步開源官方 Slack、GitHub、SQL 資料庫、本地檔案、搜尋引擎等 Server，並在 Claude Desktop 加入本機 MCP 支援。

：Figma 推出官方 MCP server，連接 AI 編碼工具（Claude Code、Cursor、Windsurf）讀取並操作 Figma 設計檔，成為「設計稿 → 前端程式」自動化工作流的關鍵節點。

：OpenAI 宣布在自家產品與 API 中採用 MCP，ChatGPT Desktop app 加入 MCP 支援。這是 MCP 從「Anthropic 倡議」轉為「產業標準」的關鍵時點。

：MCP 官方 Registry 啟動預覽，提供 MCP server 的集中搜尋與安裝介面。

：AWS 加入原生 MCP 支援，Amazon Bedrock 平台開始接受 MCP server 作為 agent 工具。

：Anthropic 將 MCP 捐贈予 Linux Foundation 新成立的 Agentic AI Foundation（AAIF），由 Anthropic、Block、OpenAI 共同創辦，Google、Microsoft、AWS、Cloudflare、Bloomberg 為白金會員。MCP 正式脫離「Anthropic 的協定」身份。

：Amplitude、Asana、Box、Clay、Hex、Salesforce 同一天上架官方 MCP server，是 MCP 生態單日最大擴張。

：MCP SDK 月下載量突破 9,700 萬次，Anthropic、OpenAI、Google、Microsoft、Amazon、Salesforce 主要 AI 平台皆原生支援。

：Google Deep Research Max 正式支援 MCP，成為 Gemini 企業 agent 接入點。

主要 MCP Host（客戶端）與使用情境

截至 2026 年 4 月，下列 AI 應用皆為原生 MCP Host：

• Claude Desktop（Anthropic 官方應用，MCP 首發）
• Claude Code（Anthropic 終端與桌面開發者工具）
• ChatGPT Desktop（OpenAI，2025/4 支援）
• Cursor（AI 程式碼編輯器）
• Windsurf（Codeium 旗下 AI IDE）
• Microsoft Copilot Studio／Visual Studio Code
• Google Gemini Deep Research（2026/4 加入）
• Notion Custom Agents（透過 MCP 整合 Slack、Calendar、Linear、Figma、HubSpot）

對開發者而言，同一個 MCP server 可以被上述任一 Host 使用。這意味著一個資料／服務提供者維護單一 MCP server，即可被 Claude、ChatGPT、Gemini、Cursor 等所有主要 AI 應用的使用者存取。

主要 MCP Server（資料來源／服務）

截至 2026 年 Q1，獨立普查已索引 17,468 個 MCP server，以下為企業常用的官方／高品質 server 範例：

：

• GitHub MCP server — 查看 repository、建立 issue、PR 操作
• Figma MCP server — 讀取設計檔、生成前端程式碼
• PostgreSQL／MySQL MCP server — 執行 SQL 查詢
• Filesystem MCP server — 本機檔案讀寫

：

• Notion（4,200+ GitHub stars，22 個工具）
• Slack、Asana、Linear、Calendar
• Box、Clay、Hex

：

• Salesforce、HubSpot、Intercom
• Amplitude、Ahrefs
• Tally（表單工具）

：

• Shell／Terminal MCP（執行 CLI 指令）
• Web Search MCP（Brave、Tavily）

治理結構：Agentic AI Foundation 下的 Linux 基金會模式

2025 年 12 月，Anthropic 把 MCP 規範與專案所有權捐贈給 Linux Foundation 新成立的 Agentic AI Foundation（AAIF）。這個結構的意義是：

一、MCP 不再由任一家公司主導方向。白金會員 Amazon、Anthropic、Block、Bloomberg、Cloudflare、Google、Microsoft、OpenAI 各派一位代表進入治理董事會，沒有單一成員能單邊決定路線。

二、技術路線由技術指導委員會（Technical Steering Committee）決定，採 Linux Foundation 慣用的開源治理模式。

三、AAIF 同時接受 Block 捐贈的 Goose（開源 agent 框架）與 OpenAI 捐贈的 AGENTS.md（agent 指令檔規範）。MCP 成為跨專案互通的核心基礎。

這個治理結構極大地降低了「MCP 被 Anthropic 綁架」的疑慮，也是 Google、Microsoft、OpenAI 願意全面採用的前提。

MCP vs 傳統 API、Plugin、Function Calling

很多開發者初次接觸 MCP 時會問：「這跟 OpenAI Function Calling 或 ChatGPT Plugin 差在哪？」

：Function Calling 是模型回傳「該呼叫哪個 function」的決策機制，實作時仍需要開發者寫客製 function schema 並串接外部 API。MCP 把這層整合標準化，任何 MCP 相容模型都能直接使用既有 MCP server，不需為每個模型各寫一份。

：Plugin 是 OpenAI 私有規範、僅供 ChatGPT 使用；MCP 是跨廠商開放規範。OpenAI 自 2024 年已逐步棄用 Plugin、轉向 MCP。

：REST API 是通用通訊協定，沒有描述「工具語意」的標準。MCP 在 REST／JSON-RPC 之上多定義一層 AI 代理語意——Resources、Tools、Prompts 的結構化描述，讓模型能自動理解「這個 server 能做什麼」而不需要人工文件。

MCP vs A2A（Agent-to-Agent）協定

2025 年起出現另一個競爭協定 A2A（Agent-to-Agent），由 Google 主推，定位「多 agent 之間互通」。兩者關係並非互斥：

MCP 解決「agent 如何連接工具／資料」的問題，屬「agent service」垂直連接。A2A 解決「agent 如何跟其他 agent 溝通」的問題，屬「agentagent」水平協作。

實際應用中，一個 AI 代理可能同時透過 A2A 與其他 agent 協作任務分派，並透過 MCP 連接 GitHub、Notion 等實際工具。Google 同時支援兩者，AAIF 治理架構也將兩者視為互補標準。

實作：如何自建一個 MCP server

Anthropic 官方 SDK 目前涵蓋 Python、TypeScript、Java、Kotlin、C#。最簡單的自建流程：

官方提供完整範例程式碼與教學：modelcontextprotocol.io。對於已熟悉 RESTful API 設計的開發者，通常一個下午就能寫出第一個可用 MCP server。

安全性與權限管理

MCP server 可以取用檔案、發送 API 請求、修改資料。當模型接手操作後，安全性成為企業部署 MCP 時的主要考量。目前的保護機制：

• MCP host 通常會要求使用者逐次確認 Tool 呼叫（Claude Desktop 的 human-in-the-loop 模式）
• Server 端可實作 OAuth 授權流程，讓使用者控制模型可存取的資料範圍
• 2026 年 MCP 生態普遍引入 OAuth 2.1 作為雲端 MCP server 的標準授權機制
• 企業可透過自建 MCP gateway 集中稽核所有 tool calls，符合 SOC2／ISO27001 要求

實務上，企業部署 MCP 仍需資安團隊審閱每個 server 的權限範圍，特別是對寫入／刪除資料的 tool。

FAQ：常見疑問

A：完全免費、開源（MIT 授權），由 Linux Foundation 下的 AAIF 治理。

A：不一定。MCP 支援本機（stdio）與雲端（HTTP+SSE）兩種傳輸。個人用戶常把 MCP server 跑在自己的電腦上（如 Filesystem MCP）。

A：目前大部分消費者級 AI 應用（Claude Desktop、ChatGPT、Cursor）都已內建 MCP 支援，使用者只需從官方 Registry 挑選 MCP server（如 Notion、Slack）並授權，不需要寫程式。

A：可以。MCP 不限制商業化；許多服務商（如 Tally、Ahrefs）已把託管 MCP server 作為付費產品線。

A：不會。MCP 建構在 REST／JSON-RPC 之上，是「為 AI 代理優化的呼叫層」。傳統 API 仍會存在，MCP 只是多了一層 AI 友善包裝。

A：Tool 描述寫得不夠具體，導致模型不知道何時該呼叫。建議 Tool schema 裡明確寫「這個工具用在什麼情境、輸入輸出格式、可能副作用」。

資料來源與延伸閱讀

官方：modelcontextprotocol.io 官方規範、MCP GitHub 組織、Anthropic 推出公告、捐贈 Linux Foundation 公告。

abmedia 相關：Claude Code 完整指南 2026、Google Deep Research Max 支援 MCP、Claude Live Artifacts。