什麼是MCP？為什麼近來人人都在談論它？
如果你經常使用ChatGPT或Claude，最近應該留意到一個新詞不斷出現在工具設定、教學影片和產品更新紀錄之中，就是MCP，全寫是Model Context Protocol（模型情境協定）。
MCP是一套開放標準，讓AI助手可以直接連接到你其他的應用程式和資料，例如Google Drive、Slack或項目管理工具，在對話期間讀取並操作這些內容，而不需要你來回複製貼上資料。這套協定由Anthropic提出，之後被其他主流AI助手產品陸續採用，這正是為什麼這個詞現在幾乎無處不在。
在MCP出現之前，要將AI工具連接到其他軟件，通常需要開發人員度身訂做整合方案，或者你自己手動匯出檔案再餵給AI。MCP的作用是將這種連接標準化，令任何AI應用程式都可以用同一套方式，與任何相容的工具溝通。
對不懂寫程式的人來說，MCP到底解鎖了什麼？
一旦啟用MCP連接器，你的AI助手就不再只是一個讓你貼文字的輸入框，而是可以在同一個對話裡，實際查閱資料並代你採取行動，不用再切換視窗。
市場推廣人員可以要求Claude直接讀取一份實時Google試算表的最新十行數據並總結趨勢，不用先匯出CSV檔案。內容創作者可以要求AI助手先查看已連接的CMS內已發布過什麼內容，避免重複同一個題目。營運經理可以要求AI助手讀取Notion項目板，並標出哪些任務已經逾期。人力資源同事亦可以要求AI助手將候選人履歷，與試算表內的空缺職位逐一比對。
這裡解鎖的並不是「AI變得更聰明」，模型本身沒有改變。改變的是AI不再對你實際的工作檔案和系統視而不見，這正正解決了AI輸出長期予人「離地」感覺的根本原因，它從一開始就沒有得到足夠的背景資訊。
撇除技術術語，MCP實際上是怎樣運作的？
你可以將MCP想像成一個通用插座。你的AI助手就是插頭，而每一個你想使用的應用程式，例如Google Drive或Slack，都有一個MCP「伺服器」，就像牆上的插座，公開一組固定的可執行動作，例如讀取檔案、搜尋頻道、建立任務等等。
當你輸入一個請求，AI會判斷哪個已連接的工具能夠回應這個請求，透過MCP連接呼叫該工具，取得結構化的結果，然後繼續對話。你不會看到背後的技術交握過程，你看到的只是AI告訴你「我已查看你的日曆」或「我找到三份相符的檔案」，然後正確地運用這些資訊。
對日常使用的人來說，有三點值得留意。第一，每個連接器只公開特定允許的動作，AI不會突然做一些沒有人授權它做的事。第二，大部分主流AI應用程式現時都可以在設定選單啟用連接器，不需要碰程式碼。第三，你通常可以清楚看到AI呼叫了哪個工具、取回了什麼結果，當輸出會影響實際決策時，這一點對建立信任十分重要。
如何設定你第一個MCP連接？
大部分支援MCP的主流AI應用程式，都會將這個設定放在帳戶或工作區設定內的「連接器」、「整合」或「工具」分頁。你只需要選擇想連接的應用程式，例如Google Drive、Slack或項目管理工具，然後像登入其他應用程式一樣授權存取。
連接器啟用之後，使用方式其實只是一個普通的自然語言提示，你不需要在提示中提及MCP這個名稱，只需直接描述任務並指明已連接的資料來源。
連接器啟用後，可以試試這個提示：
---「在我已連接的Google Drive中搜尋任何提及『Q3預算』的檔案。用不多於一百字總結三份最相關的文件，然後指出哪一份的編輯時間最新，並逐字引述它的最後一句。」
留意這個結構：具體的搜尋指示、字數限制，加上一個驗證步驟，即引述最後一句，逼使AI真正打開檔案，而不是憑檔案名稱猜測內容。這個驗證習慣，是使用任何連接資料來源時最值得建立的習慣。
MCP在什麼情況下會出問題？
MCP解決了複製貼上的麻煩，但並不會消除AI原有的出錯模式，甚至因為AI現在真正接觸到你的系統，還會出現幾種新的風險。
---當請求含糊不清時，AI有機會呼叫錯誤的工具。如果你同時啟用了Slack連接器和電郵連接器，「將這個發給團隊」這句說話本身就有歧義，AI有可能猜錯對象。
---連接器越多，越多背景資訊爭奪模型的注意力。為求方便而一次過啟用五個擁有廣泛權限的工具，往往會令回答變得較慢、較不集中，反而不及只啟用當週真正用到的兩三個工具。
---連接器讀取的實時資料，準確度只去到最後一次同步的時間。如果同事三十秒前才編輯過檔案，不要假設AI的總結已經反映這個改動，應該要求它先重新查核，再採取行動。
---權限範圍比大家想像中重要。一個只能讀取指定資料夾的連接器，比一個擁有整個帳戶存取權的連接器安全，即使後者設定起來較為方便。
立即試試看
如果你使用的AI工具支援連接器，這星期先啟用一個，最好是你平時最常複製貼上資料的那一個應用程式。然後試試以下練習：
---「用我已連接的〔應用程式名稱〕，找出與〔一個真實、當前的工作題目〕最相關的最新一項資料。告訴我那是什麼、最後更新時間，以及如果你是我，下一步會採取什麼行動。」
這個練習逼使AI助手真正檢索實際內容，而不是生成一個聽起來合理的猜測，這正正是MCP應該解鎖的行為。如果答案含糊，或明顯像是估計出來，這代表連接器可能未有真正被這個請求用到，值得回到工具設定中查找原因。
給AI從業者的總結
MCP不是一個新的AI模型，它不會令Claude或ChatGPT自己變得更擅長推理。它做到的是縮窄「AI憑印象作答」與「AI先查核真實檔案才作答」之間的差距，對大部分從業者來說，這正是一份聽起來聰明的草稿，與一份真正可以交出去的內容之間的分別。
這個月值得踏出的實際一步很小：選出你最常重複輸入資料的那一個應用程式，連接它一次，然後養成習慣，在信任答案之前先要求AI對照它查核。這比再讀一篇提示技巧總結文章更有價值。同時亦要老實承認它的極限，MCP只負責連接你的資料，不會替你審核資料是否準確，一份過時混亂的試算表，它一樣會用同樣自信的語氣總結出來。
懂AI，更懂你 UD相伴，AI不冷。
想深入了解香港企業今年如何重整AI工作流程，可參考UD關於Claude Cowork實際上做什麼的介紹，並與手動連接的做法比較。
本文由UD AI團隊審閱。
準備好將合適的AI工具用在合適的任務上嗎？
掌握了這個技術，下一步是把它整合進你的日常工作流程。UD 團隊手把手帶你完成每一步，從工具配置、流程設計，到實際部署，讓 AI 真正為你所用。
