MCP 協議進階教學 2026：讓 AI 工具彼此協作的標準化接口實作

(1) N×M 整合地獄（N 個模型 × M 個工具各寫整合）(2) 每家廠商 API 規格不同 (3) 企業資料分散難被 AI 使用

Tools（AI 可呼叫的函式）、Resources（AI 可讀取的檔案或資料）、Prompts（可重用的 Prompt 模板）

官方 SDK：Python、TypeScript、Go、Java、Rust。社群 MCP Server 超過 2000+（GitHub、Slack、Postgres、Figma、Blender 等）

AI 應用（Claude Desktop、Cursor）或自己的程式。負責連接 Server、把 Server 提供的能力轉成 AI 能理解的格式、代表 AI 呼叫工具

你要建立的部分。提供 Tools/Resources/Prompts 給 Client 呼叫。可以是本機程序或遠端服務

stdio：本機程序最簡單、HTTP/SSE：遠端服務主流、WebSocket：雙向即時通訊。新手從 stdio 入門

Client 啟動 → initialize 握手 → tools/list 取得工具清單 → tools/call 呼叫工具 → 回傳結果 → AI 繼續推理

Python 3.10+，pip install mcp［server］。開一個新資料夾 weather_mcp 當作專案

from mcp.server.fastmcp import FastMCP; app = FastMCP('weather')。用 @app.tool() 裝飾器定義工具

@app.tool() def get_weather(city: str) -> str: 回傳 f'{city} 目前 25 度，多雲時晴'。型別提示會自動變成 JSON Schema

if __name__ == '__main__': app.run(transport='stdio')。這就是完整 MCP Server

用 mcp dev weather_mcp.py 啟動 inspector，在瀏覽器可以手動呼叫工具驗證

編輯 ~/Library/Application Support/Claude/claude_desktop_config.json（Mac）或 %APPDATA%\Claude（Windows）。加入 mcpServers 區塊

{'mcpServers': {'weather': {'command': 'python', 'args': ['/absolute/path/to/weather_mcp.py']}}}。路徑要絕對路徑

Cursor Settings → MCP → Add。填 name、command、args。支援 stdio 和 HTTP 兩種

重啟 Claude/Cursor → 看到工具圖示亮燈或在 settings 中顯示「connected」。在對話問「現在台北天氣」AI 會自動呼叫工具

路徑錯（要絕對路徑）、Python 找不到（指定完整 python 路徑）、權限不足（macOS 可能要同意系統權限）

@app.resource('file:///path/to/file') 或動態 URI 如 'db://customers/{id}'。回傳內容可以是文字、JSON、圖片 base64

企業內部 wiki 給 AI 查、程式碼庫 semantic search、資料庫查詢、日誌分析、設計檔案讀取

@app.prompt() def code_review(language: str) 回傳預定義 Prompt 模板。使用者可在 Claude 介面直接選用

團隊共用的 Prompt 模板、特定工作流（程式碼審查、文件摘要、bug 分析）、品牌一致的回應範本

Data layer：PostgreSQL + pgvector 儲存文件 embedding。API layer：FastAPI 提供檢索。MCP layer：封裝成 MCP Server 讓 AI 使用

search_docs（語意搜尋）、get_doc_by_id（取單一文件全文）、list_categories（分類瀏覽）。每個都寫清楚 docstring

doc://category/{cat} 列出分類下所有文件、doc://id/{id} 讀單一文件。讓 AI 能主動探索

「依本團隊規範撰寫技術文件」、「總結本週 meeting notes」等常用任務，封裝成 Prompt 供一鍵使用

本機版給個人開發用（stdio）、雲端版給團隊用（HTTP/SSE + OAuth）、多租戶版給跨組織用（namespace 隔離）

Tool 呼叫可能被 Prompt Injection 利用（AI 被惡意網頁騙去呼叫你的 delete_user）。關鍵操作加人類確認、敏感 Tool 用 allow-list、驗證所有輸入

遠端 MCP 用 OAuth 2.1 + PKCE、Token 短效期 + refresh、每個工具呼叫都要檢查權限、支援 SSO 整合

記錄每次 tool call 的參數、結果、耗時、呼叫者。用 OpenTelemetry 整合到現有監控系統

工具 schema 變更會破壞 Client。遵循 semver、舊版本保留一段時間、破壞性變更走 deprecation 流程

長時間工具用 streaming 回傳、重複查詢加快取、批次操作支援、避免 tools/list 太龐大（>50 個工具 AI 會混亂）