MCP 和 API 有什麼不同？

MCP 不是要取代 API，而是架在 API 之上的一層標準。每個服務的 API 長得都不一樣，AI 應用要一個一個去適配。MCP 定義了統一的描述方式，讓 AI 應用用同一套規則去理解「有哪些工具可用、要傳什麼參數」，實作背後仍然可能是在呼叫原本的 API。

一般使用者需要懂 MCP 嗎？

不用懂細節，但值得知道它存在。當你在 Claude 或其他 AI 工具裡看到「連接器」「connectors」這類設定，能把 AI 接上你的 Google Drive、資料庫或內部系統時，底下往往就是 MCP 在運作。

在 MCP 出現之前，要讓 AI 應用連上一個外部系統，得為那個組合單獨寫一份整合。有 M 個 AI 應用和 N 個資料源，最壞情況要寫 M × N 份。每次任一端改版，對應的整合就要跟著修。

MCP 的做法是在中間插一層標準：資料源實作一次 MCP server，AI 應用實作一次 MCP client，兩邊就能互通。M × N 變成 M + N。

MCP server 可以對外提供三類東西：

AI Agent 的價值取決於它能碰到什麼。一個接不到任何外部系統的 Agent，能做的事情非常有限。

MCP 讓「接上一個新工具」從一個工程專案降級成一段設定，這直接改變了 Agent 的可行範圍。也因為協定是開放的，社群可以各自實作 server，不必等平台方逐一支援。

權限是真的權限。 接上一個能寫入資料庫的 MCP server，就是真的給了 AI 寫入權。設定時要用最小必要權限，不要為了省事直接給管理員帳號。

來源要可信。 安裝第三方 MCP server 等於在你的環境裡跑別人的程式碼。裝之前先看清楚它做什麼、由誰維護。

協定還在演進。 MCP 相對年輕，規格和生態都還在變動。做深度整合之前，先確認你依賴的部分是否穩定。