從開發者角度理解 Model Context Protocol (MCP)

Last updated on Apr 1, 2025 by Amo Chen ‐ 12 min read

覺得我們的內容實用嗎？ MyApollo 電子報讀者募集中！歡迎訂閱電子報!

Model Context Protocol（簡稱 MCP）是一項由 Anthropic 於 2024 年 11 月 25 日開源的協定。

MCP 旨在提升 AI 助手（assistants）與各種系統的整合能力，使其能夠存取外部資料、商業工具、開發環境等，從而提供更精確且具相關性的回應。

目前，許多 AI 工具與 IDE 已開始支援 MCP，並與符合 MCP 規格的工具進行整合，讓 AI 助手能夠更貼近實際應用情境並執行各類任務。例如，Cursor、Cline、OpenManus 等工具皆可透過 MCP 進行擴充，使 AI 助手變得更加強大。

未來隨著 AI 技術的發展，MCP 勢必將在 AI 應用開發領域佔據一席之地。

因此本文將深入淺出地介紹 MCP 的核心概念，幫助大家理解 MCP 的運作方式，並能透過 Python 簡單打造專屬的 MCP 工具。

本文環境

macOS
Python 3.10 以上
Claude Desktop
uv
npm

關於 MCP 測試環境，本文建議使用 3.10 版本以上的 Python，以及安裝 uv 管理開發環境。

uv 安裝指令(macOS)：

$ curl -LsSf https://astral.sh/uv/install.sh | sh

同時，為了能方便地將 MCP 工具與 AI 助手整合，我們需要安裝 Claude Desktop。原因是 Claude Desktop 內建整合 MCP 工具的功能，我們可以在免費方案的額度內輕鬆地體驗 MCP 所帶來威力。

p.s. 本文的 MCP 規格版本為 2024-11-05

MCP(Model Context Protocol) 工具初體驗

即時取得巴菲特指數(Buffett Indicator)

首先，如果我們詢問 Claude Desktop 最近的巴菲特指數時，可以注意到 Claude 會告訴我們它沒有關於巴菲特指數的最新數字，也就是「我無法提供最新的…」這段：

然而，我們可以使用相當簡單的 Python 程式碼取得更新的巴菲特指數，例如下列程式碼：

import requests

def fetch_buffett_indicator():
    url = 'https://buffettindicator.net/wp-content/themes/flashmag/data/csvjson.json'
    response = requests.get(url, headers={'User-Agent': 'Mozilla/5.0'})
    if response.status_code == 200:
        return response.json()[-1]
    return None

if __name__ == "__main__":
    indicator = fetch_buffett_indicator()
    if indicator:
        print(f"The current Buffett Indicator is: {indicator}")
    else:
        print("Failed to fetch the Buffett Indicator.")

如果我們能告訴 AI 助手如何執行上述工具，它就能夠取得外部資料，進而在我們需要的時候透過工具告訴我們答案。

而 MCP 恰好補足 AI 助手在使用外部工具/資源/資料方面的短板。MCP 提供一套標準的協定，讓 AI 助手能夠清楚了解可用的工具/資源/資料，進而執行這些工具或者存取所需資源，以完成目標任務。

MCP(Model Context Protocol) 初體驗 — 手作 MCP Server 取得更新的巴菲特指數

接下來，我們將製作一個 MCP Server，讓 AI 助手可以透過 MCP Server 使用我們所開發的工具。

以下是本文專案資料夾結構：

.
├── README.md
├── main.py
├── pyproject.toml
└── uv.lock

建立上述環境的指令如下：

$ mkdir my-mcp-server && cd my-mcp-server
$ uv venv --python 3.10
$ uv python pin 3.10
$ uv init .
$ source .venv/bin/activate
$ uv add "mcp[cli]" fastmcp requests

用 Fastmcp 高速實作 MCP Server

Anthropic 有提供官方的 MCP SDK(Software Development Kit)，支援 TypeScript, Python, Java, Kotline 以及 C# 等多種程式語言。

接下來，我們編輯 main.py 貼上取得巴菲特指數的 MCP Server 程式碼：

main.py

import requests
from fastmcp import FastMCP

# Create an MCP server
mcp = FastMCP('Demo')

@mcp.tool()
def fetch_buffett_indicator():
    url = 'https://buffettindicator.net/wp-content/themes/flashmag/data/csvjson.json'
    response = requests.get(url, headers={'User-Agent': 'Mozilla/5.0'})
    if response.status_code == 200:
        return response.json()[-1]
    return None

if __name__ == '__main__':
    # Initialize and run the server
    mcp.run(transport='stdio')

沒錯！就這麼簡單！我們完成 1 個 MCP server 的製作了！

只要使用 mcp = FastMCP('Demo') 以及一行 @mcp.tool() 就能夠將一個 Python 函數(function)輕鬆轉為 AI 助手可以使用的工具(tool)。

將 MCP Server 加到 Claude Desktop 設定

有了 MCP Server 之後，我們需要設定 Claude Desktop，以告訴 AI 助手有 MCP Server 可以連線，並提供若干工具可以使用，我們使用文字編輯器(editor)編輯以下設定檔：

~/Library/Application\ Support/Claude/claude_desktop_config.json

並貼上以下設定（請按照你的路徑修改以下設定）並儲存：

{
  "mcpServers": {
    "my-mcp-server": {
      "command": "<path/to/bin/uv>",
      "args": [
        "--directory",
        "<path/to/my-mcp-server>",
        "run",
        "main.py"
      ]
    }
  }
}

p.s. <path/to/bin/uv> 與 <path/to/my-mcp-server> 請使用絕對路徑

例如：

{
  "mcpServers": {
    "buffett-indicator": {
      "command": "/Users/<username>/.local/bin/uv",
      "args": [
        "--directory",
        "/Users/<username>/model-context-protocol/my-mcp-server",
        "run",
        "main.py"
      ]
    }
  }
}

設定完成後，重新開啟 Claude Desktop，順利的話，會發現 Claude Desktop 出現一個插座圖示：

點插座圖示之後，Claude Desktop 會顯示目前安裝 1 個名稱為 Demo 的 MCP Server:

此時，我們再來試一次請 AI 助手提供最新的巴菲特指數，此時會發現 AI 助手會嘗試呼叫我們所提供的工具 fetch_buffett_indicator，請放心按下 Allow Once 或 Allow for This Chat:

見證奇蹟的時刻！

我們可以注意到 AI 助手透過我們開發的 MCP Server 取得最新巴菲特指數的資料，並生成一連串的內容給我們參考：

將 MCP Server 加到 Cline 設定

由於 MCP 是一項開源的協定，所以我們也可以輕鬆地將 MCP Server 與各種使用 MCP 協定的應用進行整合，達到一次開發、到處使用的效果。

接下來，我們試著把巴菲特指數的 MCP Server 整合到 VS Code 的擴充 Cline 之中。

首先你需要在 VS Code 或 Cursor 中安裝 Cline 擴充(extension)後。

接著，至 Anthropic 申請一組 API Key，再將該 API Key 填至 Cline 的設定中，如此一來 Cline 就能使用 Sonnet 與 MCP Server 進行互動：

最後，打開 Cline MCP Server 設定，手動填入以下設定安裝巴菲特指數的 MCP Server 設定：

{
  "mcpServers": {
    "buffett-indicator": {
      "command": "/Users/<username>/.local/bin/uv",
      "args": [
        "--directory",
        "/Users/<username>/model-context-protocol/my-mcp-server",
        "run",
        "main.py"
      ],
      "disabled": false,
      "autoApprove": []
    }
  }
}

完成之後，在 Cline 中提問 What’s the latest buffett indicator? 就可以看到 Cline 執行了我們提供的 MCP Server 的工具！

以上就是 MCP 初體驗！

在這個初體驗中，我們不僅體驗如何製作一個簡單的 MCP Server，也體驗到 MCP 能夠整合到各種 LLM 應用的潛力！

番外篇 - 如何開啟 MCP Server 除錯模式？

MCP SDK 也提供了一個非常方便的除錯模式，稱為 MCP Inspector。

我們可以開啟終端機並輸入以下指令來啟動 MCP Inspector：

$ uv run mcp dev main.py

成功的話，將會在終端機出現類似以下的訊息，告訴我們 MCP Inspector 正在 http://localhost:5173 運作：

Starting MCP inspector...
Proxy server listening on port 3000

🔍 MCP Inspector is up and running at http://localhost:5173 🚀

使用瀏覽器打開 http://localhost:5173 就可以看到 MCP Inspector 的畫面：

點擊 Connect 按鈕連線至 MCP Server。接著，可以點擊 Tools 分頁與 List Tools，就可以看到我們所製作的工具 fetch_buffett_indicator:

最後按下 Run Tool 即可看到 fetch_buffett_indicator 的執行結果：

以上是如何使用 MCP inspector 的簡略介紹。

相信大家此刻對於 Tools 以外的分頁仍感到好奇。不過，只要徹底理解 MCP 的核心概念，這些分頁的用途就會變得清晰。這是因為這些分頁與 MCP 規格中的核心概念是一對一對應的。因此，接下來我們會深入了解 MCP 的核心概念。

深入瞭解 Model Context Protocol (MCP) 核心概念

MCP 核心概念雖然不多，但如果你想打造 MCP Server 相關的應用提供服務的話，那麽 MCP 的所有核心概念都值得花點時間理解。

Core Architecture

首先，MCP 架構有 3 個一定要理解的角色，分別是：

Host
MCP Client
MCP Server

Host 是 LLM 相關的應用，例如 Claude Desktop, Cline, Open Manus 等等。

MCP Client 則是存在於 Host 內負責管理與 MCP Server 連線的元件，所以它必須遵守 MCP 的規格進行實作，才能夠與 MCP Server 進行互動。

p.s. 不過我們經常將 Host 與 MCP Client 混為一談就是了

MCP Server，也就是我們前述章節所製作的 MCP Server，是負責提供工具、資源或資料給 LLM 使用的元件。

下圖完美闡述 MCP 三個重要角色的關係：

Transports

接下來，談談前述 MCP 核心架構圖中的 Transports。

既然架構中存在 Client 與 Server 的角色，當然也免不了議定溝通方式的部分，而這個部分是 Transports 由所負責。

MCP Client 與 Server 之間使用 JSON-RPC 2.0 作為溝通格式，目前共有 3 種溝通方式：

Requests
Responses
Notifications

Request 與 Response 的用途是 Client-Server 架構中常見的要求與回應，而 Notifications 則是用在單向(one-way)的通知上，例如通知 MCP Client 工具列表已有更新。

下列分別是 3 種溝通方式的格式：

REQUEST

{
  jsonrpc: "2.0",
  id: number | string,
  method: string,
  params?: object
}

RESPONSE

{
  jsonrpc: "2.0",
  id: number | string,
  result?: object,
  error?: {
    code: number,
    message: string,
    data?: unknown
  }
}

Notification

{
  jsonrpc: "2.0",
  method: string,
  params?: object
}

舉前述的巴菲特指數的 MCP Server 為例，它會收到來自 Claude Desktop 的 request，下列可以看到 Claude Desktop 發出呼叫工具(tools/call)的 request:

{
    "method": "tools/call",
    "params": {
        "name": "fetch_buffett_indicator",
        "arguments": {}
    },
    "jsonrpc": "2.0",
    "id": 36
}

而 MCP Server 則在收到 request 後則回應工具的執行結果：

{
    "jsonrpc": "2.0",
    "id": 36,
    "result": {
        "content": [
            {
                "type": "text",
                "text": "{\"DateTime\": \"2025-02-28 00:00:00\", \"Wilshire 5000 to GDP Ratio\": 200.28659408370495}"
            }
        ],
        "isError": false
    }
}

通知工具列表更新的 request 如下，如果 MCP Client 收到此 notification 就可以向 MCP Server 要求新的工具列表：

{
  "method": "notifications/tools/list_changed",
  "jsonrpc": "2.0"
}

詳細完整的 method 列表可以參閱 MCP specification。

聊完傳輸格式後，再談談 MCP 的傳輸方式。

目前 MCP 實作 2 種傳輸方式：

Standard Input/Output (stdio)
Server-Sent Events (SSE)

Standard Input/Output (stdio)

The stdio transport enables communication through standard input and output streams. This is particularly useful for local integrations and command-line tools.

stdio 使用標準輸入與輸出作為溝通手段，相當適合內建的命令列工具(command-line tools)，適合與本機環境進行整合的應用情境。

如果不理解 stdio 運作原理的話，它的 MCP Server 原理類似以下的 shell script:

mcp_server.sh

#!/bin/bash

# Read JSON-RPC requests from standard input
while read -r request; do
  # Use jq to parse the method and id from the request
  method=$(echo "$request" | jq -r '.method')
  id=$(echo "$request" | jq -r '.id')

  # Initialize the response variable
  response=""

  # Generate a response based on the method field
  if [ "$method" == "ping" ]; then
    # If the method is ping, respond with pong
    response=$(jq -n --argjson id "$id" '{"jsonrpc": "2.0", "result": "pong", "id": $id}')
  else
    # If the method is not found, return an error
    response=$(jq -n --argjson id "$id" '{"jsonrpc": "2.0", "error": {"code": 404, "message": "Method not found"}, "id": $id}')
  fi

  # Print the response
  echo "$response"
done

而 MCP Client 則是透過標準輸入將 request 送至 MCP Server，舉下列指令為例：

$ echo '{"jsonrpc": "2.0", "method": "ping", "id": 1}' | ./mcp_server.sh
{
  "jsonrpc": "2.0",
  "result": "pong",
  "id": 1
}

Server-Sent Events (SSE)

SSE transport enables server-to-client streaming with HTTP POST requests for client-to-server communication.

Server-Sent Events 傳輸方式雖然是僅能單向由 Sever 向 Client 傳輸，不過 MCP 的 SSE 額外提供 HTTP 的 POST 方法允許 MCP Client 向 MCP Server 進行通訊，實現 Client 與 Sever 雙向溝通的功能。

SSE 傳輸方式特別適合需要串流傳輸的情境，或者 MCP Server 必須在受控環境中運行的情況，例如企業內部開發的 MCP Server。

將前述章節中的巴菲特指數的 MCP Server 改成以 SSE 傳輸模式的 Python 程式碼如下：

import requests
from fastmcp import FastMCP

# Create an MCP server
mcp = FastMCP("Demo", port=8001)

@mcp.tool()
def fetch_buffett_indicator():
    url = 'https://buffettindicator.net/wp-content/themes/flashmag/data/csvjson.json'
    r = requests.get(url, headers={'User-Agent': 'Mozilla/5.0'})
    if r.status_code == 200:
        return r.json()[-1]
    return 'Unavailable'

if __name__ == "__main__":
    # Initialize and run the server
    mcp.run(transport='sse')

接著，我們執行以下指令啟動使用 SSE 傳輸模式的 MCP Server:

$ uv run sse_mcp_server

再來，我們必須安裝 mcp-remote 作為本機與 SSE server 之間的橋接：

$ npm i mcp-remote

並修改 Claude Desktop 的 MCP 設定檔：

{
  "mcpServers": {
    "my-sse-mcp-server": {
      "command": "npx",
      "args": [
        "mcp-remote",
        "http://localhost:8001/sse"
      ]
    }
  }
}

最後，重新啟動 Claude Desktop，就可以使用 SSE 傳輸模式的 MCP server 囉！

從這個範例可以注意到一件事——實際上目前 SSE MCP Server 需要透過一個中間人作為橋接才能運作（未來應該會變得更加方便）：

以上就是目前 MCP 中兩種 transport 的範例與解說，但如果你的應用(application)想使用其他傳輸方式，其實 MCP 也提供客製傳輸方式的彈性，原則上就是遵守 JSON-RPC 2.0 與其規格中的各種功能實作即可，只是如此一來 MCP client 與 MCP server 就無法享有跨平台的好處了，畢竟目前支援使用 stdio 與 SSE 傳輸模式的 MCP Client 與 MCP Server 佔了大宗。

p.s. MCP 2025-03-26 規格書中已經將 SSE 改為 Streamable HTTP，將 SSE 視為 optional，取而代之的是 MCP Server 必須提供 1 個 endpoint 支援使用 GET 與 POST 方法作為傳輸方式。

以上是目前 MCP 中兩種傳輸方式的範例與解說。如果你的應用程式(Application)想使用其他傳輸方式，MCP 其實也提供了客製化傳輸方式的彈性。原則上，只需遵循 JSON-RPC 2.0 及其規格即可，只是如此一來 MCP client 與 MCP server 就無法享有跨平台的好處了，畢竟目前只支援使用 stdio 傳輸模式的 MCP Client 與 MCP Server 佔了大宗。

Client 與 Server 功能解說

談完 MCP 的各種角色與傳輸方式之後，最後談談 MCP 規格中目前設計的幾種功能，它們可以粗略分為 MCP Client 與 MCP Sever 所提供的功能。

目前 Client 與 Server 所提供的功能分別如下：

Server
- Tools
- Resources
- Prompts
Client
- Roots
- Sampling

這些對應的都是 MCP Inspector 上的各個分頁的名稱。

Tools

Enable LLMs to perform actions through your server

先從我們比較熟悉的 Tools 談起。

Tools 提供 LLM 能夠透過 MCP 執行特定行為或工具，例如透過 MCP 呼叫 API 取得即時天氣資訊、取得即時新聞等等。

p.s. 目前很多 MCP Server 都是提供工具

本文一開始所製作的巴菲特指數工具也是 1 個 Tool。

p.s. 使用工具的功能，相當類似 OpenAI 的 Function calling，但是 MCP 是開源的協定，並且受到相當多開發者的支持。

至於 MCP client 是如何知道 MCP Server 提供哪些工具的呢？

MCP Client 會發出以下 request 向 MCP Server 詢問：

{
    "method": "tools/list",
    "params": {},
    "jsonrpc": "2.0",
    "id": 4
}

而 MCP Server 在收到上述 request 時，就會回應它提供哪些工具：

{
    "jsonrpc": "2.0",
    "id": 4,
    "result": {
        "tools": [
            {
                "name": "fetch_buffett_indicator",
                "description": "...",
                "inputSchema": {
                    "properties": {},
                    "title": "fetch_buffett_indicatorArguments",
                    "type": "object"
                }
            }
        ]
    }
}

接下來會提到的 Resources 與 Prompts，也是類似作法，之後就不再贅述！詳情可以閱讀 MCP Specification。

Resources

Expose data and content from your servers to LLMs

Resource 是讓 LLM 能夠從 MCP Sever 讀取資料的功能，雖然我們也可以用 Tools 做到類似的事，但 Resources 設計上更加貼近需求，例如它在設計上提供能夠指定存取的 URI、名稱以及檔案類型等等。

當 LLM 需要讀取資料時，它會讓 MCP Client 送出以下格式 request 到 MCP server:

{
  uri: string;           // Unique identifier for the resource
  name: string;          // Human-readable name
  description?: string;  // Optional description
  mimeType?: string;     // Optional MIME type
}

上述格式中的 uri 是以下格式的字串：

[protocol]://[host]/[path]

下列 URI 列表都是可能的範例：

file:///home/user/documents/report.pdf
postgres://database/customers/schema
screen://localhost/display1

所以 Resources 並不僅僅侷限於檔案，資料庫或是各式各樣的應用也都可以。

MCP server 還可以自訂 URI 格式，例如 myapollo://index 也沒問題，只要 MCP server 能夠認得與處理就行。

MCP Server 收到 Resources 的 request 之後，就可以驗證 request 的內容後，回應相關資料給 MCP Client 進而讓 LLM 生成回應，例如：

{
    "jsonrpc": "2.0",
    "id": 4,
    "result": {
        "contents": [
            {
                "uri": "file:///Users/username/Desktop/db_schema.txt",
                "mimeType": "text/plain",
                "text": "my db schema:\n\nuser_id: string, primary key\nname: string\n"
            }
        ]
    }
}

一個簡單的讀取單一 Resource 的 MCP Server 範例如下：

from mcp.server.fastmcp import FastMCP
from pathlib import Path

# Create an MCP server
mcp = FastMCP("Demo")


@mcp.resource("file:///Users/<username>/Desktop/db_schema.txt")
def get_db_schema() -> str:
    return Path(f'/Users/<username>/Desktop/db_schema.txt').read_text()


if __name__ == "__main__":
    # Initialize and run the server
    mcp.run(transport='stdio')

不過 MCP Server 只能明確指明 1 個 Resource 的話，顯然不夠具備彈性，所以 MCP 也規範 resource templates 提供更有彈性的讀取方式，例如：

from mcp.server.fastmcp import FastMCP
from pathlib import Path

# Create an MCP server
mcp = FastMCP("Demo")


@mcp.resource("file:///Users/<username>/Desktop/{filename}")
def get_file() -> str:
    return Path(f'/Users/<username>/Desktop/{os.path.basename(filename)}').read_text()


if __name__ == "__main__":
    # Initialize and run the server
    mcp.run(transport='stdio')

不過目前 Claude Desktop 並不支援 Resource Templates（應是出於資訊安全考量），該功能僅能在 MCP Inspector 中使用：

Prompts

Create reusable prompt templates and workflows

MCP 的 Prompts 讓我們能夠提供可重複利用 prompt 樣版或者定義某些工作流程，讓我們能夠更有效率地與 LLM 互動。

舉個例子來說會更明確，我們經常在 Slack 上輸入的 /指令，就是 Prompts 想達成的功能之一，我們可以透過 1 個 Prompt 樣版(template)，讓 LLM 能夠更輕鬆、方便地使用，例如以下訂正英文句子的 MCP prompts:

import mcp.types as types
from mcp.server.fastmcp import FastMCP

# Initialize FastMCP server
mcp = FastMCP('mcp-dojo')

@mcp.prompt()
def correct_sentences(sentences: str) -> str:
    return f"Correct the following sentences for grammar:\n\n{sentences}"

if __name__ == "__main__":
    # Initialize and run the server
    mcp.run(transport='stdio')

行文至此，我們已經談完 MCP Server 所提供的功能了。

接下來，聊聊 MCP Client 的 Roots 與 Sampling 功能，這兩個功能也是目前多數 MCP Client 不支援的功能（詳見 https://modelcontextprotocol.io/clients。

Roots

Roots are a concept in MCP that define the boundaries where servers can operate. They provide a way for clients to inform servers about relevant resources and their locations.

A root is a URI that a client suggests a server should focus on.

簡單來說，Roots 提供了一種方法，讓 MCP Client 可以告訴 MCP Server 應該去哪裡操作或尋找相關資源。

相較於之前單純由 MCP 自訂 Resources 的路徑或範圍，Roots 賦予 MCP Client 明確指定路徑或範圍的能力，這使得 MCP Server 能夠更精確地獲取資料。因此，roots 功能特別適合用於與檔案系統相關的 MCP 應用。

MCP client 如果有支援 roots 功能的話，會在建立連線的階段使用 initialize requests 告訴 MCP server 它有支援 roots:

例如底下的 capabilities 裡的 roots:

{
  "jsonrpc": "2.0",
  "id": 1,
  "method": "initialize",
  "params": {
    "protocolVersion": "2024-11-05",
    "capabilities": {
      "roots": {
        "listChanged": true
      },
      "sampling": {}
    },
    "clientInfo": {
      "name": "ExampleClient",
      "version": "1.0.0"
    }
  }
}

接著 MCP server 會發出 roots/list request 向 MCP clients 詢問 roots:

{
  "jsonrpc": "2.0",
  "id": 1,
  "method": "roots/list"
}

MCP client 就可以回應它的 roots 給 MCP server，例如：

{
  "jsonrpc": "2.0",
  "id": 1,
  "result": {
    "roots": [
      {
        "uri": "file:///home/user/projects/myproject",
        "name": "My Project"
      }
    ]
  }
}

有興趣的話，詳見 Roots 規格。

雖然 roots 功能可以讓 MCP Server 更精確地知道應該去哪裡尋找資料，但仔細思考的話，其實這個功能只能防君子，不能防小人。如果有心要作惡的話，MCP Server 可以完全忽略這個限制，畢竟只要 MCP Server 在本機環境中執行成功，它就具備存取本機資料的能力，可以完全不講求武德，這也是個人認為要慎選 MCP Server 的原因。

Sampling

Let your servers request completions from LLMs

Sampling 功能則讓 MCP Server 可以要求 LLM 幫忙補全(completion)內容，而在傳送要求給 LLM 之前 MCP Client 可以率先進行審核(review)，MCP Client 甚至可以將 prompt 交給使用者進行審核或編輯，然後再發送給 LLM 生成內容。最後，MCP Client 還可以審核或拒絕 LLM 已生成的內容，然後再將其送回 MCP Server 進行處理或儲存。

Server sends a sampling/createMessage request to the client
Client reviews the request and can modify it
Client samples from an LLM
Client reviews the completion
Client returns the result to the server

This human-in-the-loop design ensures users maintain control over what the LLM sees and generates.

Sampling 功能是一種 human-in-the-loop 的流程，可以確保使用者控制 LLM 應用能夠收到與生成的內容。

雖然這項功能很大程度上可以保障使用者的資料隱私，不過它的方便性、易用性也是最低的，目前僅有極少數 MCP Client 支援，所以我們也不必特別考究這項功能，想必日後還會針對這些短板有更好的改善。

總結

目前坊間關於 MCP 的介紹多流於形式，實際上 MCP 能做到什麼、不能做到什麼，還是得端看 MCP Client 與 MCP Server 的支援程度，畢竟 MCP 終究只是個協定，其實際應用仍需依賴各實作的功能與相容性。只有透過深入理解該協定，才能真正掌握 MCP 在特定情境下的功用與限制。

以上！Happy Coding!

MCP 資源

modelcontextprotocol/servers: Model Context Protocol Servers

punkpeye/awesome-mcp-servers: A collection of MCP servers.

References

Model Context Protocol (MCP)

Get started with the Model Context Protocol (MCP)

[繁中] 2025 Building Agents with Model Context Protocol - Full Workshop with Mahesh Murag of Anthropic

Build a Remote MCP server

MCP Clients : Stdio vs SSE

覺得我們的內容實用嗎？ MyApollo 電子報讀者募集中！歡迎訂閱電子報!

mcp model context protocol

從開發者角度理解 Model Context Protocol (MCP)

本文環境

MCP(Model Context Protocol) 工具初體驗

即時取得巴菲特指數(Buffett Indicator)

MCP(Model Context Protocol) 初體驗 — 手作 MCP Server 取得更新的巴菲特指數

用 Fastmcp 高速實作 MCP Server

將 MCP Server 加到 Claude Desktop 設定

將 MCP Server 加到 Cline 設定

番外篇 - 如何開啟 MCP Server 除錯模式？

深入瞭解 Model Context Protocol (MCP) 核心概念

Core Architecture

Transports

Standard Input/Output (stdio)

Server-Sent Events (SSE)

Client 與 Server 功能解說

Tools

Resources

Prompts

Roots

Sampling

總結

MCP 資源

References

對抗久坐職業傷害

贊助我們的創作

從開發者角度理解 Model Context Protocol (MCP)

本文環境 #

MCP(Model Context Protocol) 工具初體驗 #

即時取得巴菲特指數(Buffett Indicator) #

MCP(Model Context Protocol) 初體驗 — 手作 MCP Server 取得更新的巴菲特指數 #

用 Fastmcp 高速實作 MCP Server #

將 MCP Server 加到 Claude Desktop 設定 #

將 MCP Server 加到 Cline 設定 #

番外篇 - 如何開啟 MCP Server 除錯模式？ #

深入瞭解 Model Context Protocol (MCP) 核心概念 #

Core Architecture #

Transports #

Standard Input/Output (stdio) #

Server-Sent Events (SSE) #

Client 與 Server 功能解說 #

Tools #

Resources #

Prompts #

Roots #

Sampling #

總結 #

MCP 資源 #

References #

對抗久坐職業傷害

贊助我們的創作

本文環境

MCP(Model Context Protocol) 工具初體驗

即時取得巴菲特指數(Buffett Indicator)

MCP(Model Context Protocol) 初體驗 — 手作 MCP Server 取得更新的巴菲特指數

用 Fastmcp 高速實作 MCP Server

將 MCP Server 加到 Claude Desktop 設定

將 MCP Server 加到 Cline 設定

番外篇 - 如何開啟 MCP Server 除錯模式？

深入瞭解 Model Context Protocol (MCP) 核心概念

Core Architecture

Transports

Standard Input/Output (stdio)

Server-Sent Events (SSE)

Client 與 Server 功能解說

Tools

Resources

Prompts

Roots

Sampling

總結

MCP 資源

References