Connect AI to Anything - Build your First MCP Server (Model Context Protocol)
三句話摘要
MCP（模型上下文協議）入門指南：如何讓 AI 連接外部平台與服務，從概念到實作。 MCP 是連接 AI 與外部系統的標準化方案，透過定義清晰的工具層讓 LLM 能安全有效地自動化複雜工作流程，相比傳統 API 更符合 AI 的使用習慣。 MCP 的核心價值：MCP 提供統一的通訊標準，讓 AI 能安全地與外部系統互動。比起傳統 API，MCP 在設計上更符合 LLM 的使用模式，例如透過「描述」（description）欄位直接為 AI 提供上下文指引，而非依賴人類開發者的註解。
重點整理
重點- 1
MCP 的核心價值：MCP 提供統一的通訊標準，讓 AI 能安全地與外部系統互動。比起傳統 API，MCP 在設計上更符合 LLM 的使用模式，例如透過「描述」（description）欄位直接為 AI 提供上下文指引，而非依賴人類開發者的註解。
- 2
三層架構：伺服器（提供工具與能力）、客戶端（消費者，如 Claude 中的個別連接）、主機（駕馭整個系統的 AI 應用）。通訊方式分為本機（標準輸入輸出）與網路（HTTP）兩種。
- 3
工具是關鍵：工具（tools）如同 API 端點，是 MCP 中最實用的部分。每個工具需提供名稱、描述、輸入輸出結構定義，讓 AI 理解如何正確使用。大多數使用案例只需透過工具層即可實現。
- 4
MCP vs 應用內 AI 功能：內建的 AI 按鈕提供更友善的用戶體驗（無需連接 LLM），但 MCP 服務適合構建完整的應用介面。若工具足夠豐富，MCP 能讓使用者完全透過 LLM 與應用互動，省去應用層的 AI 計算成本。
實用技巧與重點
乾貨- MCP 的三個核心概念
- 工具（Tools）：遠端過程呼叫（RPC）端點，AI 可調用執行操作
- 資源（Resources）：讀取伺服器資料的方式（可用唯讀工具代替）
- 提示（Prompts）：預先包裝的訊息，引導 AI 與伺服器互動
- 通訊格式
- JSON-RPC 2.0 標準
- 請求結構：`jsonrpc`, `version`, `id`, `method`, `params`
- 例如：`tools/list` 列舉可用工具，`tools/call` 調用特定工具
- 實作技術棧
- 框架：Node.js + Express
- MCP SDK：`@modelcontextprotocol/sdk`
- 類型系統：TypeScript + Zod（結構驗證）
- 運行方式：標準輸入輸出（本機）或 HTTP（網路）
- 連接方式
- Claude Code 終端指令：`clod mcp add <名稱> --node <伺服器路徑>`
- Claude 內建 `/mcp` 指令查看及管理連接
- 講者實際應用案例
- 複雜資料遷移場景：導入數百部影片、數十萬字筆記、數千筆交易、數萬聯絡人
- 跨平台整合：Notion、Kit、Kajabi
- 流程：AI 先規劃工作 → 執行 → 獨立驗證代理審核 → 衝突解決（人工確認）
- 結果：省去數百小時手動作業
結論
結論“MCP 是連接 AI 與外部系統的標準化方案，透過定義清晰的工具層讓 LLM 能安全有效地自動化複雜工作流程，相比傳統 API 更符合 AI 的使用習慣。”
完整解析
詳細MCP（Model Context Protocol）是由 Anthropic 設計的通訊標準，目的是讓 AI 能安全有效地與外部系統互動。與傳統 API 相比，MCP 在設計上更貼合 LLM 的使用特性 —— 例如提供「描述」欄位直接為模型提供上下文，而不是依賴人類開發者撰寫的代碼註解。
MCP 的架構包含三個角色：伺服器（提供工具與能力的來源）、客戶端（消費者連接，如 Claude 中的個別 MCP 連接）、主機（驅動整個系統的 AI 應用）。通訊方式可透過標準輸入輸出（適合本機應用）或 HTTP（適合網路服務）。整個協議採用 JSON-RPC 2.0 標準，客戶端透過 `tools/list` 查詢可用工具，再透過 `tools/call` 調用特定工具。
實踐上，工具（tools）是 MCP 中最常用且最有價值的部分，約佔 90% 的使用場景。每個工具都是一個遠端過程呼叫端點，包含名稱、描述、輸入輸出結構定義。講者強調描述欄位的重要性 —— 這是寫給 LLM 的上下文，讓模型理解何時使用該工具、預期什麼輸入格式。MCP 還提供資源（resources，用於讀取資料）和提示（prompts，預先包裝的引導訊息），但大多數場景只需工具層即足夠。
在實作上，講者示範了如何用 Node.js、Express、TypeScript 建立簡單的 MCP 伺服器。步驟包括：安裝 MCP SDK 與相關依賴、定義資料結構（如優惠券清單）、透過 `server.register_tool()` 註冊工具、使用 Zod 驗證輸入結構、透過 Claude Code 的 `clod mcp add` 指令連接伺服器。一旦連接成功，使用者可在 Claude 中透過 `/mcp` 指令查看工具列表並直接調用。
講者分享了一個實戰案例 —— 跨平台資料遷移。他需要從 Notion、Kit、Kajabi 等多個平台導入數百部影片、數十萬字筆記、數千筆交易、數萬聯絡人到自建平台。透過 MCP 與 LLM 的結合，他讓 AI 先規劃工作流程、執行導入、由獨立驗證代理審核、處理潛在衝突（人工確認解決策略），整個流程省去了數百小時的手動作業。這個例子展示了 MCP 在複雜自動化場景中的真實價值 —— 尤其是當工作涉及多個系統、規則不完全一致、需要人工判斷時。
關鍵時刻
Pipeline v2帶時間戳的重點，會在逐字稿層級分析上線後產生。目前請先透過原始影片觀看。
事實查核
Pipeline v2說法查證是下一次管線升級的一部分。KeyFrame 只會顯示它真正能驗證的內容。
