MCP(Model Context Protocol)
Last updated
Was this helpful?
MCP,全名為 Model Context Protocol,中文為模型上下文協定。即為統一 LLM 模型與其他外部服務通訊的協定,讓 Anthropic Claude、OpenAI GPT、Google Gemini 等各種大語言模型都能透過一樣的標準化規則使用其他服務。
透過 MCP,LLM 不再只是會說話的聊天機器人,而是「實際執行任務」的智慧工作夥伴
存取資料庫
讀取檔案系統
串接雲端服務
執行程式碼
操作應用程式
MCP 的運作原理如下圖所示,分為:
使用者端 (Frontend)
使用者透過 UI 或 SDK 發出指令
AI 模型層
LLM 呼叫 MCP Client 以標準化格式與外部工具互動
協定層 (MCP)
使用 JSON-RPC 2.0 定義工具介面、Schema 驗證與串流傳輸
JSON-RPC 2.0 是一種通訊協定,要傳遞的資訊將以 JSON 格式定義「請求與回應」的結構,讓 LLM 能使用相同的語言與各種程式溝通。
MCP Servers
接收模型請求並與實際工具或資料系統互動 除了自行架設 MCP Servers 服務外,您也可以透過 Remote MCP 服務,串聯 LLM 與其他服務。
外部系統
各種真實世界的資源:資料庫、API、Git、檔案系統等

透過這樣的流程,LLM 就能夠使用統一的語言,與外部各種程式互動,幫助您完成原本需要人工動手操作的工程。
透過自然語言告知 LLM 任務內容:
幫我找出 Google Drive 中所有關於『2024 年度預算』的文件,並整理成摘要報告
LLM 將根據您的需求,自動判斷需要調用的 MCP 工具,如: search_files 工具
MCP 運作流程:

AI 實際執行動作:
🔍 搜尋包含「2024年度預算」關鍵字的文件
📄 讀取找到的 5 個文件內容
🧠 分析各文件重點
📊 生成統整摘要報告
💡 提供預算分析建議
使用者得到的結果:
LLM 可以透過 MCP 串聯多個外部服務工具,流程如下圖所示:
透過排程服務每週觸發 LLM 執行相同查詢任務內容:
LLM 將根據您的需求,自動判斷需要調用的 MCP 工具,如: search_sheet 、query_sheet 工具

AI 助理每週處理流程:
🔍 搜尋「銷售資料」試算表
📄 讀取試算表數值內容
📊 根據需求生成統整摘要報告,如:平均營收、同期比較成長幅度等
💡 自動發送彙整結果至 Slack 頻道內
理解自然語言
推理與決策
知識整合
創意生成
異常偵測
預測分析
連接各種工具
執行實際操作
跨系統整合
安全可靠
標準化通訊
由 LLM 與工具合作,讓 LLM 從「只會說」到「會做事」,成為能理解、思考、執行的全能工作夥伴。
MaiAgent MCP 提供多種網路協定支援,確保在不同應用場景下都能實現高效、穩定的通訊連接。透過靈活的協定選擇機制,系統能夠根據實際需求自動選用最適合的傳輸方式,為企業提供最佳的整合體驗。
標準 HTTP/HTTPS
雙向(請求/回應)
短連線
✅
Streamable HTTP
雙向
可長可短
✅
WebSocket (WS/WSS)
雙向串流
長連線(持久)
✅
SSE
單向串流(伺服器→客戶端)
長連線
✅
Unix Domain Socket
雙向
長連線(本地)
✅
Named Pipe
雙向
長連線(本地)
❌
Stdio
雙向
持久(程序生命週期)
❌
MaiAgent 提供直觀的圖形化介面,讓您無需撰寫程式碼即可快速整合 MCP 工具。圖形介面提供環境變數、參數欄位,您可以直接輸入您需要的參數設定,系統將會自動讀取並套用至 MCP 工具。
如何建立 MCP 工具,請參考:使用者手冊—建立 MCP 工具
有了以上 MaiAgent 提供的服務,您可以自由選擇企業內需要的協定,並快速整合進 MaiAgent 的系統,透過 MaiAgent 整體系統服務,打造您專屬的智慧 AI 助理。
Last updated
Was this helpful?
Was this helpful?
找到 5 個相關文件:
1. 【2024年度預算提案.docx】
- 總預算: NT$ 50,000,000
- 主要項目: 人事成本 60%、營運成本 25%、研發 15%
2. 【Q1預算執行報告.xlsx】
- 執行率: 92%
- 超支項目: 行銷費用 +8%
3. 【預算修正案_v2.pdf】
- 調整建議: 增加研發預算 10%
... (其他文件摘要)