# Remote MCP 服務概述 > 本文件旨在協助已對模型情境協定 (MCP) 有基礎概念的讀者，深入探討 **Remote MCP 雲端服務**。 ## 1. 為何選擇 Remote MCP 服務？ 相較於傳統自行架設工具整合服務，Remote MCP 服務提供了顯著的優勢： | 考量面向 | 傳統自行架設方案 | Remote MCP 雲端服務 | | ---------- | ----------------------------- | -------------------------------------------- | | **基礎設施** | 需自行部署、維護及擴展後端服務 | 由雲端供應商專業託管，保障高可用性、自動擴展及安全合規。 | | **身份驗證** | 身份驗證與授權流程 (如 OAuth) 需自行開發與維護。 | 供應商通常提供 **託管式驗證 (Managed Auth)** 及安全的憑證儲存服務。 | | **工具生態** | 可用工具集較為受限，擴充新工具需自行開發整合。 | 通常已整合上百至數千種現成的工具與 Actions，大幅加速開發進程。 | | **維護與相容性** | 需自行處理工具版本升級、API 相容性等問題。 | 平台方持續更新並維護相容性，客戶端應用通常無需修改程式碼即可受益。 | 常見應用場景： * **個人任務助理**：直接呼叫 GitHub、Slack、Linear 等開發者常用服務，實現程式碼生成、問題追蹤、自動合併請求 (Pull Request) 等功能。 * **智慧客服與工單系統整合**：AI 客服透過 Remote MCP 即時查詢客戶資料、在 Zendesk 或 Salesforce Service Cloud 等系統中建立或更新工單、甚至執行退款等客戶服務操作。 * **自動化行銷活動執行**：行銷人員可透過自然語言指示 AI，使其經由 Remote MCP 操作 HubSpot 等行銷自動化平台，例如：新增潛在客戶名單、發送個性化行銷郵件、或動態調整廣告投放策略。 * **Google Workspace 自動化**：AI 助理透過 Remote MCP 讀取/撰寫 Gmail 郵件、管理 Google Calendar 日程、在 Google Drive 中搜尋/管理文件、或在 Google Sheets 中讀取/更新數據，實現個人或團隊的辦公自動化。 *** ## 2. Remote MCP 服務的典型架構 {% @mermaid/diagram content="flowchart TD Agent\["LLM / AI 助理"] Server\["Remote MCP 伺服器 (雲端託管)"] SDK\["客戶端 SDK"] Vault\["憑證保險庫 (Credentials Vault)"] Runner\["工具執行器 (Tool Runner) & 連接器 (Connectors)"] ``` Agent -- "WebSocket / SSE (串流會話)" --- Server Agent -. "JSON Tool Schema & 驗證資訊" .- Server SDK -- "HTTPS (安全請求)" --> Vault Vault -- "gRPC / 安全通道" --> Runner Server --> Vault Server --> Runner" %} ``` ### 2.1 客戶端 / AI 助理 SDK (Client / Agent SDK) * 提供標準化介面，讓 LLM 或 AI 助理能透過 API (例如 `GET /tools`) 動態獲取可用的工具清單及其功能定義 (Schema)。 * 通常會封裝請求重試機制、超時控制、以及基於 JSON Schema 的輸入輸出驗證等通用邏輯，以簡化應用層的開發複雜度並提升穩健性。 ### 2.2 串流會話層 (Streaming Session Layer) * 多採用 **伺服器推送事件 (Server-Sent Events, SSE)** 或 **WebSocket** 技術建立持久的串流會話： * **雙向串流 (Bidirectional streams)**：允許 AI 助理在單次對話生命週期中，進行多次、連續的工具呼叫 (Tool Calling)，實現更自然的互動體驗。 * 此架構對無伺服器運算 (Serverless, 例如 AWS Lambda, Google Cloud Functions) 環境友善，易於實現服務的水平擴展。 ### 2.3 驗證與憑證保險庫 (Auth & Credentials Vault) * 使用者通常僅需在受信任的環境 (如瀏覽器) 中完成一次 OAuth 2.0 授權流程，其更新權杖 (Refresh Token) 便會經過加密後，安全地儲存於憑證保險庫中。 * 憑證保險庫會為每次會話或請求產生具備嚴格時效性的 **會話權杖 (Session Token)** 或 **已簽署的 JWT (Signed JWT)**，供工具執行器在限定時間內代表使用者存取外部服務。 ### 2.4 工具註冊表與 Schema 儲存庫 (Tool Registry & Schema Store) * 採用 **OpenAPI 規格或 JSON Schema** 等標準格式，來精確描述每個工具 (Action) 的預期輸入參數、資料結構與輸出結果格式。 * 支援工具定義的 **版本控管** (例如 `v1.2.0`, `v2-beta`)，確保在工具功能迭代時，仍能對舊版本客戶端保持向下相容性。 * 部分先進平台更提供 **針對 AI 優化的 Schema** (例如：自動移除對 LLM 而言非必要的選填欄位、提供更豐富的上下文範例)，以提升 LLM 理解工具功能與使用方式的效率。 ### 2.5 執行協調器 (Execution Orchestrator) * 作為核心的調度中心，執行協調器負責根據工具的 Schema 解析傳入的參數，並智能路由請求至對應的 **連接器 (Connector)** 或 **執行器 (Runner)**。 * 通常整合 **斷路器 (Circuit-Breaker)** 設計模式：當偵測到外部 API 連線異常或超時，能自動執行指數退避 (Exponential Backoff) 重試策略，或快速失敗並回傳明確的錯誤狀態 (例如 HTTP 50x)，以避免資源連鎖耗盡並提升系統韌性。 ### 2.6 可觀測性與治理 (Observability & Governance) * **分散式追蹤 (Distributed Tracing)**：每次工具呼叫都會生成唯一的追蹤 ID (Trace ID)，便於追蹤橫跨多個微服務的完整呼叫鏈路，簡化問題排查與性能分析。 * **配額與速率限制 (Quota & Rate-Limit)**：可依據租戶、個別使用者或特定工具層級，設定精細的請求配額與頻率限制 (例如 每秒查詢次數 QPS, 每分鐘呼叫次數 RPM)，防止服務濫用。 * **審計日誌 (Audit Log)**：詳細記錄工具呼叫的關鍵資訊，如時間戳、來源、參數摘要、執行結果與狀態等，以滿足企業的合規性要求與安全審查需求。 ### 2.7 多租戶隔離 (Multi-Tenant Isolation) * 目標 SaaS 服務的存取權杖 (Access Token) 會與特定的工作空間實體 (Workspace Entity) 或租戶標識嚴格綁定，並實施嚴謹的存取控制策略，以防止跨租戶的資料未授權存取與潛在洩漏風險。 * 部分平台支援 **客戶自備金鑰 (Bring-Your-Own-Key, BYOK)** 的加密方式，允許企業使用自行管理的加密金鑰對敏感資料進行加密，從而增強資料主權與控制權。 *** ## 3. 典型工作流程 (Sequence Diagram)

工作流程圖

1. **服務發現 (Discovery)**：AI 助理透過標準化 API 從 Remote MCP 服務請求可用的工具列表及其對應的 JSON Schema。 2. **規劃 (Planning)**：大型語言模型 (LLM) 根據當前使用者的意圖和對話上下文，分析並產生執行計畫，決定需要使用一個或多個工具 (Action)。 3. **呼叫 (Invocation)**：AI 助理的 SDK 依照選定工具的 Schema 嚴格格式化所需參數，並透過安全的 API 向 Remote MCP 服務發起工具呼叫請求。 4. **驗證與授權 (Authentication & Authorization)**：Remote MCP 伺服器首先驗證請求中攜帶的API 金鑰的有效性，然後檢查該租戶或使用者是否具備執行此特定工具的授權。 5. **執行 (Execution)**：一旦驗證與授權通過，執行協調器 (Orchestrator) 會將請求以及處理後的參數，分派給註冊的、與目標外部服務對應的連接器 (Connector)。該連接器負責實際與外部服務 (例如 Google Calendar API) 進行互動。 6. **串流回應 (Streaming Response)**：工具執行的結果，可能包含中間狀態更新或最終數據，以 JSON 片段 (chunks) 或完整物件的形式，透過 SSE 或 WebSocket 等串流技術即時回傳給 AI 助理。 7. **後續處理 (Post-Processing)**：AI 助理的 SDK 接收到回應後，會根據工具的 Schema 驗證回應資料的格式與完整性。若驗證失敗、工具執行出錯或結果不符合預期，SDK 可能會觸發自動重試機制 (若適用)，或將錯誤資訊及上下文提交給 LLM 以進行下一步的智能決策 (例如：修正輸入參數、向使用者澄清問題或嘗試其他替代工具)。 *** ## 4. Remote MCP 在 MaiAgent 的應用 MaiAgent 平台通過整合 MCP 服務，為其 AI 助理提供了強大的外部工具訪問能力，使 AI 助理能夠無縫地與多種第三方服務互動，顯著提升了工作效率和服務品質。 ### 4.1 整合功能與優勢 * **簡化工具配置流程**：MaiAgent 用戶只需提供 Remote MCP 伺服器 URL 並完成身份驗證，無需關心複雜的 API 密鑰管理、OAuth 授權流程或開發連接器代碼。 * **豐富工具生態系統**：透過 Remote MCP 提供商（如 Composio、Zapier MCP 等），MaiAgent 用戶可立即獲取數百種預先整合的工具和服務，包括： * **生產力套件**：Google Workspace、Notion、Slack * **專案管理**：Jira、Asana、Trello、Monday.com * **客戶關係管理**：Salesforce、HubSpot、Zendesk * **開發工具**：GitHub、Bitbucket、Linear * **權限精細管理**：管理員可為每個 AI 助理指定可使用的 MCP 工具集合，確保助理僅能訪問其工作所需的特定服務和功能。 ### 4.2 典型使用場景 * **行政助理**：AI 助理可直接管理日程安排（建立/修改/取消會議）、整理郵件收件匣、準備會議摘要，或更新共享文件。 * **客戶支援**：AI 助理能查詢訂單狀態、建立支援工單、更新客戶資料，甚至處理簡單的退款或訂單修改請求。 * **開發團隊協作**：AI 助理可協助創建 Issue、指派任務、更新項目狀態，或從代碼庫中檢索特定資訊。 * **資料分析與報告**：AI 助理能從各種數據源（如 Web Search、Salesforce）獲取外部數據，並生成格式化報告或視覺化圖表。 ### 4.3 MaiAgent 特有的安全與隱私保障 * **資料流管控**：MaiAgent 實施嚴格的資料流控制，確保敏感信息僅在授權的工具和助理之間傳輸。 * **活動審計**：所有工具調用都會記錄詳細的審計日誌，包括調用時間、使用者、執行的操作及結果摘要。 * **動態配置調整**：AI 助理管理員可隨時透過 MaiAgent 平台調整或撤銷 AI 助理配置的工具，變更即時生效。 *** ### 參考連結 * [Model Context Protocol Spec 0.4](https://modelcontextprotocol.io/specification/2024-11-05) * [Server‑Sent Events for Tool Calling（Blog, 2024）](https://www.honeycomb.io/blog/mcp-easy-as-1-2-3) * [Designing OAuth Vault for AI Agents（Whitepaper, 2025 Q1）](https://assets.ctfassets.net/2ntc334xpx65/6gCPuASKatuu1n1bsgaKX1/db160ef1b6a3023260129595f4bd3d41/Auth0_for_GenAI.pdf) * [CNCF Webinar《LLM × Remote Execution Patterns》](https://www.cncf.io/online-programs/cncf-on-demand-webinar-design-patterns-for-agentic-ai-infoq-webinar/)