AI 帶來的意義便是解放人類勞動力，提升大多數工作能力的下限，然而目前 LLM 侷限性仍大，必須來回對話才能給出建議，且必須用戶根據建議親自執行，距離真正利用 AI 幫我們工作還有一段落差。
而現在如果可以透過與 AI 對話，實際利用你的電腦進行郵件回覆、報表撰寫等功能，甚至還可以幫你自動化炒幣，是不是越來越接近解放生產力的願景？而這項技術就是目前在 AI 領域的當紅關鍵字 - MCP
MCP 是什麼？
MCP（Model Context Protocol）是由 Anthropic 公司在 2024 年 11 月發佈的一套「標準化協定」，用來解決過去 AI 模型只能「說」卻無法「做」的問題。
首先先將 MCP 命名拆解
Model：模型，指的就是各種 AI 大型語言模型（例如 GPT、Claude、Gemini 等）
Context：脈絡，代表給模型的額外資料或者外部工具
Protocol：協議，通用、標準化的「規範」或者「接口」
合在一起就是：透過統一規範，讓 AI 不只會「說」，還能直接操控外部工具完成各種任務。
一般我們最常使用的 LLM，像是 ChatGPT、Grok 等等，只能根據對話內容進行「文字輸入、文字輸出」。如果我們要讓 AI 幫忙實際執行操作，例如去電腦資料夾讀檔案、發 Email、查資料庫等，通常先是下指令給 LLM，用戶再經由 LLM 的回應自己動手操作，最後再把結果回報給 AI，AI 再給我們文字建議，我們繼續操作，如此往復循環。
MCP 的出現，讓 AI 不但能讀取電腦本地的檔案、連線到某個遠端資料庫，甚至能直接操作特定的網路服務。也就是說，AI 不再僅僅只是輸出文字，而是能替你完成很多重複性或流程性的工作。
運作方式簡述
MCP Host（管理員）：負責管理、協調整個 MCP 的運作。例如 Claude Desktop 就是一種 Host，能協助 AI 存取你本地端的資料或工具。
MCP Client（用戶端）：接收使用者的需求，並與 LLM（AI 模型）進行溝通。常見例子包括各種整合了 MCP 的聊天介面或 IDE（如 Goose、Cursor、Claude Chatbot）。
MCP Server（伺服器）：可以視作是一組「已經整理好、帶有註解」的 API 集合，提供 AI 可以使用的功能。例如讀取資料庫、發送郵件、管理檔案、呼叫外部服務等。
有了 MCP，AI 不只能理解人類語言，還能把特定的文字直接翻譯成動作指令，進而完成自動化操作。例如，幫你整理銷售報表、發郵件給客戶，甚至透過指令直接在 Blender 上進行 3D 建模。
參考：https://www.youtube.com/watch?v=FDRb03XPiRo&t=4s
MCP 的重要性為何？
打通 AI 與外部工具的橋樑
LLM 的侷限性在於當中的資料都經過預訓練，並非實時更新，意思是 LLM 的資料僅限於它訓練時所看到的資訊，因此訓練之後產生的新資訊，模型是不知道的。
假設 LLM 為今年 2 月訓練，那麼今年 2 月之後的資料則是完全沒有的。
目前主流的方法是使用 RAG (Retrieval-Augmented Generation)，這是一種把「檢索系統」與「生成模型」結合的方式。這種架構能在 LLM 推理前，先檢索最新的資料，並將檢索結果作為上下文提供給模型。具體來說：
資料檢索 (Retrieval)：在 LLM 回答問題前，先使用一個檢索工具（例如網路搜索、內部資料庫查詢等），尋找符合當下問題的最新資料。
生成 (Generation)：檢索到的資料會作為輔助資料（Context）傳遞給 LLM，幫助它生成更精準、即時的回答。
像AI 在回覆問題前，先透過 Bing 或 Google 搜尋最新的資訊，再將檢索結果整合進回應，就是使用 RAG 的方式。
MCP 跟 RAG 最大的不同是：
RAG 是用較為靜態的資料輔助 LLM 的回答，而MCP 則能讓 AI 真正「動手去做」，例如查資料庫、調用 API，或什至修改檔案內容。
標準化 & 通用性：像 USB-C 一樣的存在：不同廠商可以各自開發符合 MCP 規範的功能，就像所有裝置都能使用同一種 USB-C 傳輸線一樣。如果沒有 MCP，每個開發者都得自行定義該怎麼讓 AI 呼叫特定 API。這意味著相同的工作會被不同人重複開發。 MCP 統一後，大家只要實作同一套規範就能立即整合，避免重複造輪子的現象出現。
從被動回應到主動執行：傳統 AI 工具只會回答問題，不能真正動手。有了 MCP，AI 可以根據當下情況決定要執行什麼指令，並透過讀取回傳結果，再進行下一步的動作。這種看情況不斷修正的能力，大幅增強 AI 的實用性。
安全性與控管：MCP 並不會強迫把所有資料都傳到 AI 模型，能透過權限、API 金鑰管理等方式控管資料存取，確保機密資訊不會外流。
MCP 跟 AI Agent 相比，差異為何？
什麼是 AI Agent？
去年 Q3 由 GOAT 領頭帶起了 AI Agent 風潮，大多數加密用戶是透過 Web 3 視角瞭解 AI Agent，AI Agent 通常指的是能「自動化」處理特定任務的 AI 系統，它不只跟人對話，還能根據上下文主動採取行動、呼叫工具或 API，去完成一系列的步驟。像是最常見的能夠在推特上自主發文，也屬於 AI Agent 的範疇。
AI Agent 的限制
缺乏標準化：每個人都可以造一個 Agent，可是如果沒有統一的規範，就會出現「這個 Agent 只會用 A 廠商的模型」、「那個 Agent 只會打 B 系統的 API」的問題。
容易各自為政：AI Agent 雖然能跑腿，但開發者往往需要自訂大量 API 的格式和規則，不同 Agent 之間缺乏共用的生態系，導致整合困難。
MCP 與 AI Agent 的關係：MCP 是一種協議，AI Agent 是一種概念或執行方法
AI Agent 強調AI 具備主動行動、執行工具的能力
MCP 則專注於如何讓不同 AI 模型與外部工具溝通，扮演通用標準的角色。
MCP 幫助 AI Agent 更有效運作
沒有 MCP，AI Agent 可能要對不同工具、不同平臺都各寫一套 API 規則，開發維護都很麻煩。
有了 MCP，AI Agent 只要照著 MCP 規範，從「Server 列表」中取得可用工具，然後動態決定要用哪一個工具完成任務，對外部資源的存取也更安全、方便。
功能範圍不同
AI Agent：著重於決策、邏輯，根據需求判斷要怎麼做、要執行哪些步驟。
MCP：專門解決工具介接、標準格式，怎麼把外部服務、資料庫、檔案系統以統一的方式提供給 AI
兩者結合：AI Agent + MCP ＝ 讓 AI 既懂得怎麼行動，也能去哪裡行動。
當前幣圈有哪些 MCP 概念項目？
基礎MCP
Base 官方開發的框架，在 3 月 14 日推出，讓 AI 應用能與 Base 區塊鏈互動，用戶只要透過自然語言的對話，無需開發能力，便可以做到將合約部署到區塊鏈上以及使用 Morpho 進行借貸等功能。
BORK 是第一個使用 Base MCP 部屬的代幣， 於 3 月 14 日發行，市值最高到達 460 萬美元，但當前已回落至 11 萬美元，且 24 小時交易量僅有 9 萬美元，可以判斷該幣壽命已經結束。
Flock 是一個去中心化的 AI 訓練平臺，他指出當前 MCP 仍然在外部 AI 模型上運行，為中心化 LLM 處理，Flock 提供 Web3 代理模型，AI 驅動的區塊鏈任務可以在本地運行，從而為使用者提供更多控制權。
天琴座
LYRAOS 全名是 LYRA MCP-OS，也是多 AI Aigent 操作系統，允許 AI Agent 可以直接與 Solana 區塊鏈互動，執行如買賣加密貨幣等操作。
當前他們正在探索如何使用 MCP-OS 建立數千個 "AI16ZDAOs"，即 AI 驅動的去中心化自治組織，用於加密貨幣投資，LYRAIOS 計劃在 2025 年 3 月 21 日至 22 日之間釋出 DEMO，並在下週推出正式產品。
當前代幣市值 92.3 萬，最高 264 萬，24 小時交易量 300 萬，持幣地址數 2,922
結語：AI 敘事再次起舞，還需時間觀察
儘管 MCP 提供了一條標準化規則，讓 AI 能更容易且安全地與外部工具互動，且在 Web 3 領域看似大有可為，但成功案例相對有限，背後原因或許包含以下幾點：
技術整合尚未成熟：Web 3 生態中，每條鏈、每個 DApp 的合約邏輯和資料結構都有差異，想將它們統一封裝成可被 AI 呼叫的 MCP Server 仍需投入大量開發資源。
安全與監管風險：讓 AI 直接操縱合約、處理資金交易，需要設計完善的私鑰管理與權限控管機制，難度與成本都高。
用戶習慣與體驗：多數人對於讓 AI 管理錢包或做投資決策仍存疑，區塊鏈本身的操作門檻也高。如果體驗過於複雜或缺乏明確的應用場景，新手很難長期使用或投入。
審美疲勞與市場冷感：此前 AI Agent 在幣圈掀起風潮，許多未落地的專案在巔峰時期的估值破億是家常便飯，而近期正面臨戳破 AI 泡泡的階段，大多數項目下跌超過 90%，視為對 AI 的怯魅。
回到 MCP 敘事，可以理解為超級加強版的 AI Agent，此前市場已經經歷過加密 AI 狂潮，也逐漸明白何為概念炒作與實際應用，若缺乏真正具有創新與實用價值的應用，投資者與使用者也不會輕易買單。像 BORK 這樣的先行 MCP 專案，因為沒有明顯的差異化或應用落地，最終並未炒起熱度，這也是筆者認未現行 MCP 概念尚未風行最重要的關鍵因素。
MCP 與區塊鏈的結合擁有潛力，但同時面臨技術門檻與市場壓力的雙重挑戰。未來若能整合更成熟的安全機制、打造更直覺的使用者體驗，併發掘真正帶來價值的創新應用，「Web 3 + MCP」 才可能脫離「炒作話題」的宿命，成為新一輪主線敘事。
