MCP（Model Context Protocol）詳解：如何為你的 AI Agent 配置資料源？

一句話導讀：Agent 能寫程式，卻讀不到你的 GitHub Issue、資料庫 schema 和內部文件——問題往往不在模型，而在「資料從哪來」沒人講清楚。 本文從 MCP 協定原理講起，涵蓋架構分層、Tools / Resources / Prompts 三大能力、stdio 與 HTTP 兩種傳輸，再到 Cursor 與 Claude Code 的設定寫法與驗收清單；讀完你能獨立把常用資料源接進 Agent，而不必為每個 SaaS 單獨寫膠水程式碼。

延伸閱讀：Claude Code MCP 安裝教學 · 20 個 MCP Server 推薦 · 權限最小暴露

MCP 是什麼？它解決什麼問題？

Model Context Protocol（MCP，模型上下文協定）是 Anthropic 在 2024 年底開源的開放標準，目標很直接：讓 AI 應用（Host）能以統一、可稽核的方式連接外部世界——程式碼儲存庫、資料庫、文件站、工單系統、瀏覽器——而不必為每個資料源各寫一套自訂整合。

在 MCP 出現之前，團隊常見兩條路：

• 人工搬運上下文——把 Issue 連結、SQL 結果、API 回應複製進聊天框。準確但慢，且無法規模化。
• 自研 Function Calling——為 GitHub、Postgres、Notion 各寫一套 tool schema 與鑑權。靈活但維護成本高，換客戶端（Cursor → Claude Code）往往要重寫。

MCP 走的是第三條路：把「資料源 ↔ Agent」的介面標準化。你設定一個 GitHub MCP Server，Cursor、Claude Code、VS Code Copilot、OpenAI Codex 都能複用；社群已有上千個現成 Server，涵蓋主流 SaaS 與開發工具。

三層架構：Host、Client、Server

理解 MCP 設定，先看清三個角色如何協作：

一次典型的呼叫鏈如下：你在 Cursor 裡問「PR #42 改了哪些檔案？」→ Host 把問題交給大模型 → 模型決定呼叫 mcp__github__get_pull_request → Client 透過 stdio 或 HTTP 把請求發給 GitHub MCP Server → Server 調 GitHub API 回傳結構化 JSON → 模型基於真實資料生成回答。

注意：你設定的是 Server 的連線方式（命令、URL、環境變數），Host 會自動發現它暴露了哪些工具。不需要在 prompt 裡手寫 API 文件——Server 啟動時會透過 tools/list 把能力清單推給 Client。

三大能力原語：Tools、Resources、Prompts

MCP Server 向 Agent 暴露三類能力，對應不同的資料源接入模式：

Tools（工具）——「讓 Agent 執行動作」

最常用。每個 Tool 有名稱、描述、輸入 schema（JSON Schema），Agent 在推理過程中按需呼叫。例如 GitHub MCP 的 search_code、Playwright MCP 的 browser_click、資料庫 MCP 的 execute_query。

設定資料源時，90% 的場景都在選 Tool 型 Server：讀儲存庫、查表、發 HTTP、操作瀏覽器。

Resources（資源）——「讓 Agent 讀取靜態上下文」

Resources 是可定址的資料片段，類似「帶 URI 的唯讀檔案」。Server 宣告 file://docs/api.md 或 db://schema/users，Host 可在對話開始前或過程中拉取內容注入上下文，而無需 Agent 主動「猜」該調哪個 Tool。

適合：專案 README、OpenAPI spec、資料庫 schema 快照、設定模板等相對穩定、可列舉的知識。

Prompts（提示模板）——「預置工作流入口」

Server 可暴露命名 Prompt 模板（含參數），使用者在 Host 裡一鍵觸發「Code Review」「寫遷移腳本」等固定流程。社群 Server 採用率低於 Tools，但適合團隊把 SOP 封裝成可複用入口。

資料源類型與常見 MCP Server 對應

下面這張表幫你把「我想接什麼」快速對應到「裝哪個 Server」。更完整的 20 款清單見 MCP Server 推薦。

傳輸層：stdio 與 HTTP，該選哪種？

MCP Client 與 Server 之間透過 JSON-RPC 2.0 通訊。2026 年主流有兩種傳輸：

stdio（標準輸入輸出）

Host 以子程序方式啟動 Server，例如 npx -y @modelcontextprotocol/server-github，透過 stdin/stdout 交換訊息。優點：設定簡單、無需開放連接埠、適合本機開發。缺點：每個 Server 佔一個程序；部分全量 Docker 版工具數過多，可能觸發 Cursor 約 40 工具上限。

Streamable HTTP / SSE（遠端）

Server 執行在遠端（或官方託管），Client 透過 HTTPS 連線，常用 OAuth 完成授權。GitHub、Supabase、Linear、Sentry 等官方均提供 Remote 版。優點：工具集精簡、無需本機裝 Node/Docker、token 由 OAuth 託管。缺點：依賴網路；企業內網需確認出站策略。

在 Cursor 裡設定資料源

Cursor 的 MCP 設定位於 Settings → MCP，或直接編輯 ~/.cursor/mcp.json。結構為 mcpServers 物件，每個 Server 一個條目。

範例 1：本機 stdio — Fetch MCP

{
  "mcpServers": {
    "fetch": {
      "command": "npx",
      "args": ["-y", "@modelcontextprotocol/server-fetch"]
    }
  }
}

範例 2：本機 stdio — GitHub MCP（PAT）

{
  "mcpServers": {
    "github": {
      "command": "npx",
      "args": ["-y", "@modelcontextprotocol/server-github"],
      "env": {
        "GITHUB_PERSONAL_ACCESS_TOKEN": "ghp_xxxxxxxx"
      }
    }
  }
}

更推薦在 Cursor UI 裡新增 GitHub 官方 Remote MCP（OAuth），工具更少、無需手填 PAT。PAT 務必細粒度唯讀，且不要提交到 git。

範例 3：Context7（文件資料源）

{
  "mcpServers": {
    "context7": {
      "command": "npx",
      "args": ["-y", "@upstash/context7-mcp"]
    }
  }
}

儲存後重啟 Cursor，在 Settings → MCP 面板查看 Server 狀態是否為綠色 Connected。Agent 模式下可直接問「查一下 Next.js 15 的 middleware 寫法」——若設定正確，模型會呼叫 Context7 而非幻覺 API。

在 Claude Code 裡設定資料源

Claude Code 使用 ~/.claude.json（使用者級）或專案根目錄 .mcp.json（專案級）。設定結構與 Cursor 類似，但欄位名與路徑略有差異。

{
  "mcpServers": {
    "github": {
      "command": "npx",
      "args": ["-y", "@modelcontextprotocol/server-github"],
      "env": {
        "GITHUB_PERSONAL_ACCESS_TOKEN": "ghp_xxxxxxxx"
      }
    },
    "codegraph": {
      "command": "codegraph",
      "args": ["mcp"]
    }
  }
}

修改設定後必須完全退出 Claude Code 再啟動；在儲存庫根目錄執行 claude，會話內輸入 /mcp 查看已連線 Server 與工具列表。成功標誌：出現 mcp__github__*、mcp__codegraph__* 等前綴工具。

分步圖文見 Claude Code MCP 安裝教學；三連通架構見 MCP 總覽。

專案級 vs 使用者級：設定寫在哪？

最佳實務：把憑證與使用者偏好放使用者級（不進 git）；把與儲存庫綁定的資料源（CodeGraph 索引路徑、專案文件 Server）放專案級並提交 .mcp.json，讓隊友 clone 即用。敏感 token 用環境變數引用，例如 "env": { "GITHUB_PERSONAL_ACCESS_TOKEN": "${GITHUB_PAT}" }，由 shell 或 CI 注入。

設定驗收：讓 Agent 真的用上資料源

設完不等於能用。按下面清單逐項驗收：

1. 連通性 — Cursor：Settings → MCP 綠燈；Claude Code：/mcp 列出 Server 且無 error。
2. 工具可見 — 確認目標 Tool 名稱存在（如 mcp__github__search_code）。
3. 冒煙任務 — 用一句明確指令觸發工具，例如「用 GitHub MCP 列出本儲存庫 open issues」或「用 Context7 查 Prisma 最新 migrate 語法」。
4. 失敗可觀測 — 若 Agent 沒呼叫工具，檢查是否工具過多、描述不清晰，或任務太模糊；必要時在 prompt 裡寫「請使用 GitHub MCP」。
5. 權限邊界 — 故意問一個無權限操作（如刪儲存庫），確認 Server 回傳 403 而非靜默成功。

權限與安全邊界

每接一個資料源，等於給 Agent 開了一扇通往外部系統的門。核心原則：預設唯讀，寫操作明確開啟，正式環境隔離。

• GitHub PAT — 細粒度 token，僅授權目標儲存庫；Issues/Contents 唯讀即可涵蓋多數開發場景。
• 資料庫 DSN — 開發庫用唯讀角色；絕不要把正式環境可寫連線串寫進專案級設定。
• Filesystem MCP — args 裡限定專案根目錄，禁止指向 $HOME 或 /。
• 內網 API — 用預發唯讀端點；Claude Code 工作區不載入正式環境 .env。

完整策略矩陣與攻擊鏈分析見 MCP 權限最小暴露。

常見故障排查

常見問題

MCP 和 Function Calling 有什麼區別？

Function Calling 是單次 API 請求裡的工具宣告，通常與特定模型/廠商綁定。MCP 是持久化的 Server 連線與開放協定，一次設定多客戶端複用，並由社群維護生態。你可以把 MCP 理解為「標準化的、可插拔的 Function Calling 執行時」。

可以自己寫 MCP Server 嗎？

可以。官方提供 TypeScript（@modelcontextprotocol/sdk）、Python 等 SDK。典型場景：接入公司內部 Wiki、工單 API、專有資料湖。最小 Server 只需實作 tools/list 與 tools/call，用 stdio 傳輸即可在 Cursor 裡除錯。

MCP 會把資料發給模型廠商嗎？

Tool 呼叫的結果會進入對話上下文，隨你的請求發給 Host 所使用的大模型 API——這是 Agent 工作的必要部分。MCP 本身不額外「上傳」資料；風險在於你給了 Server 什麼權限（能讀哪些儲存庫、能執行什麼 SQL）。按最小權限設定即可控制暴露面。

2026 年應該先接哪幾個資料源？

多數開發者從 Context7（文件）+ GitHub（儲存庫）+ Playwright（瀏覽器驗證）起步。寫後端加 Supabase 或 DBHub；團隊用 Linear/Notion 再按需疊加。詳見 20 個 MCP Server 推薦。