
By youtube channel - AI LABS
什麼是 MCP?AI 變聰明的關鍵!
Model Context Protocol (MCP) 是一種讓 AI 更加智慧的協議。只要工具支援 MCP,AI 就能直接存取並使用這些工具,大幅提升功能與效率。
舉個例子,你是否曾因下載資料夾太亂而苦惱?但問題是,AI 並沒有權限直接讀取你的下載資料夾,那該怎麼辦?這時,MCP Server—FileSystem 就能派上用場!透過 FileSystem,AI 不僅可以存取並分析你的下載資料夾,還能提供整理建議,甚至直接幫你分類整理,讓你的電腦井然有序。
MCP 的出現,讓 AI 不再受限於內建能力,而是能夠靈活運用各種工具,真正成為你的智能助理!
MCP三大組成架構

想像 MCP 系統就像是一家現代化餐廳的點餐服務流程:
MCP HOSTs(主機)= 顧客
- 角色:顧客(如 Claude、ChatGPT 等 AI 模型)
- 功能:提出需求、消費服務
- 在做什麼:顧客(AI)坐在餐廳裡,想要點餐、查詢菜單、付款或獲取其他服務,但他們不直接與廚房或收銀台互動
MCP Clients(客戶端)= 服務員
- 角色:服務員(AI 使用的介面程式)
- 功能:接收請求、轉達需求、返回結果
- 在做什麼:服務員拿著平板(client.py),接收顧客的需求,將這些需求轉換成廚房或其他部門能夠理解的指令,然後將結果帶回給顧客
MCP Server(伺服端)= 廚房、收銀台等專業服務提供者
- 角色:廚房、收銀台、酒水部等(Slack、Notion、Filesystem等服務)
- 功能:提供專業服務、處理資料、執行操作
- 在做什麼:廚房負責製作食物(數據處理),收銀台處理付款(文件操作),酒水部提供飲料(通訊服務)等,各自專注於自己的專業領域
操作流程範例
想像用戶要求 AI 查詢他的日曆並發送會議摘要到郵件:
- 顧客(MCP Host/AI)說:「我需要查看今天的會議並給團隊發一份摘要。」
- 服務員(MCP Client)理解並轉譯:
- 分析請求,確定需要存取日曆和郵件服務
- 將請求轉換為系統指令
- 服務員向專業部門下單:
- 向「日曆部門」(日曆 MCP Server)請求:「查詢今天的會議」
- 日曆部門執行查詢並返回會議資訊
- 服務員協調多項服務:
- 拿到會議資訊後,將其轉給 AI 處理成摘要
- 然後向「郵件部門」(Gmail MCP Server)請求:「發送此摘要給團隊成員」
- 最終結果返回給顧客:
- 服務員告訴顧客:「您的會議摘要已發送給團隊。」
如何實際使用MCP?
這裡會用MCP server [filesystem] & [notion]來做一個簡單的範例
第一步
第二步
加入要使用的MCP servers
- 進到claude desktop → setting → Developer -> Edit Config

- 編輯
claude_desktop_config.json
檔案

設定的範例:
{
"mcpServers": {
"filesystem": {
"command": "npx-for-claude",
"args": [
"-y",
"@modelcontextprotocol/server-filesystem",
"/Users/{username}/Desktop"
]
},
"notion": {
"command": "npx-for-claude",
"args": ["-y", "@suekou/mcp-notion-server"],
"env": {
"NOTION_API_TOKEN": "{your_key}"
}
}
}
第三步
開始透過Claude對MCP server下指令做事情
從Notion找到"文件架構"頁面的內容,並將它保存到我桌面上的mcp_test資料夾中

踩到的雷
當第一次成功使用MCP整個流程後,我想再加入其他MCP server測試時,居然就壞掉了,而且時好時壞,到最後就一直壞掉...整個超傻眼。
一開始先用chatgpt跟claude來詢問解決問題,結果都是些沒用的資訊... 又回到以前爬別人撰寫的文章時代XD
💡解決的思路
- Wrapper Script設置了正確的 PATH 環境變數,其中包含你 nvm 安裝的 Node.js 二進制文件
- 然後它執行
npx
命令,並傳遞所有參數
Wrapper Script實質上是在 Claude Desktop 的執行環境和你的 nvm 設置之間架起了一座橋梁,讓你可以使用檔案中推薦的標準配置模式。
註:
Wrapper Script 在Unix Like 環境十分常見,它不會重新建立一個新的程式,而是會讀取input 後加入所需的功能,再將input 直接傳送給現有的指令。