六叔觀察站

AI First 工作法必要的 MCP 基礎知識 | 以 Claude Code 為例

24 min read

  • 你的社群網站最近是不是常被「MCP」這個詞洗版？以前以為「技術」是工程師的事，但 MCP 卻是少數跟你我關係密切的「技術」，因為 MCP 的功能是強化 AI，而你我不是每天都用 AI 嗎？
  • 2 個月前我對它略懂，但現在我每天跟它相處十幾小時，還寫了個 管理 MCP 的 MCP，本文整理了 2 個月的研究和實作，如果你對 MCP 似懂非懂，讓我們細說從頭。
  • 有人說：「我看不出 MCP 有什麼好，不就跟 API 一樣嗎？」，2 個月前的我也這麼想，但現在全改觀了。

  • 理解篇

    • 看圖說故事，什麼是 MCP ？

      • 軟體、網站的架構就像餐廳，而 MCP 就是美食街，裡面有很多餐廳。
      • 電腦就像餐廳，前端是你看到的裝潢、菜單，後端是廚房，每道菜都有自己的邏輯，但你不會跑去廚房點餐，服務員就是 API，負責把你的需求傳給廚房後，再把菜從廚房送來給你。
        • 電腦就像餐廳，前端是你看到的裝潢、菜單，後端是廚房，每道菜都有自己的邏輯，但你不會跑去廚房點餐，服務員就是 API，負責把你的需求傳給廚房後，再把菜從廚房送來給你。 電腦一次要做很多事，就像美食街什麼餐廳都有，但每家的點餐方式（API）都不同，你要會講各種語言才能讓日本料理配法國濃湯餐後上義大利咖啡，這實在很麻煩。電腦一次要做很多事，就像美食街什麼餐廳都有，但每家的點餐方式（API）都不同，你要會講各種語言才能讓日本料理配法國濃湯餐後上義大利咖啡，這實在很麻煩。 美食街老闆發現問題，為了複雜點餐買了機器人（AI），把複雜點餐要求說給它聽，它會很勤快的幫你完成點餐。啊！還不行，因為每家餐廳的點餐法都不同，他們聽不懂 AI 說什麼！美食街老闆發現問題，為了複雜點餐買了機器人（AI），把複雜點餐要求說給它聽，它會很勤快的幫你完成點餐。啊！還不行，因為每家餐廳的點餐法都不同，他們聽不懂 AI 說什麼！ 此時老闆制定了 MCP ，它規定格式，每家餐廳用相同的結構溝通，AI 連上日餐 MCP ，就能幫你點日本料理，連法餐 MCP ，就能點法國濃湯，AI 現在能力變強了，而且只要有源源不斷的 MCP 被開發出來，它就無所不能！此時老闆制定了 MCP ，它規定格式，每家餐廳用相同的結構溝通，AI 連上日餐 MCP ，就能幫你點日本料理，連法餐 MCP ，就能點法國濃湯，AI 現在能力變強了，而且只要有源源不斷的 MCP 被開發出來，它就無所不能！
      • 看圖說故事完畢，你應該略懂 MCP 角色？但比喻只是協助理解真實知識，真實知識才能用。
      • 現在帶着前面的初步理解，開始真實說明。
      • MCP 的全名是 MCP Server，它是由 Anthoropic，就是 Claude 的母公司提出的標準，雖然現在很多 AI 公司都支持，但接下來都用 Claude Code 來舉例，因為它是支援最全面的軟體。
      • 其實我們可以說 MCP 是「AI 用的 App」，它是一組程式，一邊連到某個軟體/服務，另一邊連 AI，架構是這樣：
        • AI ⇔ MCP Server ⇔ 本地/雲端服務
        • AI ⇔ MCP Server ⇔ 本地/雲端服務
      • Plaintext
      • 當然不止當橋樑串接兩邊，它更是 AI 的好朋友，會告訴 AI 如何用這服務，用錯了會告訴 AI 錯在哪，有了它，AI 可以立刻取用工具，不用再自己去研究了。
      • AI 有了 MCP 太好了，比起其他的方法，這太簡易了。
      • 但終究是「技術」，對 AI 簡單，對我可沒這麼簡單，有一大堆觀念超難懂，沒關係，讓我們依照分類來理解它。

    • 依照 MCP Server 提供服務位置分 2 類

      • 重複一次，「MCP 是 AI 用的 App」。
      • 跟我們人類用的 App 一樣：
        • 本機軟體，比如 Microsoft Word，打開就能用；
        • 雲端軟體，比如 Google Docs，要先聯網、打開瀏覽器、輸入 Google Docs 的網址。
      • MCP 這個 AI 的 App 也是這樣，分本地和雲端兩種：
        • 本機 MCP（STDIO） ：AI ⇔ 本機 MCP Server ⇔ 本地/雲端服務，AI 只要連接本機 App，但它也能抓雲端資料，只是 AI 不負責聯網。
        • 雲端 MCP（HTTP） ：AI ⇔ 雲端 MCP Server ⇔ 雲端服務，AI 要連雲端 App，如果人類用，就是看到雲端就要開瀏覽器。
      • 常有誤解「Google Docs 是雲端服務，所以 Google Docs MCP 一定也是雲端的」錯了，這就是 MCP 令人迷糊之處，實際上，MCP 裝在哪裡跟最終服務是否雲端完全無關！
        • 假如有個 Google Docs MCP 是本機 MCP，AI 透過安裝在本地 MCP 串到雲端 Docs，對 AI 來說，它沒有上網啊！它只跟本機軟體說話，雖然這軟體會去雲端幫它拿資料來，但它就是個本機 MCP。
          • 例如這個 Google Sheets MCP，它安裝在本地，AI 只要跟它溝通，但它會幫 AI 把雲端的試算表內容拿回來。
        • 另一個例子，自動化軟體 n8n 提供「MCP Server Trigger」節點，可以自製 MCP，讓 AI 去雲端用你的工作流，它有個網址： https://{你的網址}/mcp/{mcp-server-name}，對 AI 來說，它要驅動 n8n 工作流，就要上網連到 MCP 去，就像打開瀏覽器一樣，這就是雲端 MCP。
      • 開發 MCP 的人要提供 HTTP MCP 讓人用，他就要準備一台伺服器，要花錢，所以大部分 MCP 是本機版，我不花錢買伺服器服務你！

    • 依照 MCP Server 的使用範圍分 3 類

      • 這段很容易搞混，重點是瞭解使用情境。
        • 個人（User）MCP ：可以叫做「全域 MCP」，就是在你的電腦任何位置都能用。
        • 專案（Project）MCP ：只在設定它的專案中可用，跳出去就看不到了，它把設定項寫在專案裡，如果跟別人分享檔案夾，會連設定一起分享出去，通常是因為它是本專案必要的零件。
        • 專案/本地（Local）MCP ：也只在專案中能用，不同的是，它的設定跟「個人 MCP」一樣放在 Claude Code 總設定裡，就算你把專案檔案夾跟別人分享，別人也看不到，例如我把密碼寫在裡面，這可不能讓人看到！
      • 專案級 MCP 權限高於全域，如果專案內 Google Docs MCP 連到客戶帳號，全域的連到自己的帳號，那專案內打開時就不會連到自己家。
      • 你可以想想如何組合：
        • 比如你是一人公司，只做自己的工作，AI 的服務對象是你本人，那全域 MCP 就夠了。
        • 但如果你幫別人開發軟體、對自己和公司用不同帳號…，那就要分別設定專案/本地的 MCP 了。

    • 誰支援哪種 MCP Server

      • 不是 MCP 都一樣，每家都有不同的設定
      • 在本文寫的時候是這樣的：
        • ChatGPT, Gemini, Claude 等網頁聊天機器人，全不支援 MCP。
        • Claude Desktop 支援本機 MCP，不支援雲端 MCP，應該是安全因素。
        • Claude Code 和 Roo Code 支援全域和專案 MCP。
        • Gemini CLI 支援全域，但不支援專案 MCP。
        • OpenAI Codex 我沒測過，如果你知道可以告訴我。
      • 很繁雜吧？所以只能用大王– Claude Code 說明，它是全世界支持最全面的 AI 工具，但你瞭解這些分類，腦中有個地圖，換什麼都容易。

        • 這是個範例，AI 變得很快，後續不會維護，要查詢最新現狀還是要上網！

  • 安裝篇

    • 這裡設定各種東西，包括 AI 要呼叫哪裡的 MCP、用什麼方式呼叫、誰會呈現誰被遮蔽…。
        • Claude Code 只能用文字指令安裝，不過你可以用我開發的 SyncMCP（歡迎使用） 用 RooCode 的圖形界面安裝後同步到 Claude Code 即可。
        • 忍受我用指令說明，凡事當然要符合大王的規範啊。
    • 你不用煩惱哪個是雲端哪個是本機，通常提供的頁面都有說明，這裡的目的是讓你打開 GitHub 上的 MCP 專案時，看得懂他在寫什麼。

    • 安裝雲端 MCP

      • 雲端 MCP 就是有一個 App 在雲端，叫 AI 開瀏覽器使用它，所以雲端安裝設定時要給它「網址」。
      • Bash
          • 有的資料教你用「SSE」連接雲端，它已經廢棄了，現在雲端都用 http，還有些舊 MCP 用 SSE
          • 在 AI 世界，所謂「舊的」可能就是 2 週前…。

    • 安裝本地 MCP

      • 本地 MCP 就是有一個 App 裝在電腦中某處，叫 AI 使用它，所以本地安裝設定時告訴它這 App 在哪裏。
        • claude mcp add —transport stdio n8n-mcp
          • —scope user # 注意看這行，稍候說明
          • —env MCP_MODE=stdio
          • —env LOG_LEVEL=error
          • —env DISABLE_CONSOLE_OUTPUT=true
          • —env N8N_API_URL=https://client-n8n.example.com/api/v1
          • —env N8N_API_KEY=client-api-key
          • — npx -y n8n-mcp@2.12.2 # 這行是告訴 AI 用 npx 方式去使用 n8n-mcp，稍候說明
        • claude mcp add —transport stdio n8n-mcp
          • —scope user # 注意看這行，稍候說明
          • —env MCP_MODE=stdio
          • —env LOG_LEVEL=error
          • —env DISABLE_CONSOLE_OUTPUT=true
          • —env N8N_API_URL=https://client-n8n.example.com/api/v1
          • —env N8N_API_KEY=client-api-key
          • — npx -y n8n-mcp@2.12.2 # 這行是告訴 AI 用 npx 方式去使用 n8n-mcp，稍候說明
      • Bash

    • 本地 MCP 常用安裝方式

      • 本地安裝當然要有個檔案夾咯？但如果你安裝會發現「我都沒建檔案夾，它到底裝在哪裡？」，這裏說明。

      • Command | 老方法

        • 就開檔案夾把相關檔案下載下來，可能 MCP 作者不熟悉新的寫法，或是他不是用 JS/Python 開發，就要整包下載下來。
        • 比如有個 MCP 為了高效能，用 Go 這種超快編譯語言寫，那就要下載到電腦裡你手動建立的檔案夾，command 指向檔案夾。
          • {
            • “mcpServers”: {
              • “my-go-mcp”: {
                • “command”: “/usr/local/bin/my-go-mcp”, # 這行告訴 AI 執行檔放哪
                • “args”: [“—port”, “8080”],
                • “env”: {
                  • “CONFIG_PATH”: “/etc/my-go-mcp/config.yaml”
                • }
              • }
            • }
          • }
          • {
            • “mcpServers”: {
              • “my-go-mcp”: {
                • “command”: “/usr/local/bin/my-go-mcp”, # 這行告訴 AI 執行檔放哪
                • “args”: [“—port”, “8080”],
                • “env”: {
                  • “CONFIG_PATH”: “/etc/my-go-mcp/config.yaml”
                • }
              • }
            • }
          • }
        • Bash
        • 比起雲端就是給個網址，本地安裝的玩法很多，這種細節你可以問 AI，比如：
          • 直接把執行檔放在某個檔案夾中
          • 把原始碼放在某個檔案夾中
          • 把整個服務用 Docker 安裝在本地
        • 這裡只要建立觀念，談細節沒人比得過 AI，我就不說了，請問 AI。

      • NPX | Node 的便利安裝法

        • 如果 MCP 用 Node (JavaScript) 開發，可以用 npx，它在你需要時才把程式碼下載下來，放在記憶體中，不用了就清除，下次要用再下載，所以只要一條指令，不用開檔案夾也行。
          • {
            • “mcpServers”: {
              • “node-server”: {
                • “command”: “npx”, # 告訴 AI 用 NPX 方式使用
                • “args”: [“-y”, “package-name”]
              • }
            • }
          • }
          • {
            • “mcpServers”: {
              • “node-server”: {
                • “command”: “npx”, # 告訴 AI 用 NPX 方式使用
                • “args”: [“-y”, “package-name”]
              • }
            • }
          • }
        • Bash

      • UVX | Python 的便利安裝法

        • JavaScript 陣營有 NPX，在 Python 陣營也有 UVX，用途一樣，不用你開檔案夾安裝，自動下載、自動清除。
          • {
            • “mcpServers”: {
              • “python-server”: {
                • “command”: “uvx”, # 告訴 AI 用 UVX 方式使用
                • “args”: [“package-name”]
              • }
            • }
          • }
          • {
            • “mcpServers”: {
              • “python-server”: {
                • “command”: “uvx”, # 告訴 AI 用 UVX 方式使用
                • “args”: [“package-name”]
              • }
            • }
          • }
        • Bash

  • 深度理解篇

    • 原本我大多數 MCP 都設為「全域可用」（大錯特錯！），就是不管開哪個專案，都獲取相同的 MCP 設定。

      • 我的想法是：比如 Context7 可以讓 AI 可以查到程式碼最新版參考，怎麼會因為專案不同呢？設定全域就好了。

    • 那到底專案 MCP 是幹嘛用的？
    • 直到接案時，因為複雜的 n8n 專案跨環境遷移很容易出問題，想說連到客戶家的 n8n，直接叫 AI 調整他的工作流。
    • 但全域 n8n-MCP 是連到我自己的 n8n，就沒辦法讓 AI 調整客戶的 n8n 了。
    • 原來專案級就在此刻要用啊！有趣的是：
      • 同一個 MCP，在不同專案可以設定不同的帳號、版本…。
      • 專案級優先權高於全域，所以設定了專案級時，就覆蓋（遮蔽）了全域內容。

    • 指令安裝後做了些什麼？

      • 這裏是 Claude Code 的官網範例，雖然有中文，但我看不懂它在寫什麼，只好自己研究。
      • 指令改一點，只要 Scope 不同，就變不同設定：
      • Bash
      • 問題是下指令後 Claude Code 到底改了什麼呢？如果你知道，當 AI 設不好時，你可以糾正它。
          • Claude Code 理論上會自己設定，但它是在搞不清自己的設定項在哪，還搞不懂專案和全域分別，常常一直改個半小時才搞定，如果你懂，省掉很多時間（= 金錢）。
          • 別家…，算了吧，連自己設定都不會。
      • 其實，不管你安裝到哪裏，它只是把一樣的內容寫入某個設定檔，內容像這樣：
      • Bash
      • 但不同的 Scope 設定，會把它插入不同位置：
        • 安裝到全域（user） ：加在 ~/.claude.json/ 的 mcpServers 下。
        • 安裝到本地（local） ：加在 ~/.claude.json/ 的 projects[*].mcpServers 下，跟全域同一個檔案，只是放在不同章節，因為不放在專案檔案夾，也不會上傳到 GitHub。
        • 安裝到專案（project） ：加在 .mcp.json 中，就是專案根目錄，跟前兩者位置不同，你用 GitHub 同步到雲端時，這設定也被保存到雲端，別人複製時會把設定一起下載。

    • 不用指令直接改設定檔

      • 既然指令不同產生一樣的內容，那直接去改 json 檔不就好了？
      • 沒錯，直接修檔案不會有任何問題，可能比用指令還方便，如果你寫一個軟體來管理，就可以用改 json 內容的方式快速設定。

        • 有時候 AI 教你新增 .clauderc 檔寫入設定內容，雖然實測仍有效，但這是「老」方法，已廢棄，未來可能不支援。

    • 細節設定

      • 安全機制及如何關閉

        • 如果你的專案設有專案級的 MCP，啓動時 Claude Code 會問你：

          • This project wants to use MCP server: n8n-mcp

          • Command: npx -y n8n-mcp@2.12.2

          • Environment variables:

          • N8N_API_URL=https://client-n8n.example.com/api/v1

          • N8N_API_KEY=***

          • [Allow Once] [Always Allow] [Deny]

        • 因為 MCP 名稱一樣，你沒注意會以為連到自己的網站（因為不是你用而是 AI 用），連錯位置會把機密發給別人，所以它做了這個安全機制，你選 Always Allow，就不會再跳出來。
        • 但如果你想手動設置「別再問我了」，就去專案中的 .claude/settings.local.json 設定
          • {
            • “enableAllProjectMcpServers”: true
          • }
          • {
            • “enableAllProjectMcpServers”: true
          • }
        • Bash
        • 就會自動批准所有的專案級 MCP。

      • 黑/白名單

        • 前面 enableAllProjectMcpServers 是全開，如果只要開/關部分呢？
          • {
            • { # 只同意部分
              • “enabledMcpjsonServers”: [“n8n-mcp”, “github”]
            • },
            • { # 只不同意部分
              • “disabledMcpjsonServers”: [“risky-server”]
            • }
          • }
          • {
            • { # 只同意部分
              • “enabledMcpjsonServers”: [“n8n-mcp”, “github”]
            • },
            • { # 只不同意部分
              • “disabledMcpjsonServers”: [“risky-server”]
            • }
          • }
        • Bash
        • 這就是「正/負面表列」功能。

          • 請注意，這設定管不到全域 MCP，只能管到專案級 MCP，所以無法用它把全域 MCP 關閉。

      • 組合使用

        • 全部加在一起，你可以用全部同意加上部分黑名單，就很容易控制專案中有哪些 MCP。
        • 也可以用白名單來開啓/關閉某些 MCP。

  • 管理篇，MCP 佈局與設計哲學

    • 我很疑惑，為什麼沒有在專案裡關閉部分全域 MCP 的功能呢？設計的很爛啊！
    • 不是哦。

    • 加法哲學

      • 因為 Claude 的設計理念是「加法」而不是「減法」：
        • 全域設定很多，到專案裡關閉 ：這就像去露營居然帶了微波爐，太重又丟掉，很不合理。
        • 全域設定很少，專案再加 ：如果營區已經有微波爐，那帶菜刀、砧板就好了，合理。
      • 所以 Claude 希望你這樣用：
        • 全域配置 = 基礎工具集
          • 預期用途 ：所有專案都需要的通用工具
          • 範例 ：sequential-thinking, filesystem
        • 專案配置 = 額外工具
          • 預期用途 ：專案特定的 MCP servers
          • 範例 ：專案特定的 API、資料庫連接
        • 全域（1-3 個通用 MCP）+ 專案（2-5 個專案特定 MCP）= 每個專案 3-8 個 MCP servers
        • 全域（1-3 個通用 MCP）+ 專案（2-5 個專案特定 MCP）= 每個專案 3-8 個 MCP servers
      • Plaintext

    • Context Window 考量，就是 $$ 啦

      • 每個 MCP server 都會消耗 context window：
        • 小型 MCP：5,000-15,000 tokens
        • 中型 MCP：15,000-50,000 tokens
        • 大型 MCP（如 google_workspace）：50,000-85,000 tokens
      • 範例
        • 全域：
          • sequential-thinking: 10,000 tokens
          • github: 20,000 tokens
          • n8n-mcp: 30,000 tokens = 60,000 tokens
        • 如果專案只需要 github，仍然會浪費 40,000 tokens 在不需要的 MCP 上！
      • Token 要花錢買的，為了省錢，千萬要做好佈局！

    • 常改專案設定好麻煩啊

      • 其實可以用簡單的腳本解決這個問題，AI 很會寫。
        • 記錄設定檔 ：把常用 mcp 設定 json 都寫在同一個檔案裡，就是 snippets，設定不同專案時，把片段複製到合適位置就好。

        • 為什麼不要用時再安裝，反正指令很簡單啊？因為很多 mcp 要設登入帳密、API Key，那不是每次安裝都要重設嗎？想到就累啊！

        • 複製設定檔 ：Claude Code 把所有用到的專案都記錄在 ~/.claude.json/projects/{project_path}，很容易找到
        • 決定統一管理或是分散管理
          • 統一管理：複製到 local mcp server：
            • 腳本偵測 ~/.claude.json/projects/{project_path}/mcpServers 是否有這筆設定
            • 如果沒有，插入程式碼
          • 分散管理：複製到 project mcp server：
            • 先偵測 .mcp.json 是否存在，不存在就新增
            • 如果存在，查看設定
            • 如果內部沒設定，插入程式碼
      • 這個設定叫 AI 做應該很快的。

  • 結論

    • 有 AI 你不需要記住很多指令，但是還是要瞭解這些指令代表什麼意思，因為，就算 MCP 是 Anthoropic 發明的，但它自家的 Claude 都搞不定，你看到它在做什麼時，你知道某些是胡扯，有些根本做錯了，可以及時回頭。
    • 然後，因為有 AI，其實你可以叫它把你常用的功能做成一個 MCP，那就很快了。這是為什麼你需要略懂什麼是 MCP 的原因。
    • 如果你會用 n8n，會突然理解 MCP Server Trigger 和 MCP Client Tool 的用途吧？原本是很複雜的觀念。
    • 恭喜你，現在可以開始 AI First 的生活了！

📚 相關文章

Graph View