模型上下文協定 (MCP) 與傳統檢索增強生成 (RAG) 技術之間的主要區別在於，MCP 旨在簡化 AI 模型對外部數據的訪問機制，提供一個通用介面，讓 AI 模型更容易理解和使用各種數據格式。相較於 RAG 技術，MCP 就像一個「萬能轉接頭」，降低了整合不同數據來源的複雜性，讓 AI 模型無需針對每個數據源進行客製化設定。
MCP 協定包含三個主要組成部分：MCP 主機 (AI 模型)、MCP 客戶端 (AI 存取 MCP 的程式碼) 和 MCP 伺服端 (提供數據和功能的外部資源)。當 AI 模型需要外部數據時，它會透過 MCP 客戶端向 MCP 伺服端發出請求。MCP 客戶端會將 AI 模型的請求轉換成標準化的格式，然後傳送給 MCP 伺服端。伺服端收到請求後，會將所需的數據以標準化的格式回傳給 AI 模型。
MCP 協定簡化了企業導入 AI 的流程，並降低了整合不同數據來源的複雜性。透過提供 AI 上下文指示，MCP 幫助 AI 模型決定使用哪些工具、如何使用以及如何連結工作流程。企業可利用 MCP 協定將 AI 模型與各種外部數據源 (如資料庫、API、雲端服務) 連接，實現更廣泛的 AI 應用。例如，建立自動分析客戶數據並提供個性化推薦的 AI 系統，或建立自動監控生產線並預測設備故障的 AI 系統。
This is a simplified version of the page. Some interactive features are only available in the full version.
本頁為精簡版，部分互動功能僅限完整版使用。
👉 View Full Version | 前往完整版內容