MCP 是什麼？用「請一個打掃阿姨」一次搞懂 AI Agent 的 7 個零件
先講結論：你現在對 AI 的印象可能還停在「你問一句、它答一句」，但它早就長出手腳了——它有腦（模型）、會動手（執行），還能自己拿工具、透過 MCP 接上外面的系統、翻技能包查特殊做法。所以在 2026 年開始 AI Coding，你要學的不是怎麼問問題，而是怎麼當那個主人：把「做到什麼程度算完成」講清楚，把家裡的規矩定下來。
我認識的人裡，九成還停在「你問它答」這一關——覺得 AI 就是你問一句、它答一句。
你想做一個自己的小工具。也許是把每週要重複整理的那份東西自動化，也許是讓某段流程不用再手動跑一次。於是你打開了 AI Coding——也就是圈內常說的 Vibe Coding：不會寫程式的人，用自然語言指揮 AI 做出工具、網站、流程和自動化——才發現：它早就不是那樣了。
然後你會發現，卡住你的不是程式。是名詞。一個下午之內你會撞到模型、MCP、技能包、規則檔、部署、伺服器——每一個都有人在講，但沒有人告訴你它們彼此是什麼關係。那感覺很像走進一間電器行，店員一直跟你介紹規格，但你只想知道：這些湊在一起，到底是要組出什麼？
這篇文章能回答你的 3 個問題
- MCP 是什麼？它跟「工具」到底差在哪？
- 模型、技能包、規則檔各自負責什麼，我要先搞定哪一個？
- 什麼時候我需要把 AI 從自己的電腦「搬上雲端」？
什麼是 AI Agent？它跟聊天機器人差在哪
先講最大的那個變化：AI 已經不只是會回答了，它會自己動手做完。
聊天機器人是「你問它答」——它告訴你地板應該怎麼掃。Agent 是「它自己掃完了」——它動手、做完回頭看結果、發現沒乾淨再掃一次，然後跟你回報。
用打掃阿姨來看，這裡有兩個零件：
- 腦袋 ＝ 模型。判斷力。看到髒污，知道那是油漬還是灰塵，該用哪種方式處理。
- 手跟腳 ＝ 執行。真的動手，而且做完會回頭看結果，再決定下一步。
很多人對 AI 的印象還停在「只有腦、沒有手」的階段——那是好幾年前的事了。現在你面對的是一個會自己跑完一段工作的角色，這個差別會改變你跟它相處的方式。
「動手做完」實際上長什麼樣子？舉兩個例子：你說「幫我查一下這份資料哪裡不精準」，聊天機器人回你一段文字，剩下的判斷還是你自己來；Agent 是自己去查證、比對好幾個來源、把有問題的地方抓出來，寫成一份你可以直接看的報告。或者你說「把這段訪談剪成三支短影音」，它會自己拆重點、抓時間點、上字幕、輸出檔案——不是回你一句「建議這樣剪」就結束，是真的把片子生出來給你看。
它手上能拿什麼？工具、MCP、技能包
光有腦跟手還不夠。阿姨進到你家，還需要三樣東西：
| 零件 | 白話定義 | 實務例子 |
|---|---|---|
| 工具 Tools | 她自己裝、自己直接操作的東西。沒有工具，再聰明也只能用手擦。 | CapCut、Remotion、HyperFrames |
| MCP | 別人的服務，透過統一插頭借來用 | 接 Canva 幫你出圖 |
| 技能包 Skills | 特定情境的操作筆記，遇到才翻出來看 | 小紅書標題公式、貼文字數上限 |
MCP 這一列是最多人搞反的。我一開始也以為 MCP 是某個具體的服務，或是「AI 對外的那條連線」。它不是。MCP 是插座規格，工具才是電器。在有 MCP 之前，每接一個新工具就要重寫一套接法；有了統一的插座規格，任何廠牌的工具只要做好標準插頭，就能直接插上來用。所以 MCP 本身不做事，它讓「別人做好的東西能被你的 AI 用」這件事變得省力。
用一個例子把「規則、執行、技能」三個零件串起來看。你可能會問，「vv 指揮家」是什麼？那是我自己幫我的 AI 取的一個暱稱——我喊它，它就知道要先讀我寫好的規則檔、切換成幫我派工判斷的角色，而不是普通聊天。你也可以幫自己的 AI 取一個類似的關鍵字，讓它一聽到就自動進入你要的模式。
所以我說「vv 指揮家，請幫我搜查最近七天房地產趨勢的爆款文章」。這句話先觸發規則檔（它讀懂這是一個派工調研任務），接著執行去呼叫技能（去做全網搜尋），最後把結果整理成一份清單回報給你——不是丟一句「你可以自己查查看」就結束。
為什麼「做完」要你來定義？
好，現在阿姨有腦、有手、有工具、有筆記了。你跟她說：「幫我打掃乾淨。」
她走了。地板不黏了，桌面東西歸位了，她覺得完成了。你回家一看，玻璃還是霧的，冰箱上面積了一層灰，你覺得根本沒做。
這裡沒有人做錯事。是「乾淨」沒有被定義。
你說的乾淨，是「每一個家具都一塵不染」；她理解的乾淨，是「衣服收好、東西不亂丟」。兩個都是合理的解釋，只是不一樣。
我自己的經驗是，AI Agent 十次讓我失望裡面有八次是這一種——不是它笨，是我沒說清楚「做到什麼程度算完成」。所以我現在派任何一輪工作，都會逼自己先寫一句話：做完之後，我要用什麼方法確認它真的做到了？如果這句話寫不出來，就代表這件事還不能派。
主人家的規則：它該照誰的規矩做？
最後一個零件，也是我覺得最重要的一個。
阿姨有腦、有手、有工具，但她不能一進門就不脫鞋；不能在你家裡吃東西；工具拿出來，走之前一定要放回去。這些不是這次的任務內容，這是這個家永遠成立的規矩。
對應到 AI，這就是規則檔——一份放在專案裡的文字，寫你的底線：哪些東西不准動、產出要用什麼格式、遇到不確定要先問不要自己猜。寫過一次，之後每一輪都自動生效，你不用再重講。（順帶一提，規矩一定要寫下來。沒寫下來的東西 AI 不會記得，每次來的都會是一個全新的阿姨。）
如果你想要一份現成的規則檔咒語，不用自己從零寫，可以到 AI 工作地圖的「指揮家」那張卡，複製那句話直接貼給你的 AI 用。
我覺得這件事之所以重要，是因為它決定了你跟 AI 的關係是哪一種。我們指揮 AI，是要它照我們的規矩、做到我們定義的完成，而不是讓它自己無限放大、自由發揮。它很強，但這是你家。
我會怎麼做？3 個步驟
步驟一：先選一顆腦袋
2026 年可用的模型很多，而且排名幾乎每兩個月就翻一次。所以我不記型號，只記性格：
| 模型 | 一句話記住它 |
|---|---|
| ClClaude（Anthropic） | 工匠型。寫程式和長文最穩，做長任務不容易走鐘。 |
| GPTGPT（OpenAI） | 全能型。什麼都能接，周邊生態最大。 |
| GeGemini（Google） | 大胃口型。能一次吞很長的資料，看圖看影片也行。 |
| DSDeepSeek | 開源路線，邏輯嚴密、能吃超長脈絡，對預算敏感的人友善。 |
| KiKimi（月之暗面） | 2026 年推出的 K3 是目前世界上最大的開源模型，前端程式碼實測擠進世界前段。 |
| MMMiniMax | 同時做到前段程式碼、超長脈絡和原生看圖，走高效率路線。 |
| 中Qwen（通義千問）／ GLM（智譜）／ 豆包 | 中文語感和中國本地服務落地的實際主力。 |
我的建議是：不要一開始就糾結挑哪一個。先用你手邊已經在用的那個把流程跑通，因為卡住你的幾乎不會是模型，是後面兩步。等流程順了再回頭換腦袋，那時候你才有能力判斷差異在哪。
步驟二：從最小的一格開始接工具
接著決定它能碰什麼。這一步就是接 MCP、把工具插上來。我的原則是從最小開始：先只給讀取、不給修改；先開一個資料夾、不開整台電腦。等它做對三次，再放寬一格。
這不是不信任，是讓出錯的時候，損失是可以收拾的。
步驟三：先寫家規，每一輪再寫驗收標準
家規寫一次，永久生效。驗收標準則是每一輪都要重寫的，而且要寫成能被眼睛檢查的樣子。
不是「幫我把首頁弄好看一點」，而是「首頁在手機上打開，標題不能被切掉，按鈕按下去要能跳到報名頁」。能被眼睛驗證的，才叫標準。
實際跑起來會長什麼樣子？
一個真的在運轉的流程，大概是這樣：我打開電腦，交代這一輪要做的事和驗收方式；AI 讀完家規，開始動手，中途它會自己去翻技能包、透過 MCP 呼叫需要的工具；做完之後回報結果，我照驗收標準看一眼，過了就往下一關，沒過就講哪裡沒過、退回去重做。
跑一陣子之後，你會撞到一個新問題：這一切都只在你自己的電腦上。你電腦關機，它就下班了。
如果你要的就是「我坐在電腦前，它幫我做事」，那本機完全夠用，不用想雲端。但如果你要的是「每天早上自動把報表整理好」「有人傳訊息進來自動回」——這種你人不在也要照跑的事，才需要把它搬到雲端主機上。這時候才會出現部署、伺服器這些名詞。
用阿姨的比喻就是：本機是阿姨只在你家、你在她才在；雲端是幫她租一間 24 小時待命的宿舍，你出門了她照樣按時上工。
順序很重要。我看過太多人（包括以前的我）第一步就在研究要開哪一種主機，結果流程根本還沒跑通。先在自己電腦上跑順，再談搬家。
常見問題
MCP 跟 API 差在哪？
API 是每個服務自己定的介面，每接一個就要重寫一次接法。MCP 是一層統一的插座規格，讓不同服務照同一個標準做好插頭，AI 就能直接用。簡單說，API 是各廠牌的專用線，MCP 是通用插座。有 MCP 不代表不需要 API，而是接起來省力很多。
我一定要自己架伺服器嗎？
不一定。如果你的需求是「我在電腦前操作、它幫我做」，本機就完全夠用，不需要碰雲端。只有當你需要「人不在也要自己跑」——例如定時產報表、自動回訊息——才需要把它放上雲端主機。建議先在本機把流程跑通，確定有用，再談搬家。
模型是不是要一直換最新的？
不用。2026 年模型大約每兩個月改版一次，追版本會追到崩潰。真正影響成果的是你有沒有把規則和驗收標準寫清楚，那部分做好，換模型只是換一顆腦袋，流程整套都還在。我的作法是固定用一個順手的，半年重新評估一次。
下一步
如果你看完還是覺得「模型、助理、Agent」這幾個詞混在一起，可以先回頭看〈AI 不是一個人：模型、助理、Agent 差在哪？〉。那篇講的是分類，這篇講的是拆解。
如果你卡住的地方是「我看不懂它做了什麼，怎麼驗收」，那更適合看〈非工程師怎麼當 AI 老闆：不是學 coding，而是學會派工與驗收〉。這篇教你零件叫什麼名字，那篇教你怎麼當那個發薪水的人。
而如果你想直接動手，我的建議還是那一句：先寫下「做完之後，我要怎麼確認它真的做到了」。寫得出這句話，剩下的零件你會一個一個自己撞到，而且撞到的時候就認得出它是誰。
它很強，但這是你家。我們指揮 AI，不是讓它自己無限放大發揮。
