MCP 一句話解釋
MCP（Model Context Protocol，模型上下文協定）是一種讓 AI 模型與外部工具、資料來源溝通的標準協定，就像 AI 世界的「USB 接口」。
AI Agent 一句話解釋
AI Agent（AI 代理人）是能夠自主規劃、決策和執行任務的 AI 系統，不只回答問題，還能主動採取行動完成目標。
為什麼這兩個概念要一起學？
MCP 和 AI Agent 是 2025～2026 年最熱門的 AI 關鍵字，也是 iPAS 初級科目二的重點考區。它們的關係是：Agent 是「會做事的 AI」，MCP 是「讓 Agent 能存取工具的標準介面」。
MCP 深入理解
解決什麼問題？
假設你希望 AI 能夠：查詢資料庫、搜尋網頁、讀取檔案、呼叫 API。在沒有 MCP 之前，每個工具都要寫專門的整合程式碼，而且不同 AI 模型的整合方式都不一樣。
MCP 就是一個統一標準：只要工具實作了 MCP 介面，任何支援 MCP 的 AI 都能使用它。
MCP 的架構
MCP 有三個核心角色：
| 角色 | 功能 | 比喻 |
|---|---|---|
| MCP Client | 發起請求的一方（通常是 AI） | 點餐的客人 |
| MCP Server | 提供工具和資料的一方 | 廚房 |
| AI Host | 管理 Client 和 Server 之間通訊的平台 | 餐廳服務生 |
運作流程
- AI Host 啟動時，連接到各個 MCP Server
- 使用者向 AI 提問
- AI（MCP Client）判斷需要使用哪個工具
- 透過 MCP 協定向對應的 Server 發送請求
- Server 執行操作並回傳結果
- AI 根據結果生成回答
AI Agent 深入理解
跟普通聊天機器人有什麼不同？
| 面向 | 聊天機器人 | AI Agent |
|---|---|---|
| 行為 | 回答問題 | 規劃並執行任務 |
| 主動性 | 被動（等使用者提問） | 主動（自己決定下一步） |
| 工具使用 | 通常不會 | 會呼叫 API、搜尋資料、操作系統 |
| 記憶 | 短期（對話結束就忘了） | 可以有長期記憶 |
Agent 的核心能力
- 規劃（Planning）：把複雜任務拆解成多個步驟
- 記憶（Memory）：記住之前的對話和任務結果
- 工具使用（Tool Use）：呼叫外部 API 和服務
- 反思（Reflection）：評估自己的行動結果，調整策略
Agentic AI 的應用場景
- 客服自動化：Agent 不只回答問題，還能查詢訂單、修改設定、發送退款
- 程式開發助手：Agent 能寫程式碼、執行測試、修復 bug
- 資料分析：Agent 能自動查詢資料庫、產生報表、發現異常
- 企業流程自動化：Agent 能串接多個系統，完成跨部門的工作流
Multi-Agent 系統
當一個 Agent 不夠用時，可以讓多個 Agent 協作：
Agent-to-Agent（A2A）
不同的 Agent 各司其職，互相溝通合作：
- Client Agent：接收使用者需求，分配任務給其他 Agent
- Remote Agent：執行特定任務的專家 Agent
例如：使用者說「幫我分析上個月的銷售報告」→ Client Agent 把任務拆成「查詢資料」和「製作圖表」兩個子任務，分別交給資料庫 Agent 和視覺化 Agent 處理。
常見問題
如果沒有清楚定義每個 Agent 的任務範圍和啟動條件，可能會出現：
- Agent 之間互相推諉（都覺得不是自己的任務）
- 重複執行同一個工作
- 無限迴圈（Agent A 問 Agent B，B 又問 A）
上下文工程（Context Engineering）
跟 Agent 相關的新概念。核心目的是：讓 AI 在對的時間，拿到對的資訊，做出對的回應。
不是把所有資料都塞給 AI，而是精心設計哪些資訊該在什麼時候提供。這跟 Prompt Engineering 不同——Prompt Engineering 關注「怎麼問」，Context Engineering 關注「給什麼背景」。
iPAS 考試怎麼考？
MCP 和 Agent 在初級科目二出現頻率很高（各約 4～7 題），是必須掌握的重點。
必記重點
- MCP 的三個角色：Client、Server、Host——以及它們之間的通訊方向
- Agent 的核心能力：規劃、記憶、工具使用、反思
- Agent vs 聊天機器人的差異
- A2A 架構中 Client Agent 和 Remote Agent 的分工
- 上下文工程的核心目的
常見考題方向
- 「MCP 架構中，負責提供工具和資料的角色是？」→ MCP Server
- 「下列何者最符合 Agentic AI 的特徵？」→ 能自主規劃並執行多步驟任務
- 「在 A2A 架構中，Client Agent 的主要職責是？」→ 接收需求、分配任務
- 「上下文工程的核心目的是？」→ 確保 AI 在對的時間拿到對的資訊