# 策展 · X (Twitter) 🔥

> 📖 本站完整內容索引（documentation index）：[llms.txt](/llms.txt)

> 作者：ClaudeDevs (@ClaudeDevs) · 平台：X (Twitter) · 日期：2026-04-23

> 原始來源：https://x.com/claudedevs/status/2047086372666921217

## 中文摘要

Agent 連接到生產系統的最佳途徑是 MCP 協議。

Claude 團隊在 2026 年 4 月 22 日發表的部落格文章，剖析 Agent 連結外部系統的三種方式：直接 API 呼叫、CLI 以及 MCP，並強調生產級 Agent 偏好 MCP 作為通用層，提供最大相容性和雲端部署優勢。文章分享建構高效 MCP 伺服器、節省上下文的客戶端模式，以及與技能搭配的實務策略，呼籲開發者優先採用 MCP 以強化生態系。

**連結外部系統的三種途徑**

Agent 的實用性取決於其能觸及的系統，團隊通常採用三種連結方式，各有適用情境，關鍵在於 Agent 與服務間是否有通用層以及其涵蓋範圍。

- **直接 API 呼叫**：Agent 直接呼叫 API，透過沙盒內的程式碼發送 HTTP 請求或通用函數呼叫工具。這適合單一 Agent 與單一服務，或少量不需重複使用的整合，是大多數團隊的起點。但規模擴大時，因無通用層，每對 Agent-服務組合需客製化認證、工具描述與邊緣案例，陷入 M×N 整合困境。
- **命令列介面 (CLI)**：Agent 在殼層執行 CLI 工具，快速輕量，依賴既有工具，適合本地環境與沙盒容器，提供薄通用層。但無法觸及無容器暴露的行動裝置、網頁或雲端平台，且認證依賴磁碟上的憑證檔案，限於本地寬鬆整合。
- **模型上下文協議 (MCP)**：MCP 以協議形式提供通用層，Agent 連接到暴露系統能力的伺服器，標準化認證、發現與豐富語意。一個遠端伺服器可觸及任何相容客戶端（如 Claude、ChatGPT、Cursor、VS Code），適用所有部署環境。雖需前期投資，但整合具可攜性與豐富功能支援。

**生產 Agent 偏好 MCP 的雲端趨勢**

生產 Agent 日益移至雲端，以實現規模化與持續運作，其需觸及的系統亦為雲端託管（如資料儲存、工作追蹤、基礎設施），這些系統多遠端且需認證，此時 MCP 提供關鍵通用層。

MCP SDK 月下載量近期突破 3 億次，由年初的 1 億次大幅成長，企業與熱門 Agent 平台廣泛採用。數百萬使用者每日透過 Claude 使用 MCP，協議支撐近期產品如「Claude Cowork」、「Claude Managed Agents」及「Claude Code」中的管道。隨著 MCP 支援生產 Agent 系統，文章分享高效整合模式。

**建構高效 MCP 伺服器的設計模式**

Claude 目錄內超過 200 個 MCP 伺服器，每日被數百萬人使用。透過與企業及開發者合作，歸納出幾項決定 Agent 可靠性的設計模式。

**建構遠端伺服器以最大化觸及**

遠端伺服器提供分發能力，是唯一跨網頁、行動裝置與雲端 Agent 的配置，所有主要客戶端均優化支援。建構遠端伺服器，讓 Agent 無論在何處執行皆可使用系統。

**依意圖群組工具，而非端點一一對應**

少量、描述精準的工具勝過窮盡 API 鏡像。勿逐一包裝 API 成 MCP 伺服器，而應依意圖群組工具，讓 Agent 以數次呼叫完成任務，而非拼湊多個原語意。例如單一「create_issue_from_thread」工具優於「get_thread + parse_messages + create_issue + link_attachment」。詳見「writing effective tools for agents」文件。

**大型介面設計程式碼協調層**

若服務需數百種操作（如 Cloudflare、AWS 或 Kubernetes），意圖群組工具難以涵蓋。改暴露薄工具介面接受程式碼：Agent 撰寫短腳本，伺服器在沙盒執行對 API 呼叫，僅回傳結果。Cloudflare 的 MCP 伺服器為範例，僅兩個工具（search 和 execute）涵蓋約 2,500 個端點，僅需約 1K token。

**提供豐富語意以提升採用**

「MCP Apps」為首個官方協議擴充，讓工具回傳互動介面（如圖表、表單、儀表板），於聊天介面內嵌渲染。發佈 MCP Apps 的伺服器，採用與留存率顯著高於僅回傳文字者。用以在關鍵時刻將產品 UI 呈現給 Agent 或終端使用者，支援「Claude.ai」、「Claude Cowork」及其他頂尖 AI 工具。

**啟用引導機制維持流程**

引導（Elicitation）讓伺服器於工具呼叫中途暫停，向使用者詢問輸入。
- **表單模式**：發送簡單綱要，客戶端渲染原生表單，用於請求缺失參數、確認破壞性動作或消除歧義。廣泛支援。
- **URL 模式**：導向瀏覽器，用於下游 OAuth、付款或不應經 MCP 客戶端傳遞的憑證。維持使用者流程，避免跳轉設定頁面。支援「Claude Code」，更多客戶端開發中。

**依賴標準化認證**

標準化認證讓 MCP 適用雲端 Agent。若需 OAuth，最新 MCP 規範支援 CIMD（Client ID Metadata Documents）用於客戶端註冊，提供快速首次認證與少驚喜重新認證。本為推薦方式，MCP SDK、「Claude.ai」及「Claude Code」均支援，產業廣泛採用。

使用者授權後，雲端 Agent 如何持有與重用 token？「Claude Managed Agents」中的 Vaults 解決：註冊 OAuth token 一次，於工作階段建立時以 ID 參照，平台自動注入正確憑證至 MCP 連線並刷新，無需自建祕密儲存或每次呼叫傳遞 token。

**提升 MCP 客戶端上下文效率的模式**

MCP 標準化 AI Agent（客戶端）與工具/資料來源（伺服器）的連線與運作。伺服器安全暴露能力，客戶端協調並管理上下文。建構 MCP 客戶端時，採用漸進揭露模式提升效率。

**工具搜尋延遲載入定義**

工具搜尋於執行時搜尋目錄，僅載入相關工具，而非預載全部。在測試中，工具定義 token 減少 85% 以上，選擇準確率維持高檔。

**程式化工具呼叫以程式碼處理結果**

於沙盒以程式碼處理工具結果，而非生回傳模型，讓 Agent 以程式碼迴圈、篩選與聚合呼叫，僅最終輸出入上下文。測試顯示複雜多步驟工作流程 token 使用減 37%。

兩模式自然組合多伺服器：更精簡上下文、更少往返、更快回應。詳見「advanced tool use」分解。

**MCP 伺服器與技能的互補搭配**

技能與 MCP 互補：MCP 提供外部工具與資料存取，技能傳授使用工具完成實務的程序知識。最強 Agent 兩者兼用，技能讓 MCP 伺服器擴展超出少量連線。有兩種通用模式。

**以 plugin 打包技能與 MCP 伺服器**

Claude 的 plugin 為有用抽象，讓開發者打包技能、MCP 伺服器、hooks、LSP 伺服器與專門子 Agent 成單一易用分發。此為統一多上下文提供者、最小摩擦的最佳方式。

結合 MCP 伺服器與技能，讓 Claude 如領域專家。透過 MCP 獲工具，並賦予 Claude End to End (端到端) 工作流程協調技能。如「Cowork」資料 plugin，含 10 個技能與 8 個 MCP 伺服器，支援 Snowflake、Databricks、BigQuery、Hex 等應用。

**從 MCP 伺服器分發技能**

供應商常於 MCP 伺服器旁發佈技能，讓 Agent 獲原始能力與使用指南。Canva、Notion、Sentry 等已在 Claude 網頁目錄實現。

為跨客戶端可攜，MCP 社群積極開發擴充，直接從伺服器傳遞技能，讓客戶端自動繼承相關專業，與依賴 API 版本化。預期擴充穩定後廣泛採用。

**MCP 作為複合通用層**

連結外部系統的三途徑，成熟整合將三者並用：API 為基礎、CLI 適用本地、MCP 服務雲端 Agent。

隨著生產 Agent 移雲，MCP 成關鍵層且具複合效應。今日遠端伺服器已觸及所有相容客戶端，跨部署環境，協議處理認證、互動與豐富語意。隨著更多客戶端採用規範與擴充落地，同伺服器無需更新即更強大。

若目標為雲端生產 Agent 觸及系統，建構優秀 MCP 伺服器並套用上述模式。每個 MCP 整合皆強化生態：減少獨力解決邊緣案例、維護客製整合。

## 標籤

Agent, MCP, 教學資源, Anthropic, Claude