Che Chia Chang
Che-Chia Chang 是一名專注於後端開發、開發維運、容器化應用及 Kubernetes 開發與管理的技術專家，同時也是 Microsoft 最有價值專業人士（MVP）。
活躍於台灣技術社群，經常在 CNTUG、DevOps Taipei、GDG Taipei、Golang Taipei Meetup 等社群分享 DevOps、SRE、Kubernetes 及雲端運算相關技術。致力於推動開發與維運的最佳實踐，並熱衷於研
究與應用最新的雲端與 AI 技術。
個人部落格：https://chechia.net
Beitrag
Model Context Protocol（MCP）是一項由 Anthropic 推出的開放標準，旨在為大型語言模型（LLMs）提供一種標準化的方式，以連接和操作各種資料來源（如本地檔案、資料庫）和工具（如 GitHub、Google Maps）。MCP 的目標是簡化 AI 應用與外部資源的整合過程，類似於 USB-C 為實體設備提供通用連接介面。
隨著 AI 技術的快速發展，AI 助手需要與各種資料來源和工具進行互動，以提供更豐富和個性化的服務。Model Context Protocol（MCP）作為一種開放標準，為 AI 應用提供了一種統一且安全的方式，>連接到不同的資料來源和工具。
本場演講將介紹 MCP 的架構、設計原則與實作範例，並展示如何使用開源 mcp-server 快速打造一套具備上下文共享、工具調用與多模型協作能力的 Agent Server。最後將透過實機 Demo 展現 MCP 在真實 AI Workflow 中的應用潛力。
演講大綱
- 問題背景與動機
- AI 助手在實際應用中面臨的挑戰：需要訪問多種資料來源和工具，現有整合方式的限制：開發成本高、維護困難
- 認識 Model Context Protocol（MCP）MCP 的定義與目標
- MCP 的核心架構：主機、客戶端、伺服器
- MCP 如何簡化 AI 應用與外部資源的整合
- MCP 的工作原理
- MCP 如何建立 AI 應用與資料來源/工具之間的橋樑
- MCP 的模組化設計如何支持功能擴展
- 使用 mcp-server 快速建立多工 Agent Server
- mcp-server 的功能與架構
- 如何使用 mcp-server 整合多個 Agent 和工具
- 實作示範：建立一個能夠協作完成任務的多 Agent 系統
- 實際應用案例與未來展望
- MCP 在企業助手、開發工具等領域的應用
- MCP 的安全性與擴展性
- 未來 AI 系統與 MCP 的整合趨勢