AI 代理程式 vs MCP？何時使用各自功能（以及何時需要兩者）

AI 代理程式會決定要採取哪些動作來達成目標，而 MCP 則是將它們連接到外部工具與資料的開放標準，而複雜任務往往需要兩者。

Diagram of an AI agent's loop of planning, acting, and checking results, connected through MCP to external data, applications, and tools.

AI 代理程式是會自行決定其動作與工具呼叫，以達成特定目標的軟件，而 Model Context Protocol（MCP）則是一項開放標準，規範 AI 應用程式如何連接外部工具與資料。因此，MCP 讓 AI 代理程式可與應用程式互動並查詢資料庫，以完成任務。

本文說明代理程式與 MCP 是什麼、兩者有何不同，以及它們如何運作。你也會了解何時該使用其中一種，以及何時該將代理程式與 MCP 一起使用。

AI 代理程式與 MCP 有何不同？關鍵差異。

AI 代理程式是決定要做什麼以解決問題的獨立執行者，而 MCP 則是 AI 工具用來存取資料，並與其他應用程式一起執行任務的連接方式。

維度

AI 代理程式

MCP

是什麼

使用大型語言模型（LLM）、工具，並以迴圈運作來達成目標的軟件

用於將 AI 應用程式連接到工具與資料的開放協定

角色

決定下一個動作並執行下一步的執行者

暴露工具、資源與提示詞的連接方式

會決定嗎？

會，在其擁有的權限範圍內

不會；它只是傳遞請求與結果

運作位置

在 AI 應用程式內部

作為與獨立工具伺服器的客戶端到伺服器連線

什麼是 AI 代理程式，它如何運作？

AI 代理程式是一種會自主選擇最佳行動方案以完成任務的軟件系統。

例如，當用於研究時，AI 代理程式會分析研究問題，把問題拆解成子問題，將每個子問題分派給會從不同來源尋找相關資訊的子代理程式，並回報結果。

主代理程式會分析發現、調整研究策略、派遣更多代理程式補足缺口，並把輸出彙整成報告。隨著時間推移，它也會學習如何最有效率地執行這些子任務。

AI 代理程式依賴三個組成部分：

  • 推理核心： 解讀輸入、規劃並決定要做什麼的 LLM
  • 工具整合： 與外部系統的連接。例如，讓它能存取資訊並執行動作的資料庫或 API。
  • 記憶： 跨部分使用的短期工作階段上下文與長期儲存知識

這些代理程式在預設的護欄內運作（例如，不使用超過 3 年前的來源或二手統計彙整），但它們會自行決定如何完成任務。

這種可自行選擇如何達成目標的自主性，正是 AI 代理程式與 AI 工作流程的差異。後者遵循預先定義、可預測的路徑，非常適合不需要推理與決策的結構化、重複性任務。

什麼是 MCP，它如何運作？

MCP 代表 Model Context Protocol，是一種讓像 Perplexity 這類 AI 應用程式連接外部工具與資料來源的安全、標準化方式。

例如，我的個人 AI 助理會使用 MCP 連接到 Notion，我把所有客戶專案資訊、Google Calendar 以及 Clockify 都存放在那裡，而我則用 Clockify 進行時間追蹤。

多虧如此，它知道我在某個特定月份需要完成哪些工作，以及類似任務過去花了多少時間，因此它可以在我的行事曆中預留足夠時間，並評估我是否有空接受額外工作。

MCP 是共用協定，因此只要兩者都支援 MCP，任何 AI 工具都可以存取任何應用程式，而無需開發人員撰寫客製化連線，正如 REST API 的情況。

從技術層面來看，MCP 由三個元素組成：

  • MCP 主機： 負責協調與管理用戶端的 AI 應用程式（例如：Perplexity）
  • MCP 用戶端： 主機內部支援連線至 MCP 伺服器並將資訊傳遞給 MCP 主機的「代理」
  • MCP 伺服器： 資料庫或 SaaS 應用程式等資源的前端，讓 MCP 用戶端能存取其功能（Notion、Google Calendar、Clockify 等）。

何時使用代理程式、MCP，或兩者。以及何時都不需要。

在 AI 代理程式與 MCP 之間的選擇，其實可歸結為一個問題：你是需要協助完成一項複雜任務，還是想將 AI 工具連接到外部資源？

不過，並非所有任務都需要 agentic AI，而需要的任務往往也同時需要 MCP。

以下會更細緻地說明何時使用各自功能、何時同時使用，以及何時應選擇其他方案：

  • 當你無法預測確切步驟，且每一步都需要判斷與決策時，請使用 AI 代理程式來完成複雜任務。
  • 使用具直接工具呼叫的工作流程，來完成步驟固定的例行任務。
  • 作為開發者，當你希望你的應用程式能與現有及未來的 AI 工具相容時，請使用 MCP。
  • 作為終端用戶，請使用 MCP，透過將 AI 助理連接到其他應用程式與資源，提升其能力。
  • 當你想解決需要自主性及存取第三方工具與資料來源的複雜、獨特任務時，請把 AI 代理程式與 MCP 一起使用。

情境

最適合

開放式、多步驟目標

代理程式

固定、可預測的步驟

預先定義的工作流程，並透過 API 直接呼叫工具

你希望多個 AI 應用程式連接到你的應用程式或資源

MCP

你希望讓你的 AI 助理可存取其他工具或資源

MCP

需要存取多個外部系統的複雜多步驟任務

代理程式加 MCP

AI 代理程式與 MCP 如何一起運作？

AI 代理程式決定要做什麼，而 MCP 則將每個請求傳送到所涉及的應用程式。

想像你是某間小型網店的老闆，而你想找出上個月銷售額為什麼下跌，所以你請 AI 助理調查。AI 助理會部署一個使用 MCP 來取得所需資訊的代理程式：

  1. 代理程式： 助理決定將上個月的銷售額與前一個月比較。
  2. MCP： 它向電子商務平台查詢兩個月份的各產品銷售情況。
  3. 代理程式： 它發現某一項產品佔下跌的大部分，因此決定檢查該產品的庫存與廣告。
  4. MCP： 它向商店平台查詢該產品的庫存水平，並向廣告平台查詢其廣告成效。
  5. 代理程式： 庫存正常，但廣告在月中停止投放，因此它決定找出原因。
  6. MCP： 它向廣告平台查詢廣告活動歷史，並得知該活動已達到每月預算上限。
  7. 代理程式： 它回報最可能的原因，建議提高上限或調整預算，並將決定權留給店主。

由於每一步都取決於前一步的發現，你無法事先預測它們。代理程式會分析透過 MCP 取得的資料，並用以規劃後續行動。

代理程式與 MCP 的風險與護欄

透過 MCP 將自主 AI 代理程式連接到其他工具與應用程式，會使你暴露於風險之中。常見疑慮圍繞在 AI 代理程式擁有超出所需的存取權，以及第三方劫持 MCP 連線，例如透過間接提示注入或過度自主性。

在大多數情況下，解決方法是手動控制代理程式可存取的資訊、監控其活動，並且只使用來自可信來源的連接器。

風險

運作方式

護欄

間接提示注入

AI 所讀取內容中的隱藏指令，例如網頁、電子郵件或檔案。它會指示 AI 以彷彿來自其擁有者的方式去做某件事。

將外部內容視為不受信任，並手動核准高影響動作。

工具投毒（以及「rug pulls」）

連接器自身說明中的隱藏指令，AI 可以讀取，但使用者看不到。

在「rug pull」中，連接器在你核准後更改其描述。

只使用你親自核准的連接器，並在之後重新檢查它們。

過度自主性

AI 擁有超出任務所需的更多存取權。

只給每個連線任務所需的存取權。

偽造連接器

有人發布了官方 MCP 連接器的假冒副本，且帶有惡意程式碼。

只從可信來源安裝連接器。

使用 Perplexity 代理程式與 MCP

Perplexity 在雙向都使用代理程式與 MCP。其代理程式，例如 Computer，會使用 MCP 連接外部應用程式，而其他 AI 助理也可以透過 MCP 連接 Perplexity，以支援其研究。

Perplexity Computer 是一款通用 AI 代理程式，使用 MCP 連接第三方服務。它可以搜尋與瀏覽網頁、撰寫與執行程式碼、建立文件、讀寫電子郵件、在 Jira、Slack 或 Notion 等工具中管理任務，以及更多功能。

這種連線也可反向運作。支援 MCP 的 AI 助理，例如 Claude、ChatGPT 或 Cursor，可以使用 Perplexity 的 MCP 伺服器執行網頁搜尋，並取得帶有標題、URL 與摘要的結果，或指派 Computer 完成一項多步驟任務。

常見問題

AI 代理程式與 MCP 是一樣的嗎？

不是，AI 代理程式與 MCP 並不相同，而且各自解決不同問題。AI 代理程式是可自主完成使用者任務的軟件工具，而 MCP 則是讓 AI 工具存取其他應用程式的標準化方式。

AI 代理程式與 MCP 經常一起運作。AI 代理程式可能使用 MCP 來存取另一套軟件應用程式中的資料，以實現被指派的目標。

MCP 與 agent skills 有何不同？

MCP（Model Context Protocol）可將 AI 工具連接到外部應用程式與資料，而 agent skills 則是可重複使用的指令、腳本與資源，用來教導 AI 代理程式如何執行專門任務並設定護欄。

MCP 與 API 一樣嗎？

不是，MCP 與 API 並不相同。API 讓一個軟件以開發人員事先建立的規則呼叫另一個軟件，而 MCP 則讓 AI 代理程式看見可用的功能並決定要呼叫哪些功能，而無需開發人員事先編寫連線。

話雖如此，MCP 伺服器通常會使用 API 與工具連接。

MCP 與 A2A 有何不同？

MCP（Model Context Protocol）將 AI 代理程式連接到工具與資料，而 A2A（Agent2Agent）則連接 AI 代理程式。團隊可以同時使用兩者，由 MCP 處理工具整合，而由 A2A 處理代理程式之間的協作。

MCP 與 RAG 有何不同？

RAG（retrieval-augmented generation，檢索增強生成）是一種 AI 工具用來將答案建立在外部知識來源可靠資訊上的系統，而 MCP 則是將 AI 應用程式連接到外部資料與工具的標準。因此，RAG 可以使用 MCP 來存取其知識庫。

不當開發者也能使用 MCP 嗎？

可以，你可以透過將支援 MCP 的 AI 工具連接到已支援該協定的服務，而無需撰寫任何程式碼。例如，Perplexity 使用者可以用 MCP 連接到 Gmail、ClickUp 或 Figma 等熱門應用程式。