AI 代理程式 vs MCP？何時使用各自其中之一（以及何時需要兩者都用）

AI 代理程式會決定要採取哪些行動以達成目標，而 MCP 則是將它們連接到外部工具與資料的開放標準，而複雜任務通常需要兩者都用。

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

AI 代理程式是會自主決定自己的行動與工具呼叫，以達成特定目標的軟體；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 代理程式能與應用程式互動並查詢資料庫，以完成任務。

本文將說明代理程式與 MCP 是什麼、兩者有何不同，以及它們如何運作。你也會了解何時該單獨使用各自其中之一，以及何時應將代理程式與 MCP 搭配使用。

AI 代理程式與 MCP 有何不同？關鍵差異。

AI 代理程式是獨立的執行者，負責決定要採取什麼行動來解決問題；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機制。

維度

AI 代理程式

MCP

是什麼

使用大型語言模型（LLM）、工具，並以迴圈方式運作來達成目標的軟體

連接 AI 應用程式與工具及資料的開放協定

角色

決定下一個動作並執行下一步的執行者

公開工具、資源與提示詞的連接機制

它會做決定嗎？

會，在其擁有的權限範圍內

不會；它只傳遞請求與結果

在哪裡執行

在 AI 應用程式內部

作為用戶端到伺服器的連線，連接到獨立工具伺服器

什麼是 AI 代理程式，它如何運作？

AI 代理程式是一種軟體系統，會自主選擇最佳行動方案來完成任務。

例如，當用於研究時，AI 代理程式會分析研究問題，將其拆解為子問題，把每個子問題委派給會跨不同來源尋找相關資訊的子代理程式，然後再「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，並將輸出整理成一份報告。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 代理程式依賴三個元件：

  • 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，資料庫或 API，可讓它存取資訊並執行動作。
  • 記憶： 跨區段使用的短期工作階段上下文與長期儲存知識

代理程式在預設防護範圍內運作（例如，不要使用超過 3 年的來源或二手統計彙整），但它們會自行決定如何完成任務。

這種自主選擇如何達成目標的能力，正是 AI 代理程式與 AI 工作流程的區別。後者遵循預先定義、確定性的路徑，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，它是一種安全且標準化的方式，讓像 Perplexity 這類 AI 應用程式連接到外部工具與資料來源。

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，以及我用來進行時間追蹤的 Clockify 都存放在那裡。

因為如此，它知道我在特定月份需要完成哪些工作，以及類似任務過去花了多久，因此可以在我的行事曆中預留足夠時間，並評估我是否還有餘裕承接其他工作。

MCP 是共享協定，因此只要雙方都支援 MCP，任何 AI 工具都能存取任何應用程式，而不需要開發者編寫客製化連接；這就像 REST API 的情況一樣。

從技術層面來看，MCP 由三個要素組成：

  • MCP Host： 協調並管理用戶端的 AI 應用程式（例如 Perplexity）
  • MCP Client： 主機內部支援連線至 MCP 伺服器並將資訊傳送給 MCP 主機的「代理人」
  • MCP Server： 資料庫或 SaaS 應用程式等資源的前端，讓 MCP 用戶端得以存取其功能（Notion、Google Calendar、Clockify 等）。

何時該使用代理程式、MCP，或兩者都用。以及何時兩者都不需要。

在 AI 代理程式與 MCP 之間做選擇，歸根究柢只是一個問題：你是需要協助完成複雜任務，還是想把 AI 工具連接到外部資源？

不過，並非所有任務都需要具備代理能力的 AI，而那些需要的任務通常也同時需要 MCP。

以下將更細緻地說明何時使用各自其中之一、何時一起使用，以及何時應採用其他選項：

  • 當你無法預測精確步驟，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。
  • 使用具有直接工具呼叫的工作流程，來完成步驟固定的例行任務。
  • 身為開發者，當你希望你的應用程式與現有及未來的 AI 工具相容時，請使用 MCP。
  • 身為終端使用者，請使用 MCP，透過將你的 AI 助理連接到其他應用程式與資源，來提升它的能力。
  • 當你想解決需要自主性，以及存取第三方工具與資料來源的複雜、獨特任務時，請將 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

具有直接工具呼叫（透過 API）的預定義工作流程

你希望許多 AI 應用程式都能連接到你的應用程式或資源

MCP

你希望讓你的 AI 助理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 如何協同運作？

AI 代理程式決定要做什麼，而 MCP 負責將每個請求傳送到相關應用程式。

想像你是某間小型線上商店的店主，想知道上個月銷售額為什麼下滑，因此請你的 AI 助理進行調查。AI 助理會部署一個代理程式，利用 MCP 取得所需資訊：

  1. 代理程式： 助理決定比較上個月的銷售額與前一個月。
  2. MCP： 它向電商平台查詢兩個月份各產品的銷售數據。
  3. 代理程式： 它發現某一項產品占了大部分下滑幅度，因此決定查看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量，並向廣告平台查詢其廣告成效。
  5. 代理程式： 庫存正常，但廣告在這個月過了一半後就停止投放，因此它決定找出原因。
  6. MCP： 它向廣告平台查詢該活動的歷史紀錄，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，建議提高上限或重新分配預算，並將決定權留給店主。

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

代理程式與 MCP 的風險與防護範圍

透過 MCP 將自主 AI 代理程式連接到其他工具與應用程式，會使你面臨風險。常見疑慮包括：AI 代理程式擁有超出需求的存取權，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

防護範圍

間接提示注入

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

將外部內容視為不受信任，並手動核准高影響力操作。

工具投毒（以及「rug pulls」）

隱藏在連接器自身描述中的指示，AI 看得到，但使用者看不到。

在「rug pull」中，連接器會在你核准後更改其描述。

只使用經你親自核准的連接器，並在之後再次檢查。

過度自主性

AI 擁有的存取權比任務所需還多。

只為每個連線提供任務所需的最低存取權限。

假連接器

有人發布了官方 MCP 連接器的假冒版本，內含惡意程式碼。

只從可信來源安裝連接器。

使用 Perplexity 代理程式與 MCP

Perplexity 以雙向方式使用代理程式與 MCP。它的代理程式，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 連接到 Perplexity，以驅動其研究。

Perplexity Computer 是一個通用型 AI 代理程式，使用 MCP 與第三方服務連接。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。

連線也可以反向運作。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，並取得包含標題、URL 與摘要的結果，或是指派 Computer 執行一項多步驟任務。

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，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體工具，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 代理程式可以使用 MCP 存取來自另一個軟體應用程式的資料，以實現指派的目標。

MCP 與代理程式技能有什麼不同？

MCP（Model Context Protocol）將 AI 工具連接到外部應用程式與資料，而代理程式技能則是可重複使用的指令、腳本與資源，可教導 AI 代理程式如何完成專門任務並設下防護範圍。

MCP 和 API 一樣嗎？

不，MCP 和 API 並不相同。API 讓一段軟體依照開發者預先建立的規則去呼叫另一段軟體，而 MCP 則讓 AI 代理程式看到可用的功能，並在不需要開發者事先編寫連線的情況下，決定要呼叫哪些功能。

不過，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）則是連接 AI 代理程式。團隊可以同時使用兩者，由 MCP 負責工具整合、A2A 負責代理程式之間的協作。

MCP 與 RAG 有何不同？

RAG（檢索增強生成）是一種讓 AI 工具利用外部知識來源中可靠資訊來支撐回答的系統，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。

非開發者也能使用 MCP 嗎？

可以，只要將支援 MCP 的 AI 工具連接到已支援它的服務，就不需要寫任何程式碼。例如，Perplexity 使用者可以透過 MCP 連接 Gmail、ClickUp 或 Figma 等熱門應用程式。