文章專區

▲ 今年 4 月在巴黎舉辦的 2025 巴黎區塊鏈週（ Blockchain Week ），MCP 與現實世界資產（real world asset, RWA）的發展受到各家新創產業與創意投資的關注。（作者提供）

生成式人工智慧（generative artificial intelligence, GAI）正以前所未有的速度滲透到人類生活的各個領域，從文學創作、程式設計、數據分析到法律合約生成，應用範圍之廣令人驚嘆。作為一名長期關注人工智慧（artificial intelligence, AI）發展的參與者，筆者有幸於今（2025）年3月親自參加巴黎的全球AI大會，並於7月在日內瓦的AI for Good峰會中與國際專家深入交流。這兩場盛會不僅展示了生成式AI的突破性進展，更揭示了當前技術與社會面臨的深層挑戰：如何在快速創新的同時，解決語言與格式的相容性、資料轉譯的精準性、跨模態內容整合的難題，以及生成內容的溯源與驗證機制等迫切需求。在這樣的背景下，多格式內容協議（Multi-format Content Protocol, MCP）應運而生。它不僅是一套技術規範，更是一種前瞻性的設計，旨在為生成式AI的未來治理與跨平臺協作奠定基礎，開啟內容互操作與信任驗證的新篇章。

AI整合困難，MCP展現潛力

生成式AI的崛起，背後是數十年技術演進的積累。從1950年代的規則基礎系統（例如Logic Theorist）到1980年代的符號AI（以專家系統模擬人類推理），再到1990年代機器學習的突破，AI的發展歷程充滿了里程碑式的轉變。2010年代深度學習的興起，特別是基於Transformer架構的大型語言模型（large language model, LLM）與生成對抗網絡（generative adversarial network, GAN）的問世，徹底改變了AI的能力邊界。如今，生成式AI已廣泛應用於多個領域：在創意產業中，AI能創作逼真的圖像、音樂與文學作品；在企業場景中，自動化報告生成與數據分析提升了效率；在醫療與法律領域，AI輔助診斷與合約起草正逐步成為主流。然而，隨著應用的深化，技術瓶頸與倫理挑戰也日益顯現。不同模型間的輸出格式缺乏統一標準，導致跨平臺協作困難；格式轉換過程中的語意失真風險增加；生成內容的來源與真實性難以驗證，引發了社會對AI透明度與可信度的廣泛質疑。

在今年3月的巴黎AI大會上，全球頂尖研究者與政策制定者針對AI的互操作性問題展開激烈討論，強調需要一個標準化的框架來實現模型間的無縫協作。7月在日內瓦舉辦的AI for Good峰會，進一步聚焦AI的社會影響。許多專家認為，未來AI系統必須具備可驗證的內容生成機制，以確保它的輸出在倫理與法律層面的可信度。這些討論無不指向一個核心問題：如何在生成式AI的快速擴張中，建立一個既能促進技術整合、又能保障內容透明的生態系統？MCP正是在這樣的背景下被提出，希望透過一套標準化、可驗證、可追溯的內容協議，打破不同AI模型與平臺間的隔閡，讓生成內容得以跨語言、跨格式、跨模態自由流動，並以統一的鏈上內容物件形式呈現。這種設計不僅解決了當前AI技術的語意斷層與格式落差，更為未來AI與AI、AI與人類之間的協作搭建了語意橋梁。

過去，生成式AI的應用受限於單一平臺或特定API接口，導致輸入與輸出的格式難以互通。例如一段AI生成的文字若要轉為可閱讀的合約PDF，或從視覺素材生成可編輯的PowerPoint簡報，常常需要借助額外工具進行格式轉換。這不僅耗時費力，還可能因轉換過程導致資訊失真或語意誤判。隨著生成式AI在2020年代的蓬勃發展，這類問題愈發顯著：不同模型間的格式壁壘阻礙了跨平臺協作，而生成內容的來源與真實性也面臨社會質疑。這些挑戰在2025年巴黎AI大會與日內瓦AI for Good峰會上被廣泛討論，凸顯了標準化內容協議的迫切需求。於是MCP在這樣的背景下應運而生。2024年11月，由美國AI公司Anthropic的工程師帕拉（David Soria Parra）與史帕 –桑默斯（Justin Spahr-Summers）提出，MCP靈感源自語言伺服器協議（language server protocol, LSP），旨在透過一套標準化、可驗證、可追溯的內容協議，實現不同AI模型間的無縫互通，並將生成內容統一封裝為一個鏈上可識別的「內容包」（content packet）。簡單來說，MCP就像一座「數位橋梁」，跨越生成式AI在格式與語意上的斷層，讓內容在不同平臺與語言間自由流動。

▲ 筆者參與 7 月在日內瓦舉辦的 AI for Good 峰會，會場上探討 AI 的最新應用與永續發展的結合。（作者提供）

MCP的開發緣起初步應用

MCP的起源可以追溯到美國Anthropic公司對AI應用整合挑戰的深入探索。隨著大型語言模型在2020年代中期快速進化，開發者發現，儘管這些模型在單一任務上表現出色，但跨平臺、跨模態的內容整合卻成為了瓶頸。2023年，美國OpenAI公司的「功能調用」（function-calling）應用程式介面（application program interface, API）與該公司的聊天機器人ChatGPT擴充框架曾嘗試解決類似問題，但這些方案多為特定供應商專屬，缺乏通用性。Anthropic的團隊意識到，AI的未來需要一個開放標準來打破「M×N整合問題」（即M個AI應用需與N個資料源逐一整合的複雜性）。他們參考了語言伺服器協議的成功經驗，該協議曾標準化程式語言與開發工具間的互動，進而設計出MCP，旨在為AI內容生態提供類似的通用接口。MCP不僅解決格式相容性問題，還透過區塊鏈或加密時間戳技術，確保內容的可追溯性與可信度，為生成式AI的協作與治理開闢新路徑。

MCP的設計動機源於生成式AI的兩大核心困境。首先，隨著AI模型功能日益強大，缺乏統一的資訊接口使得跨模型協作困難重重。例如一個語言模型生成的報告無法直接被影像生成模型識別，導致內容整合效率低下。其次，隨著AI應用滲透到新聞、法律、教育等領域，社會對生成內容的可信度要求日益提高，卻缺乏可靠的溯源與驗證機制。MCP的解決方案是將每次生成的內容（無論是文字、圖表或多語言版本）包裝成一個標準化的內容包，內含元數據（metadata，例如生成時間、模型版本）、語意結構和使用授權等資訊。這些內容包透過區塊鏈或加密時間戳存證系統註冊，確保來源可追溯、內容可驗證，猶如為每份AI輸出附上一個「數位身分證」，讓後續使用者（無論是人類還是其他AI）都能輕鬆理解內容的來源與結構。

舉例來說，想像一位行銷人員用AI生成了一份市場分析報告，並希望同時產出簡報、摘要和中英日三種語言版本。過去，這需要手動整合不同工具的輸出，過程繁瑣且容易出錯。而MCP框架會自動將這些內容整合為一個內容包，記錄每份內容的生成邏輯、格式關聯和授權規則，並透過區塊鏈註冊時間戳，讓接收者（例如客戶或同事）能驗證內容的真實性與完整性。這不僅提升了內容的可信度，也為AI與AI之間的協作奠定了基礎。例如另一個AI模型可以直接讀取這個內容包，進一步生成視覺化圖表或延伸分析，而無需重新解析原始數據。

目前，MCP的應用尚處於原型階段，但已有初步成果展現出潛力。例如MCP Protocol創始團隊與MCPFoundation合作，展示了一個跨平臺應用案例：AI生成了一份包含原始文本、數據圖表和多語系翻譯的報告，並透過MCP一鍵導出為Markdown、HTML、PDF和簡報格式。每份輸出都帶有可驗證的元數據，確保內容一致性與來源透明。此外，在Web3開發者與內容創作者社群中，MCP已被用作API中介層，實現內容的溯源追蹤與智慧授權，例如允許創作者設定「僅限特定平臺使用」的規則。這些案例顯示，MCP不僅解決了格式相容性問題，還為內容治理開闢了新可能性。未來，若MCP能與Notion、Figma等主流平臺或OpenAI、Anthropic等大語言模型整合，將進一步簡化跨模態內容創作與分享。

MCP的另一大優勢在於「內容原生格式」的抽象化設計。與PDF或Word等傳統格式不同，MCP將內容的語意結構與呈現形式分離（稱為解耦，decoupling），讓同一份內容能靈活轉換為不同格式，猶如將內容比喻為「液態數據」，可根據需求自由塑形。這對於生成式AI尤為重要，因為當前AI模型在處理複雜結構化文件時，常因格式限制而表現不穩定。MCP提供了一個統一的語意封裝機制，確保內容在跨平臺轉換時不失真。

MCP的挑戰與臺灣機會

然而，MCP的實作之路並非一帆風順，而是面臨多重挑戰。首先，抽象化的設計雖然為內容互通提供了靈活性，但也可能提高開發者的學習門檻。對許多程式設計師來說，適應MCP的標準化協議需要額外時間與技術訓練，可能導致初期推廣速度緩慢。其次，若缺乏主流平臺的積極支持，例如Notion、Figma或大型AI模型如Claude、Gemini的整合，MCP可能難以突破小眾技術社群，無法觸及更廣泛的大眾應用場景。此外，如何在確保內容溯源與可信度的同時保護用戶隱私也是一大挑戰。例如，存證系統若公開過多生成內容的元數據，可能無意間洩露敏感資訊，需設計精細的隱私保護機制來平衡這一矛盾。儘管如此，MCP的潛力無可否認。它就像網際網路早期的HTML與HTTP，透過標準化協議為AI內容的互操作性奠定基礎，有望成為數位內容生態的關鍵支柱。

從全球視角來看，MCP的發展將深刻影響內容創作與數位治理的未來。若能與Anthropic的Claude、Google的Gemini等主流AI模型或Slack、Adobe等工具鏈實現深度整合，MCP的影響將遠超技術層面，重塑知識產權、內容分享與協作的規則。例如創作者能更輕鬆地管理AI生成內容的版權與使用權限，企業也能透過標準化的內容包提升跨國協作效率。對臺灣而言，這類協議型創新尤具戰略意義，臺灣擁有蓬勃的內容創作者社群與領先的AI研發人才，若能積極參與MCP的標準制定與應用落地，不僅能為全球數位內容生態貢獻力量，更可在生成式AI與新世代數位治理的浪潮中搶占先機，成為國際標準的領跑者。