MCP大語言模型超級外掛提升 AI 生產力

來源影片：https://youtu.be/Tx17S5VU640

MCP 核心功能與效益

• 實現低成本、高質量輸出。
• 實現類似 Deep Research 功能，但成本更低 (例如 Claude + Sequential Thinking + Tavily MCP，只需一美金)。
  • Sequential Thinking MCP：讓LLM處理多步驟推理任務時，保持更強的邏輯和連貫性。能把複雜任務拆成清晣步驟，當有新資訊時也能靈活調整思考路徑。
  • Tavily MCP：優化過的模型搜索引擎
• 洞見
  • 此種結合搜尋、思考的過程很費Token，這也是目前openai的Deep Research仍很貴的原因。
  • 在移除 Sequential Thinking 後，答案簡化許多。

MCP 類型與範例

MCP哪裡找？

• MCP.so，由idoubi開發，目前收錄有超過3000個MCP

建議優先使用三類MCP

• 搜尋相關：
  • Perplexity (搜尋)
  • Tavily (搜尋)
  • Fetch (爬蟲)
  • Firecrawl (爬蟲)
• 資料相關：
  • FireSystem (調用本地文件)
  • Github (接入代碼倉庫)
• 工具相關：(看名字就知跟什麼軟體相通)
  • Blender
  • Figma
  • Slack

MCP 接入方式與範例

1. 本地 (STDIO - 標準輸入輸出流)：

• 例如：Cursor、Claude, ChatWise。
• 操作範例：ChatWise 添加 Sequential Thinking (STDIO) ，需填寫 GitHub 規定的參數，無需 API Key。

npx -y @modelcontextprotocol/server-sequential-thinking

• Tavily 本地運行範例：ChatWise 通過 STDIO 與其通信，Tavily 伺服器再通過 HTTP 請求調用遠程 Tavily API 進行搜尋。

npx -y [email protected]

TAVILY_API_KEY=...

2. 雲端 (SSE - 基於 HTTP 的遠程通信方式)：

• 例如: MCP.so 收錄的伺服器。
• ChatWise 添加 FireCrawl (SSE) 範例：只需填寫 MCP.so 生成的連結。

https://router.mcp.so/sse/qnrwywm8h0wqz1

就算是本地端的MCP Server，也有連網調用的能力。例：透過Travily MCP調用相關API，也能達到連網搜尋的目的。

複習MCP 使用流程

1. 尋找 MCP 伺服器: 使用 MCP Sol 尋找所需 MCP。
2. 本地運行: 參考 GitHub 說明，填寫參數和環境變量。
3. 雲端運行: 將 MCP Sol 生成的連結填入客戶端設定。

練習建議

• 練習使用 Tavily，使用SSE。
• 練習使用 FireSystem，使用STDIO。