MCP 伺服器、工具使用和 Agent 技能：了解現代 AI 開發的層次
AI 原生開發加速，越來越多工程師將像 Claude、Cursor 及 VS Code AI 擴充套件等工具整合進工作流程。但混淆亦常見：
本文會清楚、實用地解釋這三個概念、界限，以及它們如何塑造新世代軟件開發。
MCP（模型上下文協議，Model Context Protocol）由 Anthropic 創立，是讓 AI 模型標準化地存取外部資源、API、工具、數據庫或內部系統的方法。
核心有三個要素：
而且，這些在 MCP 以外，但經常被混淆：
理解這些層次有助於你設計更好的 AI 工作流。
在談 MCP 工具或 Claude 程式碼技能前，先要了解「工具」在 AI 世界裡的意義。
在現代 LLM 系統中，工具指的是：
AI 模型可呼叫的外部操作，使其能在現實世界中執行動作，不只是產生純文字。
工具賦予模型行動能力。工具可以是任何東西：
當模型決定呼叫工具時，它就跳出了純語言，執行有實際影響的行動。
工具的出現，是因為純文字模型的能力很快會遇到天花板。
模型能解釋、推理、草擬程式碼，但不能真正 觸碰 你的系統。它不會自己查詢資料庫、變更檔案、呼叫 API、部署雲端、或執行多步驟的繁複操作。
當你將一系列工具交給模型，這些斷層便消失。模型獲得一個受控方式，能與真實基礎架構互動，同時你依然能嚴格設定它能做甚麼及如何做。工具帶來了結構、安全，以及文字模型一直無法具備的執行層。
工具由契約定義：
模型看到這種定義時，能：
工具實際上讓 LLM 成為協調者。
常有人誤解工具，覺得它比實際更強大。其實工具不是智能，不包含商業規則、權限、或工作流程邏輯。一個工具只是模型可呼叫的、細分的小操作，僅此而已。你看到的多步工作流、決策等，並非工具本身，而是模型把數個工具串連運用與推理。
現代 agent 框架－OpenAI Functions、Claude Tools、MCP、LangChain－原理一致：LLM 只有能實際行動時才真正有用。只說話不夠，模型必須能入手現實世界。
工具正是讓這一切可能發生的那層。它們連接了模型推理與你系統的真實能力，並在受權管制下進行。這個橋樑使 AI 不再只是被動產生文字，而是成為能提取數據、變更檔案、協調工作流、甚至觸發後端流程的操作員。
因此，工具使用已悄然成了今日幾乎所有嚴肅 AI 應用的基礎，從 IDE 助手、後台自動化到 DevOps copilots、IAM 自動化、數據 agent 和企業級工作流引擎。MCP 正是在這基礎上，為這些工具的暴露帶來一致的協議，標準化模型發現與互動真實系統能力的方式。
你可以把 MCP 伺服器想像成，一個向 AI 助手暴露經過精選的能力的後端服務。不是讓模型無限制隨意存取系統，而是把你願意讓它使用的一部分包裝起來：內部 API、身份認證邏輯、資料庫操作、業務工作流或權限驗證等。
例如，一個 IAM 平台（如 Logto）可藉此暴露如下操作：
MCP 伺服器價值在於這些能力的結構化管理。
不用到處散布整合，每樣能力都在一個定義明確的接口後面。這帶來數個實際好處：
因此，MCP 伺服器特別適合需要正確性和存取控制的場景－身份系統、支付、CRM、DevOps 和內部管理工具。
上一節說了工具，工具不是伺服器，而是伺服器內部的單一行動。
工具範例：
create_organizationinvite_memberlist_applicationsgenerate_backend_snippetinspect_user_access工具特性：
但不會自行維護上下文或提供安全政策。它們只是經由 MCP 暴露的「函数」。
Claude 程式碼技能不是 MCP 的一部分。
它是 Claude 在如下環境的內建能力：
程式碼技能範例：
Claude Code 無法做的：Claude 程式碼技能不能管理組織權限、存取租戶數據、執行安全商務流程、直接呼叫你的內部基礎架構、或修改受保護的生產資源。這些正正是 MCP 存在的原因。
簡單講：
它們互補，而非互相取代。
MCP 伺服器解決了 AI 開發的一個基礎問題：模型對你的內部系統一無所知，除非你用結構化、安全的方式把那些資源暴露給它。否則，模型只能猜、套公式、或產生根本無法執行的指令。
MCP 伺服器正是這條缺失的橋。你可在可控的地方暴露內部功能，用自己的規則，同時確保安全邊界。這樣設定後，模型能獲得真實能力，也絕不會繞過現有基建或權限邏輯。實際上，MCP 伺服器讓你：
這亦解釋了像 Logto 這類 IAM 平台和 MCP 的天然結合。
像權限、Token、組織、Scope、M2M 流程這些概念，正好可映射到 MCP 伺服器設計要鞏固的安全保證，令身份認證成為安全 AI 執行的骨幹。
| 場景 | 最佳選擇 |
|---|---|
| 跨多檔案程式碼編輯 | Claude 程式碼技能 |
| 執行簡單行動 | MCP 工具 |
| 曝露安全企業流程 | MCP 伺服器 |
| 整合內部後台能力 | MCP 伺服器 |
| 構建 AI 驅動產品功能 | MCP 伺服器 + 工具 |
| 讓開發者在 IDE 互動基礎架構 | Claude 程式碼技能 + MCP 伺服器 |
| 執行身份／存取權限操作 | MCP 伺服器 |
最強大的 AI 系統會結合三者：
合起來能做到：
這個組合把 AI 從「有用的聊天機器人」轉變成：
對於像 Logto 這樣的平台，更成為身份與授權的自然分發層。
MCP 伺服器
一個向 AI 曝露安全系統能力的後端服務。
MCP 工具
伺服器提供的原子行動，等同可呼叫的函數。
Claude 程式碼技能
理解程式並進行高階編輯的 IDE 智能－但本身不能存取安全系統。
三者合一：AI 能理解你的程式碼（Claude Code）、執行精確行動（工具）、並用內部系統跑安全流程（MCP 伺服器）。
這正是新一代 AI 驅動開發的基石。