系列:Claude Code 自動化指南(2/3)
- Claude Code 原生只能讀檔案、跑 bash 指令,碰不到 Figma、Slack 這類外部工具。
- MCP 是開放協定,任何人都能打造工具、並把它暴露給 AI agent 使用。
- 加上一台 MCP server,Claude 就能用到它暴露的所有工具,而且有數千個公開 server 可直接接。
目錄
Claude Code 開箱能做兩件事:讀取檔案、執行 bash 指令。這已經足夠讓它在你的專案裡打轉——看程式碼、跑測試、改檔案。
但工程師的世界不只有本機檔案。你的設計稿在 Figma、討論串在 Slack、資料散落在各種外部服務裡。這些東西 Claude Code 預設是碰不到的。
要把這些外部工具接進來,靠的就是 MCP(Model Context Protocol)。
MCP 是什麼
MCP 是一個開放協定,讓任何人都能打造工具、並把這些工具暴露給 AI agent 使用。
換句話說,它定義了一套「工具作者」與「AI agent」之間的共通語言。工具作者按照這個協定把能力包成一台 MCP server,AI agent 只要會講 MCP,就能發現並呼叫這台 server 上的工具——雙方不需要為彼此寫客製化的整合程式碼。
對 Claude Code 來說,這代表它的能力邊界不再被「讀檔 + bash」框死,而是可以往外延伸到任何有 MCP server 的服務。
加一台 MCP server 會發生什麼
流程很直接:你新增一台 MCP server,Claude 就取得這台 server 所暴露的全部工具。
- 接上一台 Figma 的 MCP server → Claude 能存取你的 Figma 檔案
- 接上一台 Slack 的 MCP server → Claude 能讀取 Slack 的內容
你不需要一個一個去教 Claude「Figma 的 API 長怎樣」「Slack 要怎麼呼叫」。這些細節都封在 server 那一側;Claude 只是照著 MCP 協定,把 server 說「我有這些工具」的清單拿過來用。
flowchart LR
A[Claude Code<br/>讀檔 / bash] -->|MCP 協定| S1[Figma MCP Server]
A -->|MCP 協定| S2[Slack MCP Server]
A -->|MCP 協定| S3[其他公開 MCP Server]
S1 --> F[Figma 檔案]
S2 --> K[Slack 內容]
S3 --> X[外部服務]
數千台現成的 server
MCP 之所以實用,關鍵在於生態:你能立刻接上數千台公開可用的 MCP server。
也就是說,多數情況下你根本不必自己寫。想讓 Claude 連上某個常見服務時,先看看社群有沒有現成的 MCP server——通常都有。你要做的只是把它接上去,Claude 就多了一整組新工具。
而因為 MCP 是開放協定,這些 server 不是綁死在單一 AI 應用上的:同一台 server,任何支援 MCP 的 agent 都能共用。工具作者維護一份實作,整個生態都受惠。
小結
Claude Code 本體只有讀檔和跑 bash,但 MCP 把這個邊界打開了。它的核心概念只有三句話:
- MCP 是開放協定,任何人都能打造並暴露工具給 agent。
- 加一台 MCP server,Claude 就拿到它暴露的所有工具。
- 已經有數千台公開 server 可以直接接。
對工程師最實際的起點,就是找找你天天在用的服務(Figma、Slack、資料庫……)有沒有現成的 MCP server,接上一兩台,親自感受一下 Claude Code 從「本機助手」變成「連得上你整個工具生態」是什麼感覺。
參考資料
AI 只根據這篇文章內容回答。點下方任一問題,或直接開右下對話框。
相關標籤
相關文章
對話即文件:用 Claude Code 把 Debug 過程直接變成文章
把對話當成可寫成文章的材料:用結構化 prompt 與範本,讓 Claude Code 自動把 debugging thread 轉為可發佈的技術文章。
RAG 五階段:從流水線到會思考的檢索,以及我站上那個 Naive RAG
RAG 這兩年從『線性流水線』演化到『循環推理』,可以用五階段梳理:Naive、Advanced、Modular、Graph、Agentic。分水嶺是控制權從管線移交給 Agent,範式從 System 1 進到 System 2。回頭看 engineer-news 這個站的實作,其實還卡在 Naive RAG 邊界——這篇順便把它的下一步應該補什麼寫清楚。
想蓋一個能用的 RAG:InfiniFlow 2024 年度總結給我的 5 個 infra 功課
上一篇拉高看 RAG 五階段全景,這篇拉近看實際想蓋一個 RAG 要面對的 5 個 infra 功課:文件入口解析、Chunking 上下文化、三路混合搜尋、Tensor Reranker、GraphRAG 語意鴻溝。每個功課都對照 engineer-news 現況,收尾給出對個人站的優先順序清單。