🤖 【客座文】 MCP 的發展將取代 AI 工作流平台
作者 : 洪大倫 光明頂創育智庫創辦人，原文發表於臉書
過去幾年，AI自動化的需求暴增，帶動了一波工作流平台的風潮。Make、n8n、Dify 這類工具紅遍半邊天，許多人都靠它們來讓繁瑣的流程變得自動化，但如果你以為工作流平台已經是終極解法，那你可能要準備迎接下一場變革了。MCP（Model Context Protocol）正在悄悄崛起，未來這類架構的發展，很可能讓傳統的工作流平台變成「老時代」的產物。
我不是在唱衰工作流平台，雖然它們的確改變了許多AI的操作方式，讓原本需要人工處理的一大堆步驟變成自動化流程。問題是，這種「線性」的方式終究有它的極限——就像堆積木一樣，每個動作都要按順序來，稍微有一點變化或邏輯不對，整個流程就可能崩掉。
簡單說對許多人而言，串接這些工具與流程，還是非常麻煩的事。你得自己理解邏輯，拉線去串，去個別平台申請帳號，還要設定各種參數，種種區塊的串接並不那麼直覺，總是令人困惑。試想，你如果要解決100種問題，你就得組裝出100個線性的流程，真有可能這會是人類使用AI自動化的未來嗎？我一直都保持高度的質疑。
MCP的架構就完全不同，它以圍繞在一個特定的客戶端軟體為核心，由於它是 Anthropic 開源的協定，所以我就以 Claude 為例。你只要自己串接好各式的服務MCP，Claude 就會自己判斷要啟動哪個伺服器來獲得它需要的資料。
我們很自然可以預期到，這個中心點的 Claude 倘若能自主代理你的目的，自主調用各種伺服器來達成它要的目的，那麼你根本不需要像現在的AI工作流平台那樣，還要自己去建一個又一個的「生產線」，Claude自己就能完成這些任務。
這週最大的AI新聞就是Manus，當我看到這產品出現的時候，就感覺它背後應該是以 Claude 大模型為基礎，這兩天果然被證實是如此。我認為未來 MCP 的發展就應類似這樣，使用者只需要熟悉一個UI介面（ex：除了Claude，也可以是ChatGPT/Gemini/Grok），你從此不再需要學其他SaaS平台怎麼使用，都只需要在同一個介面裡對AI打字講話，剩下的就是交給AI去幫你實現。
MCP就像是軍火，你把各式各樣的軍火武裝在 Claude 上，接著你只需要跟它說：「拿下10公里外的碉堡」，他就會自主判斷手邊有哪些軍火可以達成目標，接著自動幫你完成任務。
MCP現階段的缺點與發展空間
不過，上面文章中並沒有提及 MCP 現階段的缺點，就在於它的穩定性相對低，且自動化程度確實沒有 AI工作流這麼高，這確實是缺點。所謂的穩定性低，James Yang 明確指出「LLM 主導工作流與工具調度，在個人應用場景或許帶來便捷，但在企業決策自動化或產線機台操作中，卻難以確保穩定、一致的結果」。甚至說，即便已經串接好的 MCP，我在使用的過程中還是經常會看到 Claude 客戶端右上角出現報錯，雖然實際上是可以連接，但可見得穩定性的確有些狀況。
就在於它的穩定性相對低，且自動化程度確實沒有 AI工作流這麼高，這確實是缺點。所謂的穩定性低，James Yang 明確指出「LLM 主導工作流與工具調度，在個人應用場景或許帶來便捷，但在企業決策自動化或產線機台操作中，卻難以確保穩定、一致的結果」。甚至說，即便已經串接好的 MCP，我在使用的過程中還是經常會看到 Claude 客戶端右上角出現報錯，雖然實際上是可以連接，但可見得穩定性的確有些狀況。
不過話說回來，MCP 開源還不到半年，整體生態鏈的支撐遠不如 Apple AppStore 有200萬種應用工具，我看幾個 MCP 整合性的平台了不起有個 1000種就很好。所以，無論是基於 LLM 本身的先天技術限制，又或者是 MCP 的發展狀況，我想這都還有很大的優化空間。
現階段AI工作流平台只有在初始的輸入端自動化有優勢，例如你設定的工作流是收到 Email，就會有 LLM 幫你解讀後回信。目前 MCP 邏輯並非如此，它還是以使用者主動發出目的，接著才是讓 AI 去運作。然而就像我所說，這並不是技術上做不到的事，未來MCP架構必然也能讓 Claude 這類的中心化介面能被事件啟動觸發，接著自動化完成任務。
賈伯斯的「易用性」哲學與MCP的未來
然而，我之所以認為 MCP 的應用概念是未來式，是因為這樣的應用場景概念，非常符合賈伯斯強調的「易用性」邏輯。為了幫企業客戶授課，今年初我花了一個多月時間鑽研賈伯斯的創新觀點從何而來，其中最重要的邏輯，就是強調高度的「易用性」。
事實上賈伯斯及艾夫（前蘋果首席工業設計師）的說法叫做「掌控度」，他們認為，一個複雜的產品會帶給人不安全感，只要你能賦予使用者高度掌控性，他們就會覺得心安，會有信任感。那如何做到讓使用者感受到「高度掌控」？關鍵就在於透過提高「易用性」，讓產品操作更簡單、直覺，人們就會情不自禁愛上，因為這符合人類所追求的安全感。
這也是為什麼 Apple 的產品給你一種沈穩、信任的感受，因為他們原始的設計概念就是如此。很多人都以為 Apple 產品的「簡約」是一種風格，事實上遠不止如此，而是賈伯斯與艾夫洞悉了人類追求的天性，讓簡單直覺成為產品的明確DNA，才能引發廣大消費者的喜愛。
MCP就像是AI領域的 AppStore，我相信 Apple 認為的 iPhone 未來，大概也會是這樣的，由 Apple Intelligence 扮演那個中心化的AI軟體，你用打字或用講的，它就自主幫你調動手機內各式各樣的 app 幫你完成任務，這我想應該是很自然能想像得到的應用場景。
從「跨越鴻溝」的創新擴散邏輯而言，Apple 不僅讓市場上「2.5%的創新者」、「13.5%的早期採用者」能喜愛，甚至一開始就透過高度易用性說服了「34%早期大眾」，才讓 Apple 的創新屢屢成為主流。
MCP的實際應用
MCP現在分成兩大類：一種是本地端的自建server概念，另一種則是串接第三方server，由他們再幫你把真正的服務器串接起來。無論是哪一種，我目前嘗試下來，都覺得門檻比AI工作流的建置低很多，尤其串接第三方server的方式，簡直不要太方便。甚至也可以想像得到，未來應該中心化的軟體會內建上千種MCP，你只需要勾選，然後再自行填入不同服務平台的API KEY 或 ID認證，就能快速啟用。
回到 MCP 的議題，我經常試著想像 AI 更為普及化的未來。誠如我在前一篇文章所寫道，如果可以透過 MCP 這樣的架構，極端上可以讓人類從此不再需要學習任何複雜的軟體、SaaS介面的操作，只靠聚焦在單一且熟悉的 LLM 介面打字、動嘴，就能使喚 AI，讓 AI 呼叫各種 MCP 驅動工具服務人類，這將是多美好的世界。
不同用戶群體的需求平衡
當然，易用性與穩定性特別針對的目標客群現階段有些不同，對工廠老闆來說，他可以接受複雜操作，但一定要確保極高度的穩定性，就像早年談論產品「六個標準差」管理邏輯一樣，所以完全可理解從企業角度看的需求是如此；而對普通的個人使用者來說，倒是沒這麼極端的穩定性需求，但一定要夠簡單直覺，才能真正擴及到主流市場使用。
簡言之，從賈伯斯的成功創新經驗來看，我認為判斷一個創新科技產品在主流市場是否有廣大的發展空間，是從「易用性」這個觀點切入。再次強調，「易用性」的簡單直覺不是一種風格，而是一種如地心引力般的力量，任何與易用性抵觸的產品通常活不久、活不好，因為主流市場難以學習，自然就不可能走多遠。
題外話，事實上如果你對於 AI 工具熟悉，其實也是可以透過 AI 幫你撰寫工作流的程式碼，然後匯入 n8n、Dify、Make這些工作流平台，直接建立流程。只是說，相較於只需要熟悉一個聊天介面的 ChatGPT、Claude、Gemini等...概念，串接MCP自動去為使用者完成任務的場景來看，我還是覺得後者應當有更高的易用性就是。
中小企業與普通個人使用者的確有不同需求，放在一起對比並不完全合適，但如果 MCP 這種應用架構能更自動化、更穩定，個人認為必然能取代 AI 工作流平台這種「為一個問題就建一個流程」的方式。畢竟，不夠直覺簡單，應當不會是人類未來世界使用 AI 的主流型態。這個黃金交叉還有多遠？就看今年 AI Agent 爆發年能做得多好，應當就可一窺發展趨勢。
