Module 1 · 約 60 分鐘
為什麼需要 MCP？
AI 已經很強，為什麼還需要標準化的工具連接方式。
已完成 0 / 5
AI 201已開放
MCP：讓 AI 安全連接工具與可信資料
從「使用 AI」走向「讓 AI 安全使用工具與可信資料」：理解 MCP 架構、追蹤一次 Tool Call、比較 MCP、API 與 RAG，並設計一份可實作的 MCP Tool Canvas。
我的學習進度
整體進度: 0% (已完成 0 / 32 項)
- 為什麼需要 MCP？ (0 / 5)
- MCP 架構 (0 / 5)
- 工具發現與工具呼叫 (0 / 6)
- MCP vs API vs RAG (0 / 5)
- 安全、根據與來源追溯 (0 / 6)
- Practice A：Ask · 尚未完成
- Practice B：Inspect · 尚未完成
- Practice C：Connect · 尚未完成
- AI 201 評量 · 尚未完成
- MCP Tool Canvas · 尚未完成
建議先完成 AI 101。這只是建議，不會阻擋你開始。
學習成果
- 說明 MCP 的用途與 Host、Client、Server、Tool 的角色
- 追蹤一次完整的 Tool Call，從需求到經人工驗證的回答
- 依情境選擇 Prompt、RAG、API 或 MCP Tool
- 檢查工具輸出的來源、時效性與 provenance
- 完成一份包含 schema、權限、風險與 provenance 的 MCP Tool Canvas
先備條件
- 完成 AI 101，或具備生成式 AI 與 Prompt 的基本概念
- 知道 AI 產出需要人工驗證，且敏感資料不可任意提供給 AI
- 不需要程式背景
適合對象
- 已完成 AI 101、想讓 AI 連接校內外工具與資料的職員與教職人員
- 負責規劃或審查 AI 工具導入的承辦人與主管
- 想理解 AI 如何安全呼叫工具的學生與研究人員
學習路徑
單元概覽
Module 2 · 約 60 分鐘
MCP 架構
Host、Client、Server、Tool 與可信資料來源如何串在一起。
已完成 0 / 5
Module 3 · 約 60 分鐘
工具發現與工具呼叫
追蹤 AI 如何發現工具、準備 arguments、取得結果並回答。
已完成 0 / 6
Module 4 · 約 60 分鐘
MCP vs API vs RAG
依情境判斷哪一種模式最適合，避免把 MCP 當成 API 的替代品。
已完成 0 / 5
Module 5 · 約 60 分鐘
安全、根據與來源追溯
權限、風險、來源追溯與人工確認：課程的核心單元。
已完成 0 / 6
進度只儲存在這個瀏覽器，不會上傳，也不會記錄你的身分。