一個簡單的校園問題
先看一個任何學生都可能問 AI 助理的問題。它聽起來很簡單，卻藏著一個真實的問題。
校園情境
115-1 有哪些 AI 課程？
要答得好，AI 需要的資料必須是最新的（本學期，而不是去年）、結構化的（課名、時間、授課教師），而且是可信的（來自官方課程系統，而不是猜測）。
- 最新：答案每學期都會改變
- 結構化：是有欄位的清單，而不是一段文字
- 可信：應該來自權威資料來源
自我檢測
校園問題「115-1 有哪些 AI 課程？」對資料有哪三項要求？
學習目標
- 說明為什麼只靠模型本身，無法可靠回答最新、校內或系統狀態相關的問題
- 比較回答校園問題的四種方式：模型直接回答、網路搜尋、RAG 與 MCP 工具
- 描述 User → AI → MCP → 可信工具／資料的心智模型，並指出人類負責的位置
- 用一句話說明 MCP 能做什麼、不能做什麼
問題與需求
模型單靠自己做不到什麼
語言模型擅長處理語言。它學習的資料只到過去某個時間點，而且只看得到你放進對話裡的內容。這帶來五項限制。
- 模型的知識可能已經過時
- 它不會自然知道私人或校內的資料
- 它不應該自行猜測系統目前的狀態
- 不應在缺乏控管的情況下，把敏感資訊交給它
- 光靠提示詞，無法安全地對外部系統執行動作
注意
模型不知道的時候，仍可能給出流暢又充滿自信的答案。對於課程、人員或服務這類事實，流暢不等於證據。
這和 AI 101 的觀念一致：由人定義任務、審查結果。這裡新增的是，AI 需要一條受控的路徑，才能接觸到正確的資料來源。
自我檢測
有人請模型提供本學期課程清單，模型沒有引用任何來源就流暢作答。最安全的解讀是什麼？
四種回答方式
模型、網路搜尋、RAG 還是 MCP 工具？
有四種方式都能回答「115-1 有哪些 AI 課程？」。它們的差別在於事實從哪裡來。先比較，再決定。
| 方式 | 事實的來源 | 優點 | 要留意 |
|---|---|---|---|
| 模型直接回答 | 過去的訓練資料 | 快速、不需設定 | 可能過時，也沒有來源 |
| 網路搜尋 | 提問當下找到的公開網頁 | 較新、範圍廣 | 網頁可能不是官方、已過期或沒有結構 |
| RAG | 事先建立索引的文件 | 可納入內部文件 | 新鮮度取決於上次建立索引的時間 |
| MCP 工具 | 查詢權威系統的工具 | 最新、結構化、附來源 | 需要有對應且已授權的工具 |
資訊
沒有一種方式永遠最好。若需要最新、結構化又可信的資料，通常最適合的是查詢權威系統的 MCP 工具。第 4 單元會更深入比較 MCP、API 與 RAG。
請自己想一想：針對 115-1 的問題，最後的清單你會相信四種方式中的哪一種？為什麼？
自我檢測
想取得最新、結構化且可信的資料（例如本學期官方課程清單），哪一種方式最合適？
心智模型
心智模型
MCP（Model Context Protocol）是一種標準方式，讓 AI 應用程式能發現、理解並使用外部工具。接下來的課程請牢記這條簡單的鏈。
- User：用日常語言提出問題
- AI：判斷需要什麼，以及哪項能力可以幫上忙
- MCP：AI 用來找到並呼叫工具的標準連接方式
- 可信工具／資料：回傳事實的權威來源
這條鏈的外圍是人。人定義意圖 → AI 選擇能力 → MCP 呼叫可信工具 → 人驗證結果。使用工具，並不會讓人的責任消失。
資訊
MCP 不是「API 的替代品」。API 定義的是系統如何對外提供能力；MCP 則是讓 AI 應用程式能發現、理解並使用工具的標準介面，而這些工具背後常常就建立在既有的 API 之上。
自我檢測
關於 MCP，下列哪一項說法正確？
重點回顧
重點回顧：MCP 能做什麼、不能做什麼
完成
MCP 不是讓模型變得更聰明，而是提供標準化方式，讓 AI 可以發現並使用外部能力。
MCP 能做的事
- 讓 AI 應用程式用同一種標準方式找到可用的工具
- 描述每個工具需要什麼輸入、會回傳什麼
- 讓 AI 呼叫可信工具，而不是自己猜測
- 讓結果可以連同來源一起帶回
MCP 不能做的事
- 不會讓模型的推理能力變好
- 不會取代既有的 API
- 不保證資料一定正確或完整
- 不會免除人工審查的需要
接下來，第 2 單元會把這條鏈拆開，逐一認識各個部分：Host、Client、Server 與 Tool。
自我檢測
下列哪一句最適合接在「MCP 不是讓模型變得更聰明，而是……」之後？