理解模型情境協定 (Model Context Protocol)
模型情境協定 (Model Context Protocol, MCP) 作為一個開放協定框架，促進 AI 系統與數據伺服器之間的直接連接。這種資訊交換的標準化為 LLM 提供必要的背景資訊。透過使開發人員能夠構建與 LLM 無縫整合的工具和應用程式，MCP 透過簡化的整合流程授予對外部數據和工作流程的訪問權限。
為了說明這個概念，想像一下 LLM 是精通當地圖書館藏書的圖書館員。這些圖書館員對圖書館的資料庫擁有全面的知識，並且可以有效地在圖書館範圍內定位資訊。然而，他們的專業知識僅限於當地圖書館內可用的資源，從而阻止了對其牆外材料或資訊的訪問。
因此，尋求資訊的圖書館訪客僅限於當地圖書館資料庫中包含的書籍和資源，如果圖書館的館藏主要由較舊的出版物組成，則可能包含過時的資訊。
MCP 使圖書館員 (LLM) 能夠立即訪問全球任何書籍，直接從主要來源提供有關特定主題的最新資訊。
MCP 賦予 LLM 以下能力：
- 輕鬆地直接從指定的來源訪問數據和工具。
- 從伺服器檢索即時、最新的資訊，從而消除了僅依賴預先訓練知識的需求。
- 利用代理能力，例如自動化工作流程和資料庫搜尋的實施。
- 透過連接到第三方、開發人員或組織建立的自訂工具來執行操作。
- 為所有資訊來源提供精確的引文。
- 超越單純的數據檢索，涵蓋諸如與購物 API 整合等功能，從而促進 LLM 的直接購買。
考慮一個電子商務業務場景，其中 LLM 可以：
- 安全地訪問內部庫存系統以提取即時數據，包括產品定價。
- 直接從庫存資料庫提供詳細的產品規格列表。
LLM 不僅可以針對搜尋最新季節性跑鞋的用戶，還可以代表用戶促進一雙鞋的直接購買。
MCP vs. 檢索增強生成 (Retrieval-Augmented Generation, RAG)
儘管 MCP 和檢索增強生成 (RAG) 都旨在透過整合超出其靜態預訓練的動態和最新資訊來增強 LLM，但它們訪問和互動資訊的基本方法卻大不相同。
RAG 解釋
RAG 使 LLM 能夠透過一系列步驟檢索資訊：
- 索引 (Indexing): LLM 將外部數據轉換為向量嵌入資料庫，該資料庫在檢索過程中使用。
- 向量化 (Vectorization): 提交的搜尋查詢被轉換為向量嵌入。
- 檢索過程 (Retrieval process): 檢索器搜尋向量資料庫以識別基於查詢的向量嵌入與現有資料庫中向量嵌入之間相似性的最相關資訊。
- 情境提供 (Context Provision): 檢索到的資訊與搜尋查詢結合，以透過提示提供額外的背景資訊。
- 輸出生成 (Output Generation): LLM 基於檢索到的資訊及其先前存在的訓練知識生成輸出。
MCP 的功能
MCP 充當 AI 系統的通用介面，標準化與 LLM 的數據連接。與 RAG 相比，MCP 採用客戶端-伺服器架構，透過以下過程提供更全面和無縫的資訊訪問方法：
- 客戶端-伺服器連接 (Client-Server Connection): LLM 應用程式充當主機，啟動連接。透過主機應用程式，客戶端與數據伺服器建立直接連接，數據伺服器提供客戶端所需的工具和情境。
- 工具 (Tools): 開發人員建立 MCP 相容的工具，利用開放協定執行諸如 API 調用或訪問外部資料庫等功能，使 LLM 能夠執行特定任務。
- 用戶請求 (User Requests): 用戶可以提交特定的請求，例如「最新款 Nike 跑鞋的價格是多少？」
- AI 系統請求 (AI System Request): 如果 AI 系統或 LLM 連接到一個可以訪問 Nike 維護的庫存定價資料庫的工具，它可以請求最新款鞋的價格。
- 具有即時數據的輸出 (Output with Live Data): 連接的資料庫為 LLM 提供即時數據，這些數據直接來自 Nike 的資料庫，確保資訊是最新的。
| RAG | MCP | |
|---|---|---|
| 架構 (Architecture) | 檢索系統 (Retrieval system) | 客戶端-伺服器關係 (Client-server relationship) |
| 如何訪問數據 (How data is accessed) | 透過向量資料庫檢索 (Retrieval through vector database) | 連接到各方建立的自定義工具 (Connecting with custom tools created by parties) |
| 輸出能力 (Output capabilities) | 從資料庫檢索到的相關資訊 (Relevant information retrieved from database.) | 基於工具的自定義輸出和功能，包括代理能力 (Customized outputs and functions, including agentic capabilities, based on tools.) |
| 數據時效性 (Data recency) | 取決於內容上次索引的時間 (Dependent on when content was last indexed.) | 來自即時數據源的最新資訊 (Up-to-date from the live data source.) |
| 數據要求 (Data requirements) | 必須進行向量編碼和索引 (Must be vector encoded and indexed.) | 必須與 MCP 相容 (Must be MCP compatible.) |
| 資訊準確性 (Information accuracy) | 透過檢索到的文檔減少幻覺 (Reduced hallucinations through retrieved documents.) | 透過訪問來自來源的即時數據來減少幻覺 (Reduced hallucinations through access to live data from a source.) |
| 工具使用和自動化操作 (Tool use and automated actions) | 不可能 (Not possible.) | 可以與伺服器上提供的任何工具流程整合，並執行任何提供的操作 (Can integrate with any tool flow provided on the server and perform any provided action.) |
| 可擴展性 (Scalability) | 取決於索引和窗口限制 (Dependent on indexing and window limits.) | 可以根據與 MCP 相容的工具輕鬆擴展 (Can scale up easily depending on MCP-compatible tools.) |
| 品牌一致性 (Branding consistency) | 不一致，因為數據是從各種來源提取的 (Inconsistent since data is pulled from various sources.) | 一致且強大，因為可以直接從來源提取品牌批准的數據 (Consistent and strong, since brand-approved data can be pulled directly from the source.) |
對搜尋行銷人員和發布商的影響
雖然 Anthropic 在 11 月率先提出了 MCP 的概念，但包括 Google、OpenAI 和 Microsoft 在內的眾多公司正計劃將 Anthropic 的 MCP 概念整合到其 AI 系統中。因此，搜尋行銷人員應優先考慮透過 MCP 工具增強內容可見性，並考慮以下策略：
與開發人員合作進行整合
與開發人員合作，探索在為用戶提供高價值內容的同時，透過 MCP 相容的工具為 LLM 提供有意義的背景資訊的策略。分析如何利用透過 MCP 框架執行的代理能力。
結構化數據實施
結構化數據和架構將仍然是 LLM 的重要參考點。利用它們來加強透過自定義工具傳遞的內容的機器可讀性。這種方法還可以增強 AI 生成的搜尋體驗中的可見性，確保準確理解和呈現內容。
維護最新和準確的資訊
由於 LLM 直接連接到數據源，請驗證所有內容是否提供相關、最新和準確的數據，以培養信任並增強用戶體驗。對於電子商務企業，這包括驗證價格點、產品規格、運輸資訊和其他基本細節，尤其是在 AI 搜尋回應中可能直接呈現此數據的情況下。
強調品牌聲音和一致性
為 MCP 自定義工具的一個顯著優勢在於能夠為 LLM 建立強大且一致的品牌聲音。與依賴來自不同來源的碎片化資訊不同，與 MCP 相容的工具可以透過將權威內容直接傳遞給 LLM 來維持一致的品牌聲音。
將 MCP 工具整合到您的行銷策略中
隨著 AI 系統適應 MCP，具有前瞻性思維的行銷人員應將此新興框架納入其策略中，並促進跨職能協作，以開發將高價值內容傳遞給 LLM 並有效吸引用戶的工具。這些工具不僅有助於自動化，而且在塑造品牌在 AI 驅動的搜尋環境中的形象方面也發揮著至關重要的作用。
從本質上講，模型情境協定不僅僅是一種增量改進，而是 AI 如何與資訊互動和傳播資訊的根本轉變。透過理解和利用 MCP，行銷人員可以確保他們的內容在快速發展的 AI 驅動的搜尋領域中保持相關、準確且易於發現。在這個新時代，對結構化數據、最新資訊和品牌一致性的強調將至關重要，需要一種積極主動和適應性強的內容策略和 AI 整合方法。隨著 MCP 獲得更廣泛的採用，競爭優勢將掌握在那些擁抱其能力並將其無縫整合到其行銷運營中的人手中。