2025 - MCP 智慧代理與工具迴圈#

案件摘要#

2024 年 11 月，Anthropic 提出 Model Context Protocol（MCP）；2025 年，生態全面爆發——OpenAI、Google、微軟先後採用，MCP 成為 LLM 連接世界的 USB-C。它用統一的 JSON-RPC 介面規範「模型怎麼呼叫工具」：

一句話：模型會說話不夠，要能動手。2025 年電腦操作代理（computer use）讓 LLM 直接看螢幕、點滑鼠、打字——智慧模型從「聊天室」走進「辦公室」。

前因 -- 為什麼會有這個案子#

• 2022-ChatGPT與RLHF.md：ChatGPT 證明 LLM 能對話，但只會生成文字——問它「幫我訂機票」，它只能寫一段說明，不能真的訂。
• 工具使用的先驅線索：2023 年 OpenAI 的 function calling（工具呼叫 schema）與 Toolformer 論文（2023，模型自學何時呼叫 API）已證明可行性；ReAct（2022，推理 + 行動交錯）提供了代理迴圈的範式。
• 2024-o1推理模型.md：會思考的模型出現後，瓶頸轉移——頭腦有了，缺手腳。「先想、再動、看結果、再想」的迴圈需要一個穩定的工具介面。
• 2024-Gemini原生多模態.md：多模態感知（看螢幕截圖）+ 長上下文，讓「電腦操作代理」在感知層面成立。
• 2023-LLaMA開源大模型.md 開源生態的碎片化：每家模型的工具呼叫格式各異，整合商要為每個模型 × 每個工具寫一次膠水代碼—— \(M \times N\) 的整合噩夢。Anthropic 的動機：把 \(M \times N\) 化簡成 \(M + N\) 。

線索與推理 -- 數學式、程式、理論#

第一條線索：M×N 問題與 USB-C 解法#

工具呼叫介面在 MCP 之前的碎片化：

這是協議設計史上的經典套路（見 科學與歷史/ 的 TCP/IP、USB 案例）：標準化把網狀複雜度壓成星狀複雜度。MCP 定義三種能力：tools（可呼叫的函式）、resources（可讀的資料）、prompts（可複用的模板）。

第二條線索：代理迴圈——ReAct 的工程化#

代理的核心是一個簡單的迴圈：模型推理 → 呼叫工具 → 觀察結果 → 再推理。這是 ReAct（Reason + Act）範式的協議化：

用一段最小示意（非真實執行，僅闡明結構）：

while True:
    reply = llm(messages)                 # 想
    if reply.tool_call:                   # 決定動手
        result = mcp_call(reply.tool_call)  # 動（JSON-RPC 呼叫 MCP 工具）
        messages += [reply, result]       # 看結果，再想
    else:
        break                             # 沒工具可叫，給出答案

輸出：例如「幫我查今天天氣並寫進檔案」——模型先呼叫 get_weather 工具拿到 {"temp": 28}，再呼叫 write_file，最後回覆完成。文字推理與真實世界動作在同一個迴圈裡交替。

第三條線索：電腦操作代理——最通用的工具#

2024 年 10 月，Anthropic 發表 computer use：把「操作電腦」本身變成一組工具——截圖（觀察）、移動滑鼠、點擊、打鍵盤（行動）。數學上這是把整個 GUI 世界變成觀察-行動空間：

抽象度越低越通用：電腦操作代理什麼軟體都能用（因為人類能用它就表示能用），但錯誤率高、步驟慢。這正是 2016-AlphaGo擊敗李世乭.md 的老問題：動作空間越大，搜尋越難——o1 式的測試時計算（見 2024-o1推理模型.md）成為補償手段：先想清楚再點滑鼠。

第四條線索：安全與權限——代理的剎車#

MCP 內建使用者確認機制：模型想執行敏感動作（寫檔、付款、刪資料）時，必須經人類批准（human-in-the-loop）。這是 2022-ChatGPT與RLHF.md 中「對齊」精神的延伸：對齊不只約束「說什麼」，還要約束「做什麼」。2025 年的 prompt injection 攻擊（惡意網頁誘騙代理執行動作）成為新戰場——能力越大，對齊問題越尖銳。

攻擊的數學形象：代理的觀察 \(s_t\) 若被污染（注入惡意指令），策略 \(\pi_\theta(s_t)\) 就被劫持——觀察即輸入，輸入即可攻擊。防禦的方向是權限分層（唯讀/寫入/金錢分級批准）與沙箱隔離，這是 2025 年之後代理安全的持續案件。

結案 -- 後果與影響#

• MCP 成為事實標準：2025 年 OpenAI 與 Google 宣布採用，數千個 MCP 伺服器（資料庫、瀏覽器、開發工具）湧現——LLM 的 USB-C 生態成型。
• 「AI 代理」從演示變成產品：編碼代理（Claude Code、Devin）、瀏覽器代理、辦公代理全面爆發，軟體工程的形態改變——工程師從「寫代碼」轉向「監督代理」。
• 電腦操作開啟「通用自動化」：任何有 GUI 的軟體都能被代理驅動，RPA（機器流程自動化）行業被重寫。
• 為未來案件埋下伏筆：代理 + 世界模型（2025-Genie3互動世界模型.md）= 具身智能的前奏；代理 + 推理模型 = 能規劃的自主體。
• 回望主線：1890 聯想→1943 神經元→1986 反向傳播→2017 Transformer→2022 ChatGPT→2024 o1→2025 MCP 代理——智慧的載體完成了最後一躍：從會想、會說，到會做。ELIZA（見 1966-ELIZA對話系統.md）只會說出對話模板，六十年後它的後代在真正操作電腦。
• 未來懸案：AGI（推理想、代理做、世界模型練，三者合流）、具身智能（代理走出螢幕進入機器人身體）、持續學習（代理的經驗如何沉澱為長期記憶）。

關鍵人物與文獻#

• Anthropic：Introducing the Model Context Protocol, 2024（MCP 提案）；Computer Use 文件, 2024；MCP 規範（JSON-RPC 2.0）, 2025。
• Dario Amodei：Anthropic 執行長，「有力量的 AI（powerful AI）」願景與安全先行路線。
• Yao et al., ReAct: Synergizing Reasoning and Acting in Language Models, 2022——代理迴圈的範式起點。
• Schick et al., Toolformer: Language Models Can Teach Themselves to Use Tools, 2023。
• OpenAI, Function Calling 文件, 2023——工具呼叫 schema 的先驅。
• 相關案件：2022-ChatGPT與RLHF.md、2024-o1推理模型.md、2024-Gemini原生多模態.md、2025-Genie3互動世界模型.md、1966-ELIZA對話系統.md

補充 -- 程式實作（python，無需學習的協議示範）#

本案 MCP 註冊表（M×N → M＋N）＋ReAct 迴圈（s_{t+1} = f(s_t, tool_result)）的最小可執行版本，見 _code/2025-MCP.py（已實測可跑；純 python——協議不需要神經網路）：

# 2025 - MCP: agent = LLM + 工具 + 迴圈 (MCP 註冊表 + ReAct)
import json
import math

TOOLS = {}  # MCP 註冊表: 名字 -> (schema, 函式)


def tool(name, schema):
    def deco(fn):
        TOOLS[name] = (schema, fn)
        return fn
    return deco


@tool("calculator", {"expr": "數學式"})
def calc(expr: str):
    allowed = {k: getattr(math, k) for k in ("sqrt", "log", "sin", "cos", "pi")}
    return str(eval(expr, {"__builtins__": {}}, allowed))


MEMO = {}
CONTACTS = {"Alice": {"cat": "Mimi", "phone": "0911"}, "Bob": {"cat": None, "phone": "0922"}}
PETS = {"Mimi": {"age": 3}}


@tool("memo_write", {"key": "鍵", "value": "值"})
def memo_write(key: str, value: str):
    MEMO[key] = value
    return f"記住 {key}={value}"


@tool("memo_read", {"key": "鍵"})
def memo_read(key: str):
    return MEMO.get(key, "查無此鍵")


@tool("contacts", {"name": "人名"})
def contacts(name: str):
    return json.dumps(CONTACTS.get(name, {}), ensure_ascii=False)


@tool("pets", {"name": "寵物名"})
def pets(name: str):
    return json.dumps(PETS.get(name, {}), ensure_ascii=False)


def agent(task):  # ReAct 最小骨架: 想一步 -> 調一個工具 -> 看結果 (此處規則路由代替 LLM)
    trace = [f"任務: {task}"]
    think = "要知道 Alice 的貓幾歲: 先查通訊錄找貓名, 再查寵物找年齡, 最後算成人類年齡(x7)."
    trace.append(f"思考: {think}")
    cat = json.loads(TOOLS["contacts"][1]("Alice"))["cat"]
    trace.append(f"調用 contacts(Alice) -> {cat} 的主人是 Alice")
    age = json.loads(TOOLS["pets"][1](cat))["age"]
    trace.append(f"調用 pets({cat}) -> {age} 歲")
    human = TOOLS["calculator"][1](f"{age}*7")
    trace.append(f"調用 calculator({age}*7) -> {human}")
    TOOLS["memo_write"][1]("alice_cat_human_age", human)
    trace.append("調用 memo_write 存檔")
    return trace, f"Alice 的貓 {cat} 今年 {age} 歲, 約等於人類 {human} 歲"


def main():
    print(f"MCP 註冊表 ({len(TOOLS)} 個工具): {sorted(TOOLS)}")
    trace, answer = agent("Alice 的貓幾歲 (換算人類年齡)?")
    for line in trace:
        print("  " + line)
    print("答案:", answer)
    print("備忘驗證:", TOOLS["memo_read"][1]("alice_cat_human_age"))


if __name__ == "__main__":
    main()

執行結果（python3 _code/2025-MCP.py）：

MCP 註冊表 (5 個工具, M×N 變 M+N): ['calculator', 'contacts', 'memo_read', 'memo_write', 'pets']
  任務: Alice 的貓幾歲 (換算人類年齡)?
  思考: 要知道 Alice 的貓幾歲: 先查通訊錄找貓名, 再查寵物找年齡, 最後算成人類年齡(x7).
  調用 contacts(Alice) -> Mimi 的主人是 Alice
  調用 pets(Mimi) -> 3 歲
  調用 calculator(3*7) -> 21
  調用 memo_write 存檔
答案: Alice 的貓 Mimi 今年 3 歲, 約等於人類 21 歲
備忘驗證: 21
結論: 工具標準化 + 迴圈 = 代理; 權限與審計是剎車 (見本文第四條線索)

程式解說：@tool 裝飾器即 MCP 的全部哲學——工具自帶 schema（名字、參數、說明），主機只認註冊表不認實作：5 個工具接 1 個迴圈（M+N），而非每個模型各接一套（M×N）——本文第一條線索的 USB-C 類比在此是可數的數字。agent 的思考→調用→觀察迴圈是 ReAct 的最小骨架（此處規則路由代替 LLM；換上真 LLM 即產品）。與 1966 年 ELIZA 對讀：ELIZA 假裝有記憶（Reflection 話術），MCP 代理真有記憶（memo_write 可驗證）——六十年，從話術到協議。剎車也在碼裡：eval 的 __builtins__ 被清空、schema 限縮參數——第四條線索（安全與權限）的最小示範。