第 5 步：接上工具（MCP）

只能讀檔案的循環只會「說」。連接器（基於 MCP）讓它開 PR、更新工單、發 Slack、查庫、呼叫 staging API。

光說不練的循環

想像一個每天早上自動整理 triage 清單的循環。如果它只能讀檔案和生成文字，它最多能做這件事：

「今天有 3 個 PR 需要 review、5 個工單待回覆、1 個 CI 失敗。建議先處理 CI。」

然後呢？清單還是靜靜躺在那裡，等你人工去點、去處理、去通知相關人。

這個循環在說話，但什麼都沒做。

MCP 讓循環能動手

MCP（Model Context Protocol）是讓 AI 連接外部系統的標準協議。有了 MCP 工具，同一個循環可以：

• 在 GitHub 開 PR
• 把工單狀態更新為「處理中」
• 發訊息到 Slack 頻道
• 查詢資料庫確認訂單狀態
• 呼叫 staging 環境的 API 跑測試

從「說」到「做」，差別就在這裡。

差別在哪裡

比較一下兩個系統：

系統 A（沒有 MCP）：

「偵測到 PR-421 超過 48 小時未 review，建議通知負責人。」

系統 B（有 MCP）：

• 在 Slack 發訊息 @負責人 PR-421 已超過 48 小時未 review，請確認
• 更新工單狀態為「待確認」
• 把 PR 加上 needs-review 標籤

系統 B 不需要你轉述。它自己動手了。

怎麼接上 MCP

把你手動用的那些連接器，加進定時或雲端 routine 的連接器清單即可。常見的 MCP 連接器：

你在 Claude Code 裡用過的 MCP 工具，在循環裡也可以用——概念完全一樣，只是現在是循環自動呼叫，不是你手動觸發。

六件拼起來

現在把所有部件組合：

• 觸發器：定時或事件啟動
• Agent：按 skill 執行任務
• Reviewer：獨立驗收，PASS 才繼續
• 狀態檔：記住上次到哪、這次做了什麼
• MCP：把結果發出去、動到外部系統

這就是循環工程在幹的事

某個早晨醒來，你看到循環已經完成了 triage、開了 PR、跑了測試、把需要人決定的事項發到 Slack 等你。

這就是循環工程在幹的事：找活、起草、檢查，把安全的部分發出去，只把真正需要人的決定交到你手裡。

你的工作不再是執行，而是設計這套系統、定義什麼算「安全的部分」、以及審核真正重要的決定。

AI 協作：學了這個，跟 AI 怎麼配合？

MCP 是循環從「建議」變成「行動」的關鍵。你負責決定哪些動作可以自動執行（低風險、可逆），哪些動作必須等你確認（不可逆、影響大）。AI 按這個邊界操作。

你的人類優勢：

• 畫清自動執行的邊界——哪些動作讓循環自己做，哪些必須等你點頭
• 評估連接哪些系統——每多接一個工具，就多一個出錯的可能，你來決定值不值得

可以這樣跟 AI 說：

我想設計一個完整的「每日工單 triage 循環」，包含六個部件。幫我盤點：這個循環需要哪些 MCP 工具？哪些動作可以自動執行，哪些需要等我確認？我們的工單系統是 Jira，通知走 Slack，程式碼在 GitHub。