設計思維:什麼時候該用 MCP、什麼時候不該
情境:新工具的熱情 vs 真正的需求
你剛學完 MCP,熱血沸騰,打算把公司所有的系統都接進去:訂單資料庫、客服 Slack、Google Analytics、ERP、甚至財務系統……
等一下。
在動手之前,問自己一個問題:這個連接,真的讓工作變更好,還是只是「感覺很先進」?
MCP 是強大的工具,但強大的工具需要有設計思維才能發揮價值,否則可能帶來風險而非效益。
框架:什麼時候 MCP 真的有價值?
MCP 最適合解決這三類問題:
場景 1:反覆切換工具的痛苦
你每天要做的事:
- 打開訂單系統查退貨數字
- 打開 Google Analytics 看流量
- 打開 Slack 確認客服反饋
- 再打開 Excel 整理成報表
這個「反覆切換 + 手動整合」的過程,正是 MCP 最能幫你省時間的地方。
適合 MCP: 把多個資料來源整合,讓 AI 一次幫你做跨系統的彙整。
場景 2:重複性的資料查找
你的客服每天要回答:「我的訂單到哪裡了?」
如果有 MCP 連接訂單系統,AI 助理可以直接查詢並回覆,不需要客服手動翻後台。
適合 MCP: 高頻、低風險、有明確答案的查詢任務。
場景 3:多步驟的工作流程
你的行銷活動上線流程:
- 確認商品庫存夠
- 更新活動頁面的標語
- 在 Slack 通知設計師
如果這三步都涉及不同系統,但邏輯固定,MCP 可以把它們串成一個 AI 指令搞定。
適合 MCP: 步驟固定、邏輯清楚的跨系統工作流程。
框架:什麼時候 MCP 不適合?
情況 1:一次性任務
你只需要查一次去年雙 11 的銷售數字來寫報告。
這種情況,手動查比設定 MCP Server 快得多。設定 MCP 需要時間,維護也需要時間,一次性任務不划算。
情況 2:高度敏感的操作
把財務系統、薪資資料、客戶個人資料(身分證、信用卡)接進 AI 工具——不是不行,但需要非常嚴格的評估和控管。
情況 3:需要人類判斷的創意工作
寫一篇有溫度的道歉聲明、決定品牌的策略方向——這些不是「查資料然後輸出」,而是需要情境理解和價值判斷的工作。
核心原則:最小權限(Least Privilege)
這是資訊安全的基本原則,在 MCP 場景下特別重要:
給 AI 它完成任務需要的最小存取範圍,不多也不少。
| 情境 | 不好的做法 | 好的做法 |
|---|---|---|
| 讓 AI 查訂單狀態 | 給它整個資料庫的讀寫權限 | 只給它訂單狀態查詢的唯讀權限 |
| 讓 AI 整理行銷素材 | 開放整個 Google Drive | 只共享行銷素材那個資料夾 |
| 讓 AI 發客服通知 | 給它 Slack 的完整管理員權限 | 只給它特定頻道的發訊息權限 |
核心原則:人類在迴路(Human in the Loop)
不是所有動作都適合讓 AI 自動執行。
建立一個分類框架:
| 動作類型 | AI 可以自動執行嗎? | 範例 |
|---|---|---|
| 查詢(Read) | ✅ 是(大多數情況) | 查訂單狀態、讀取報表 |
| 低風險寫入 | ⚠️ 需要評估 | 新增備忘標籤、更新商品描述 |
| 高風險寫入 | ❌ 否,需要人工確認 | 刪除訂單、發退款、修改定價 |
| 外部通訊 | ❌ 否,需要人工確認 | 發 Email 給客戶、發公告 |
設計原則: 高風險動作要設計成「AI 提案,人類審核後執行」,而不是 AI 直接執行。
實用的 MCP 導入框架
如果你想在公司導入 MCP,建議這個順序:
第一步:從唯讀開始 先讓 AI 只能「看」,不能「動」。這樣就算 AI 判斷錯了,也不會造成實際損害。
第二步:從低風險資料開始 行銷報表 > 訂單資料 > 客戶個資 > 財務資料(風險遞增)
第三步:定期稽核 每季檢查一次:AI 實際在存取什麼資料?有沒有不再需要的工具連接?
第四步:建立操作日誌 如果 AI 透過 MCP 執行了某個動作,要有記錄可以追查。
一張決策表
在考慮是否加入一個 MCP 連接時,用這張表評估:
| 評估問題 | 答案傾向「加」 | 答案傾向「先不加」 |
|---|---|---|
| 這個任務是否重複發生? | 每天/每週 | 偶爾/一次性 |
| 資料敏感程度? | 行銷/運營資料 | 財務/個資資料 |
| 錯了能回復嗎? | 容易回復 | 不可逆(如刪除) |
| 需要多少維護? | 穩定的 API | 常常變動的系統 |
練習題
AI 協作:學了這個,跟 AI 怎麼配合?
有了 MCP 設計思維,你能在公司推動 AI 工具整合時,既追求效益,又管理好風險——這正是非工程師最能發揮影響力的地方。
你的人類優勢:
- 你了解業務流程的全貌,能判斷哪些環節最值得自動化
- 你能代表使用者(客服、行銷、運營)評估「這個 AI 動作安不安全」
可以這樣跟 AI 說:
我們公司的電商後台有訂單系統、客服 Slack、Google Analytics 和商品庫存 Excel。幫我設計一個 MCP 導入的優先順序計畫,按照「效益高+風險低」優先的原則,並為每個工具連接標注建議的權限範圍和需要人工確認的操作類型。
挑戰任務
判斷以下電商場景,哪些「適合」用 MCP 自動化,哪些「不適合」(或需要人工確認才能執行): A. 每天早上自動彙整昨日訂單量、退貨數、TOP 5 商品 B. 偵測到異常訂單時,自動退款給客戶 C. 每小時自動更新網站上的庫存顯示數字 D. AI 自動發送道歉信給收到瑕疵品的客戶(直接發送,不需確認)
你想讓 AI 連接公司的訂單資料庫來分析退貨趨勢。根據「最小權限原則」,這個 MCP Server 應該有什麼樣的資料庫權限?請說明你的設計,並解釋為什麼要這樣限制。
用本課的「決策表」評估這個場景:你想用 MCP 連接公司的客戶個資資料庫(姓名、電話、購買歷史),讓 AI 幫客服人員快速查找客戶資料。根據四個評估問題,你的結論是什麼?如果要「加」,需要有哪些前提條件?