前面整理過：
Rules
Skills
Commands
Agents
這些功能大多是在處理：
AI 應該怎麼工作？
而 MCP 比較像是在處理另一件事情：
AI 還可以使用哪些工具？
MCP 是什麼？
MCP 全名：
Model Context Protocol
可以先簡單理解成：
讓 AI 用一套共同的方式連接其他工具或資料來源。
原本 Coding Agent 主要是在專案裡工作：
AI
↓
目前專案
↓
程式碼 / 檔案
有了 MCP 之後，就可以再連接其他工具。
例如：
AI
│
├─ Browser
├─ GitHub
├─ Database
├─ 設計工具
└─ 其他服務
所以 MCP 本身不是某個特定工具。
比較像是：
AI
↓
MCP
↓
其他工具
讓 AI 多一些原本沒有的能力。
Claude Code 與 Codex 都支援 MCP。
MCP 可以拿來做什麼？
這要看接上的 MCP 提供什麼功能。
例如：
Browser MCP
↓
操作瀏覽器
GitHub MCP
↓
取得 Issue / PR 等資料
Database MCP
↓
取得 Database Schema 或資料
設計工具 MCP
↓
讀取或修改設計內容
所以不是：
裝了 MCP，AI 就什麼都會。
而是：
接上的 MCP 提供什麼能力，AI 才能使用什麼能力。
我實際有使用過的例子：Pencil MCP
我目前實際有使用過的是：
Pencil MCP
也就是讓 Claude Code 或 Codex 可以連接設計工具。
現在官方產品名稱已經改為：
pen.dev
但在 MCP Client 裡，目前仍可能看到：
pencil
這是正常的。
官方目前也支援 Claude Code CLI、Codex CLI 等 Client 透過 MCP 連接正在開啟的 .pen 文件。
可以先簡單理解成：
Claude Code / Codex
↓
Pencil MCP
↓
.pen 設計文件
使用 Pencil MCP 後有什麼差別？
如果沒有 MCP，和 AI 討論設計時可能比較像：
我看著設計畫面
↓
用文字描述給 AI
↓
AI 根據描述工作
但接上 Pencil MCP 後，AI 可以透過 MCP 取得或修改目前的設計文件。
例如可以請它：
建立一個登入畫面
或：
調整這個區塊的 Layout
甚至：
修改目前的設計內容
AI 就可以透過 MCP 操作設計文件，而不只是回傳一段「應該怎麼設計」的文字。
pen.dev 官方目前的 MCP Tools 也確實提供讀取目前文件狀態以及執行設計操作等能力。
這也是我目前最容易理解 MCP 的地方：
讓 AI 多一個它原本不能直接操作的工具。
.pen 是什麼？
Pencil / pen.dev 的設計檔使用：
.pen
例如：
my-project/
├─ src/
├─ package.json
└─ design.pen
.pen 就是設計文件。
官方目前也支援將 .pen 文件放在專案中，並透過 Desktop App 或 IDE Extension 開啟。
所以在開發專案時，可以出現：
程式碼
+
設計文件
都放在同一個專案裡的情況。
MCP 跟 Skill 有什麼不同？
前一篇整理過 Skill。
這兩個我一開始也很容易混在一起。
可以先這樣理解：
Skill
↓
告訴 AI
「這件事情怎麼做」
MCP
↓
提供 AI
「做事情可以使用的工具」
例如：
Skill
↓
告訴 AI 建立 UI 時要遵循哪些步驟
而：
Pencil MCP
↓
讓 AI 真的可以操作設計文件
所以：
Skill
=
工作方法
MCP
=
工具能力
兩個解決的是不同問題。
Skill 和 MCP 也可以一起使用
例如：
Skill
↓
告訴 AI
設計畫面時要怎麼做
Pencil MCP
↓
讓 AI
真的可以操作設計畫面
組合起來就可能變成：
我提出需求
↓
AI 依照 Skill 的流程工作
↓
透過 MCP 操作設計工具
↓
完成設計
但也不是用了 Skill 就一定要搭配 MCP。
很多工作只需要：
AI
+
Skill
+
目前專案
就可以完成。
只有真的需要操作其他工具時，才需要 MCP。
MCP 不需要全部裝
知道 MCP 可以接很多工具之後，很容易產生：
那是不是全部接起來比較方便？
其實沒有必要。
例如：
GitHub
Browser
Database
設計工具
其他 API
...
不代表每個專案都需要。
比較自然的方式是：
先正常使用 AI
↓
發現需要操作某個外部工具
↓
確認它有沒有適合的 MCP
↓
真的需要再接上
像我目前有使用 Pencil MCP，就是因為確實有設計工具與 AI 協作的需求。
如果完全沒有 Database 操作需求，就沒有必要為了「看起來完整」再裝一個 Database MCP。
MCP 也要注意權限
因為 MCP 是把其他工具的能力提供給 AI，所以還是要注意：
這個 MCP 可以做什麼？
↓
它可以讀什麼？
↓
它可以修改什麼？
尤其如果 MCP 會接觸：
帳號
Database
GitHub
檔案
第三方服務
就更需要確認來源。
所以我目前會把原則保持得很簡單：
真的需要才安裝，而且優先使用來源清楚、可信任的 MCP。
不用因為某個 MCP 看起來功能很多就全部接上。
Rules / Skills / Agent / MCP 怎麼分？
整理到這裡，可以先簡單記成：
Rules
↓
工作時必須遵守什麼
Skills
↓
某件事情應該怎麼做
Agent / Subagent
↓
誰負責做某一部分工作
MCP
↓
AI 還可以使用哪些工具
例如：
Rule
↓
不要任意加入新的 Dependency
Skill
↓
功能完成後要怎麼檢查與收尾
Subagent
↓
把某個獨立調查工作交出去
MCP
↓
讓 AI 可以操作 Pencil 等其他工具
這樣我覺得比較容易區分。
最後簡單整理
MCP：
Model Context Protocol
我目前會先把它理解成：
讓 AI 可以連接並使用其他工具的一種方式。
原本：
AI
↓
目前專案
加入 MCP 後：
AI
│
├─ 目前專案
├─ Browser
├─ GitHub
├─ Database
├─ Pencil
└─ 其他工具
但不需要一開始就研究或安裝很多 MCP。
比較自然的方式是：
先正常使用 AI
↓
真的遇到外部工具需求
↓
再確認有沒有適合的 MCP
↓
有需要才加入
我目前實際使用過 Pencil MCP 後，對 MCP 最直接的理解就是：
原本 AI 只能跟我討論設計，接上 MCP 後，它開始有能力直接操作設計工具。
其他像 GitHub、Database、Browser 等 MCP，等到真的有使用需求時，再針對那個工具進一步研究即可。