MCP 應該裝哪幾個？我的看法很簡單：先看你每天做甚麼工作，再選工具，不要反過來。裝得多不等於用得好，每多一個連接，就多一扇門讓 AI 進入你的資料。
MCP 是甚麼？
MCP 全名 Model Context Protocol，是 Anthropic 在 2024 年底公開的開放標準。
打個比喻：AI 模型像一位很聰明、但被關在房間裡的助理，只知道訓練時讀過的東西。MCP 就是牆上一排標準插座。Google Analytics、Notion、Stripe 等服務各自做一個「插頭」（MCP server），ChatGPT、Claude、Cursor 這類 MCP client 插上即可使用，不必每家各寫一套整合程式。
插上以後，AI 能做兩類事：一是「讀」，例如查報表、找會議筆記、看交易紀錄；二是「寫」，例如建立廣告、排程貼文、更新 CRM。
現在不少公司提供官方 remote MCP，填一條網址、用 OAuth 登入便可；亦有大量社群開發、要在自己電腦運行的 local MCP。下面表格會註明哪些屬社群項目。
MCP 和 Agentic AI 有甚麼關係？
Agentic AI，簡單說就是「會自己做事的 AI」：它能規劃步驟、調用工具、按結果調整，最後完成任務。MCP 則是它接觸外面世界的手腳和眼睛。
簡單說，連接器愈多，AI agent 能做的事就愈多。
💡沒有 MCP，AI 只能在對話框裡回答問題；有了 MCP，它可以真的去查報表、排程貼文、更新 CRM、發電郵。分工可以這樣理解：Agentic AI 負責「想」和「決定下一步」，MCP 負責「接通」。
一、數碼營銷
我自己一直有使用 AI Agent 來協助數碼營銷的工作，以下是我有用開的 MCP ：
| MCP 名稱 | 用途簡介（一句） | 適合場景 |
|---|---|---|
| Google Analytics MCP（官方，實驗性） | 透過 GA Admin API 及 Data API 查詢 GA4 報表，使用唯讀權限。 | 「上星期哪個渠道帶來最多轉換？」這類日常數據提問 |
| Google Ads MCP（官方） | 以 Google Ads API 查詢帳戶、campaign 及成效數據。 | 廣告月報、比較不同 campaign 的 CPA |
| Meta Ads MCP（官方） | Meta 託管的 remote MCP，可讀取成效報告，也可建立及修改 campaign、ad set、廣告與產品目錄。 | Facebook／Instagram 廣告報表、A/B test 設定 |
| HubSpot MCP（官方） | 讓 AI 在 HubSpot 原有用戶權限下讀寫 CRM 的聯絡人、公司、deal 等資料。 | 銷售跟進、整理潛在客戶名單 |
| Ahrefs MCP（官方） | 在對話中直接調用 Ahrefs 的關鍵字、反向連結及 Site Audit 數據。 | SEO 競爭對手分析、找內容缺口 |
| Semrush MCP（官方） | 用自然語言取得 Semrush 的 SEO、流量及競爭對手數據。 | 已訂閱 Semrush 的團隊做關鍵字研究 |
| Canva MCP（AI Connector）（官方） | 讓 AI 搜尋、建立、編輯及匯出 Canva 設計。 | 社交媒體圖片、宣傳單張初稿 |
| Buffer MCP（官方） | 讀取頻道與排程，草擬、排程貼文及查看分析數據。 | 多平台社交貼文排程 |
Google Analytics MCP 只用唯讀權限，Google Ads MCP 目前的工具也以查詢為主，不會用它去調整金錢成本。
Meta Ads MCP 能直接建立和修改廣告，我的建議是只看報表；真的要讓 AI 建 campaign，也應先設為暫停狀態，人手檢查預算和受眾後才上線。
搜尋 SEO 成效，Ahrefs 和 Semrush 二選一便可，看你原本訂閱哪一家。
二、財務類 MCP
| MCP 名稱 | 用途簡介（一句） | 適合場景 |
|---|---|---|
| Alpha Vantage MCP（官方） | 提供股票、外匯、加密貨幣、經濟指標及技術指標等過百個 API 端點。 | 股票研究、宏觀數據整理 |
| Financial Datasets MCP（官方） | 取得上市公司損益表、資產負債表、現金流量表、股價及公司新聞。 | 基本面分析、比較同業財務數字 |
| Massive MCP（前 Polygon.io）（官方） | 查詢股票、期權、外匯、加密貨幣及期貨的市場數據。 | 需要較細市場數據的量化或交易研究 |
| Excel MCP Server（社群） | 不需安裝 Microsoft Excel，也能建立、讀取及修改 Excel 檔案。 | 整理財務模型、批量處理報表檔 |
| Google Sheets MCP（社群） | 讀寫 Google Sheets 及搜尋 Google Drive 內的試算表。 | 團隊共用的預算表、KPI 追蹤表 |
財務資料敏感，使用原則是不要把東西往外連。
Alpha Vantage、Financial Datasets 和 Massive 提供的是市場與上市公司公開數據，用公開數據來研究沒有甚麼私隱問題，三者的分別主要在數據覆蓋範圍和收費。
三、AI 工具，適用在培訓
| MCP 名稱 | 用途簡介（一句） | 適合場景 |
|---|---|---|
| Notion MCP（官方） | 透過 mcp.notion.com 讀取及更新你有權限的 Notion 頁面與資料庫。 | 管理課程大綱、教材庫 |
| Granola MCP（官方） | 搜尋 Granola 會議筆記及逐字稿，並可按會議資料夾查找。 | AI 會議語音轉文字 |
MCP 最有用的地方不在「生成」，而在「整理」。當完成工作坊和會議後，有簡報、會議筆記、有白板、有學員問題，散落在不同工具。Notion 加 Granola 是我認為最實用的組合：前者放課程與教材，後者保存每次對談的內容，AI 可以兩邊對照。
我自己在用的 MCP
我現在主力的 Agentic AI 包括有 Grok Bot、Cursor 、Manus 和 WorkBuddy ，以下是我目前實際連接的 MCP，按用途分組：
- 內容與社交：X（Twitter API） 用來查詢貼文和趨勢；Buffer 用來排程社交貼文。
- 電郵：Gmail 處理日常郵件；Resend 負責程式化發送電郵；Hostinger Reach 用於電郵營銷。
- 網站與開發：GitHub、Vercel、Cloudflare、Hostinger（hosting、WordPress、domains、DNS、billing、ecommerce、VPS）、Playwright （瀏覽器自動化）， Context7（查詢最新技術文件）。
- 生產力與知識管理：Notion、Lark Docs、Google Calendar。
- 會議：Granola，整理會議筆記和逐字稿。
權限與安全：
- 最少權限：只開需要的權限。只看報表，就不要授權寫入；
- 記住連接器會讀你的資料：它會把你的數據暴露給所連接的 AI。客戶資料、財務帳目要先想清楚是否適合。
- 寫入動作要有人把關： 發電郵、改廣告、更新 CRM，最好設定為每次執行前需要人手確認。
MCP 不會替你決定策略，它只是把資料和工具接到 AI 。要選哪幾個、開多少權限、結果是否正確，仍然要由人來判斷。
你正在用哪些 MCP？留言告訴我。
Human-led, AI-driven.