你的 AI Agent 會根據你提供的知識回答。有些問題需要無法放入知識庫的資訊：最新資訊、計算結果，或位於你不擁有的系統中的資料。**遠端 MCP server 是你的 Agent 在對話中途取得該資訊的方式。**本指南會將 Quickchat AI Agent 連接到一個遠端 MCP server，不寫程式碼，使用免費方案：你會從超過 240 個 server 的目錄中選擇一個，精確開啟其中一個工具，用一段 prompt 導向它，並在 Inbox 中查看真實呼叫發生。
我們會實際建置。範例使用 Hoist，一個供開發人員使用的可續傳檔案上傳 API，以及 DeepWiki，Cognition 提供的公開 MCP server，可回答任何公開 GitHub repository 相關問題。下面的每個設定、URL 和 prompt 都是產生截圖時使用的精確內容。如果你已經在執行 agent，相同步驟可將它連接到下表中的任一即時 server，如果你想委派點擊操作，AI assistant 可以透過 Quickchat AI 自己的 MCP server 為你建置整個設定。
這是配套文章中的實作半部。如果你想先了解通訊協定背景，請閱讀 MCP 是什麼以及它如何運作；本指南將篇幅用在實作。
你將建置什麼
一個 Hoist 支援 Agent，做兩件事。它從自己的知識庫回答 Hoist 本身的問題（方案、檔案大小限制、儲存區域、webhook）。當訪客詢問開源 tus-js-client 函式庫的行為時，也就是 Hoist 客戶在自己 app 中安裝的函式庫，它會呼叫遠端 MCP 工具，從該函式庫在 GitHub 上的即時原始碼回答，然後將答案連回 Hoist 的使用方式。
第二種情況才是重點。你不能也不應該把整個上游函式庫的內部實作複製到知識庫中，但你的 Agent 可以按需查詢。
你需要兩樣東西：免費 Quickchat AI 帳號（在此註冊）以及約十五分鐘。Server URL、工具允許清單和 prompt 都在本指南中。
AI agent 如何連接到遠端 MCP server？
遠端 MCP action 會將你的 Agent 指向 server，探索該 server 提供的工具，並讓你選擇 Agent 可以呼叫哪些工具。
MCP，Model Context Protocol，是 server 向 AI 暴露一組工具的標準方式。Server 會發布每個工具的名稱、描述與所需參數；任何 MCP client 都可以列出這些工具並呼叫它們。當 ChatGPT 或 Claude 在設定中將相同 server 作為 connectors 提供時，這個機制就是該詞背後的運作方式。這就是整個技巧，也正是同一個連接畫面可同時適用於排程 server、付款 server 和文件 server 的原因。
當你的 Agent 使用遠端 MCP 工具時，會發生三件事。
三步驟流程：模型選擇工具，Quickchat AI 執行你的允許清單和驗證，server 執行它。整個交換會進入你的 Inbox。
- 你的 Agent，也就是模型，選擇工具。 它會看到你啟用的每個工具，以及 server 為其撰寫的描述，並決定何時呼叫其中一個，就像決定使用任何 AI Action 一樣。
- Quickchat AI 執行你的規則。 在傳送任何內容之前，它會檢查你的工具允許清單，附加你的 connection headers 或 OAuth token（如果 server 需要），並拒絕任何解析到內部網路的 server 位址。
- Server 執行工具並回傳資料。 Agent 會在回覆中使用結果，整個交換會記錄在 Inbox 中。
工具呼叫中會放入兩種類型的值，之後區分它們很重要。整合所填入的值是確定性的：server URL、headers 和 tokens，模型不可能弄錯。模型所填入的值是判斷性內容：每個工具接受的參數，例如搜尋查詢或 repository 名稱，模型可能會弄錯。調校章節的所有內容都會回到這個區分。
2026 年 MCP 有哪些變更
如果你上次閱讀 MCP 時，每篇教學都提到 SSE，情況已經改變。2026-07-28 規格修訂讓協定核心變成無狀態，從 streamable HTTP 移除 session header，並在遷移期間內棄用舊的 HTTP-plus-SSE transport（changelog 很短，值得快速瀏覽，Claude 也在同一週推出支援）。對你的實務影響很簡單：遠端 MCP server 現在只是一個一般 HTTPS endpoint，操作方式與任何其他 web service 沒有不同。Quickchat AI 使用 streamable HTTP，並且當 server 的 URL path 以 /sse 結尾時，仍會 fallback 到舊版 SSE transport，因此較舊 server 仍可運作。
三次修訂將遠端 MCP 從帶有 session 的 SSE pair 變成一個無狀態 HTTPS endpoint。括號標示 HTTP plus SSE 的 12 個月緩衝期。
步驟 1：建立 Agent 並提供知識庫
從可運作的支援 Agent 開始，這樣在加入即時工具之前，它已經有自己的內容可以回答。
建立免費帳號和新的 AI Agent，並為它命名（我們的是 Hoist）。在 Identity 下，於 AI Main Prompt 設定它的工作（完整 prompt 會在步驟 4 提供）。
Hoist 的 Identity 頁面。名稱與 AI Main Prompt 是本指南填入的兩個欄位；Guidelines 存放產品事實。
然後加入一個簡短知識庫：Hoist 的兩個方案及其限制、如何取得 API key、儲存區域，以及 upload.completed webhook。這是基準。Agent 已經可以回答的所有內容，都應從這裡回答。MCP 工具只用於這些知識無法涵蓋的問題。
你應該先連接哪個遠端 MCP server？
選擇一個工具能回答知識庫無法回答之問題的 server，並且第一次連接時優先選擇免金鑰 server，這樣可以一次完成。
在你的 Agent 中，開啟 Actions & MCPs，按一下 Add Action，並選擇 MCP。你首先看到的是目錄：超過 240 個遠端 MCP server，具備搜尋和分類，涵蓋排程、CRM、付款、電子商務和開發者工具。
MCP 目錄：一個搜尋框後面有 242 個 server。選擇 tile 會立即開始連接。
這個畫面有三個細節值得知道：
- 每個 tile 都是一鍵操作。 選擇 tile 會填入 server URL 並立即連接；事先不需要設定任何內容。
- 閃光徽章表示「Tuned by Quickchat」。 對於這些 server，Quickchat AI 會提供建議工具組：例如連接 Calendly 時，它數十個工具中只有 agent 實際排程所需的五個工具會啟用，並提供合理預設，可隨時用 Use recommended 重設。
- 目錄經過策展，但不是完整清單。 需要每個商店或每個 instance URL 的 server 位於底部的 Enter a URL manually 後方，該選項接受網際網路上的任一 MCP server。
目錄偏向你的客戶會受益的 server。本教學使用 DeepWiki，它位於 Search & web 類別，而因為「哪個 server 實際值得連接」是每篇清單文章都避開的問題，以下是我們的清單，經過測試而非轉載。
今天可試用的八個免金鑰遠端 MCP server
以下每個都在 2026 年 8 月 28 日 回應了真實 MCP initialize request。不需帳號、不需 key：貼上 URL，或按一下其目錄 tile，即可連接。
| Server | 其工具的功能 | URL |
|---|---|---|
| DeepWiki (Cognition) | 回答任何公開 GitHub repository 相關問題 | https://mcp.deepwiki.com/mcp |
| Context7 (Upstash) | 查詢軟體函式庫的最新文件 | https://mcp.context7.com/mcp |
| Hugging Face | 搜尋模型、資料集與論文 | https://huggingface.co/mcp |
| Microsoft Learn | 搜尋 Microsoft 官方文件 | https://learn.microsoft.com/api/mcp |
| Cloudflare Docs | 搜尋 Cloudflare 文件 | https://docs.mcp.cloudflare.com/mcp |
| GitMCP | 讀取任何 GitHub repo 的文件與程式碼 | https://gitmcp.io/{owner}/{repo} |
| Firecrawl | 擷取並搜尋 web | https://mcp.firecrawl.dev/mcp |
| Exa | 神經網路 web 搜尋 | https://mcp.exa.ai/mcp |
每個 server 名稱都連到其官方文件。除了免金鑰層之外，你聽過的綁定帳號 server（GitHub、Linear、Notion、Stripe、Sentry、Atlassian、PayPal、Canva）也都可用；它們會使用 OAuth 彈出視窗而不是 key 來驗證。這整個測試有一個警告：數個「最佳 MCP server」彙整文流傳的 endpoint 沒有回應，或 domain 根本無法解析，因為清單會複製其他清單。請信任會回應 initialize request 的 URL，或有人維護的目錄，而不是清單文章。Notion 的託管 server 是第一個綁定帳號選項的不錯選擇：將它連接到 help-center agent 只需要一次 OAuth 核准和兩個已啟用工具，而寫回 Notion database 會顯示工具策展的價值。
一鍵連接 server
對免金鑰 server 而言，連接是本指南中最短的步驟。
在目錄中找到 DeepWiki（搜尋框最快），並按一下其 tile。
搜尋會在你輸入時篩選目錄：剩下一個結果，一鍵連接。
Quickchat AI 會聯絡 server，確認它使用 MCP，並列出找到的工具，所有操作都在幾秒內完成。
探測進行中：Quickchat AI 在 20 秒預算內驗證 server 使用 MCP 並列出其工具。
檢查完成後，action 會建立並自動開啟。DeepWiki 發布三個工具，三個都會以啟用狀態加入，我們稍後會修剪。
如果你的 server 不在目錄中，按一下 Enter a URL manually。你會用兩個欄位得到相同連接：
手動路徑：MCP server URL、供 keyed server 使用的選用 Connection headers，以及 Connect。
- MCP server URL 是 endpoint，以我們為例是
https://mcp.deepwiki.com/mcp。必須使用 HTTPS，且解析到 private 或 internal address 的 URL 會被直接拒絕。 - Connection headers (optional) 是 server 需要 key 時放置 key 的地方，例如
Key為Authorization，Value為Bearer YOUR_TOKEN。Quickchat AI 會儲存 header 並在 server side 附加到每個 request，因此 token 永遠不會出現在 prompt 或對話中。
如果 server 需要登入怎麼辦？
許多最有用的 server 都是綁定帳號的：排程、付款、CRM。對這些 server，根本沒有 key 可貼上。連接到 Calendly 這類 server 時，Quickchat AI 會偵測 OAuth challenge 並引導你完成：
偵測到 OAuth server：沒有 key 可貼，只需 Connect with Calendly 和核准彈出視窗。
按一下 Connect with Calendly，在彈出視窗中核准存取，工具就會出現，與免金鑰流程相同。底層是 OAuth 2.1，搭配 dynamic client registration 和 PKCE：Quickchat AI 會向 server 註冊自身、交換一次性 code、加密儲存 token，並為你刷新它們。你可隨時從 action Reconnect 或 Disconnect，如果你在授權中途關閉視窗，連接會從你離開的地方繼續。
我們在另一篇指南中使用 OAuth server 建置了完整 agent：使用 Calendly MCP server 的 AI scheduling assistant，可檢查真實可用時段並預訂真實會議。
選擇 Agent 可以呼叫哪些工具
Tools 面板是你授予最小權限的地方，也是本指南中最重要的畫面。
開啟你剛建立的 action（其卡片上的 Edit Action），並找到 Tools 區段。它會列出 server 發布的每個工具，每個工具一個開關，頂端有計數器。
一個面板中的最小權限：ask_question 開啟，另外兩個關閉，且 Default tool activation 關閉，讓未來工具等待你審查。
DeepWiki 發布三個工具：
| Tool | 功能 | Hoist 需要它嗎？ |
|---|---|---|
ask_question | 給定 repo 與問題，回傳有來源依據的答案 | 是 |
read_wiki_structure | 給定 repo，回傳其文件大綱 | 否 |
read_wiki_contents | 給定 repo，回傳其文件 | 否 |
只開啟 ask_question。另外兩個沒有害處，但每個啟用工具都是模型可能使用的額外項目、其 context 中的另一段描述，以及你必須測試的另一種行為。關閉的工具對模型而言不存在。
接著關閉 Default tool activation。該開關決定 server 未來新增工具時會發生什麼：關閉表示新工具會保持停用，直到你審查為止。這比看起來更重要。遠端 server 是他人更新的軟體；你今天核准的工具清單不是合約。npm 世界曾以艱難方式學到這件事，當時一個評價良好的 MCP package 連續數月發布乾淨版本，之後悄悄加入 email exfiltration（postmark-mcp 事件；安全章節會再說明）。你無法稽核第三方的 release process，但可以確保他們的新能力不會默默流入你的 Agent。這個開關就是該保證。
在 Tuned by Quickchat server 上，相同面板會從建議狀態開始：連接 Calendly 時，其 36 個工具中有 5 個會啟用，其餘關閉，且 Default tool activation 已關閉。你實驗後可用 Use recommended 重設回該策展集合。對於較大的 server，面板會增加搜尋框，Enable all 和 Disable all 會如其名稱執行。
Tuned by Quickchat server 會預先修剪：Calendly 的 36 個工具中啟用 5 個，且 Use recommended 可在你實驗後重設選擇。
告訴 Agent 何時使用工具
Main prompt 是你控制工具何時觸發以及詢問內容的唯一地方。
即使熟悉 MCP 的人也常對這一點感到意外：**action 的 name 和 description 欄位是給你看的標籤，模型永遠不會讀取它們。**模型讀取的是 server 發布的工具描述，以及你的 Agent main prompt。我們在下方調校章節中，透過執行中的程式碼和對抗性實驗驗證了這點。因此導向只發生在你控制的一個地方。在 Identity 下，將以下內容貼到 AI Main Prompt，並替換為你自己的產品細節：
你是 Hoist 的支援助理，Hoist 是供開發人員使用的可續傳檔案上傳 API。Hoist 提供開發人員託管的可續傳上傳 endpoint 與儲存空間。客戶會使用開源 tus-js-client 函式庫，直接從自己的 web 和 mobile app 上傳檔案，該函式庫會使用 tus 可續傳上傳協定與 Hoist 通訊。
請根據你的知識回答 Hoist 本身的問題（方案與限制、API keys、儲存區域、webhooks、保留期限）。保持簡潔且友善。
許多 Hoist 客戶會詢問他們安裝到 app 中的 tus-js-client 函式庫實際上如何運作：它如何在連線中斷後續傳、如何為檔案建立 fingerprint、如何設定 chunk size 或 retry delays，以及支援哪些 options。該行為存在於函式庫的原始碼中，而不是 Hoist 文件中。當訪客提出關於 tus-js-client 如何運作的詳細問題時，請使用 repoName "tus/tus-js-client" 和他們的問題呼叫 ask_question 工具，然後根據它回傳的內容回答，並將答案連回 Hoist 的使用方式。不要將此工具用於 Hoist 自己的產品、定價或帳號設定問題。該 prompt 中有兩件事真正起作用。它命名確切 repository（tus/tus-js-client），因為 repoName 是模型在每次呼叫中填入的參數，而一句話就能將該推論變成常數（調校章節會衡量沒有它時推論維持得如何）。它也限定工具範圍為函式庫內部問題，因此 Agent 會繼續從知識回答 Hoist 自己的問題。
模型還會看到另一個沒有人在 prompt 中顯示的內容：當 Agent 連接工具時，Quickchat AI 會在 system prompt 中附加一段簡短、常駐的 Connected Action Tools 區段，內含善用工具的一般規則。你的 prompt 位於該政策之上，因此你撰寫何時與什麼，平台處理如何。
測試它，並觀察工具呼叫發生
提出只有函式庫原始碼能回答的問題，然後開啟對話並閱讀呼叫。
在 AI Preview 中提問：“A user’s wifi drops halfway through an upload. How does tus-js-client resume it?” Agent 會回答實際機制，然後將它連回 Hoist。
一個 thread 中的兩種情況：函式庫答案連回 Hoist，下方產品問題則從知識回答，沒有工具呼叫。
若要證明它使用了工具，而不是編造該答案，請在你的 Inbox 中開啟對話，並展開 actions called 記錄。
誠實記錄：ask_question 搭配模型寫出的確切 repoName 和 question、即時結果與呼叫時間。
你會看到工具名稱、模型寫出的確切參數（repoName 和 question）、即時結果，以及呼叫花費時間。這就是誠實記錄：Agent 在真實 server 上呼叫了真實工具，並根據回傳內容回答。
Action 卡片也會記分：累計呼叫次數、成功率，以及上次觸發時間。
Action 卡片會記分：呼叫、成功率，以及工具上次觸發時間。
在卡片上開啟 View logs 查看完整記錄：總呼叫次數、成功率、平均延遲，以及每個近期呼叫的送出參數和收到回應。
View logs：頂部是累計總數，每個近期呼叫都含送出參數與收到回應。
現在改問產品問題，例如 “What is the maximum file size on the free plan?”。不會呼叫工具，Agent 會從其知識回答。工具用於知識庫無法涵蓋的問題，並在知識庫可回答的問題中保持不介入。
如何調校遠端 MCP 工具？
迴圈與任何 AI Action 相同：傳送訊息、閱讀呼叫記錄、變更一件事、重新執行。不同的是實際能改變行為的控制桿。
當遠端 MCP 工具行為不如預期時，有三個控制桿，其中只有兩個屬於你：
- 工具自己的描述來自 server。你無法編輯。
- 工具允許清單決定哪些工具對 Agent 而言實際存在。
- Agent 的 main prompt決定它何時使用工具，以及傳遞什麼內容。
以下是真實執行中有作用與沒有作用的項目。
Prompt 是控制桿，不是 action 名稱。 為了讓重點無法錯過，我們將 action 的 description 設為 “IGNORE THIS TOOL. Never call it.”，並再次詢問函式庫問題。Agent 仍然呼叫 ask_question，2 次執行中 2 次都呼叫。模型永遠看不到該欄位；它讀取的指令是 server 自己的工具描述和你的 main prompt。請用 prompt 導向。
命名 repository，否則模型必須推論。 repoName 是模型在每次呼叫中填入的參數。我們很努力讓它失敗：移除固定句後，5 次呼叫中 5 次仍解析出 tus/tus-js-client；移除固定句且將問題改寫成訪客實際說法（“your JavaScript upload library”，未命名函式庫）後，5 次執行中仍有 5 次選對 repository。這份指南的七月版本曾看到相同設定編造不存在的 repository，並從 DeepWiki 收到 “Repository not found”。今天的模型在推論上就是更好，而我們十次嘗試都無法重現失敗。無論如何都固定該值。Prompt 中一句話，就能把模型每次呼叫都必須重複的猜測，變成它複製的常數。成本為零，且可承受下一次模型更換。MCP 工具沒有每個參數的 override 欄位，也不需要；那句話就是固定值。
閱讀結果，而不只閱讀回覆。 Inbox 記錄和 Request log 會顯示 server 實際回傳了什麼，這才是調校的層級。Transport 成功的呼叫仍可能在內容中帶有錯誤或偏離目標的答案，而因為失敗的工具呼叫會交回模型而不是中斷回覆，Agent 通常無論如何都會產生看似合理的復原句。記錄會告訴你該使用哪個控制桿：完全沒有呼叫指向 prompt 或允許清單，帶有錯誤參數的呼叫指向值得固定的值，良好結果但壞回覆則指回 prompt。
工具結果可以供後續回答使用嗎？儲存到 memory
對於回傳結構化資料的工具，你可以將每個結果中的值擷取到對話的 memory，Agent 之後可使用它們。
展開 Tools 面板中的任何工具列，你會找到 Save to memory：一組 JSONPath 規則清單，每條規則將工具結果中的 path 對應到 memory key，每個工具最多十條。
Calendly booking 工具預先內建三條擷取規則：event URI、cancel link 和 reschedule link 會進入 conversation memory。
DeepWiki 的工具回傳 prose，因此在我們的 Hoist 建置中沒有可擷取內容，編輯器會保持空白。此功能在交易型 server 上最有用。在策展的 Calendly server 上，booking 工具預先帶有三條規則：當 Agent 預訂會議時，event URI、cancel link 和 reschedule link 會被擷取。三則訊息後要求取消時，Agent 已持有確切 cancel URL，不需重新查詢，不需猜測。擷取的值會成為模型讀取的對話資料的一部分，這是 MCP 工具最接近將一個工具輸出餵入下一個工具參數的方式。
給重視安全的人兩個細節，因為此功能是針對特定攻擊而建置。擷取值存在於 server side 擁有的 namespace 中，因此訪客無法透過輸入看似 memory entry 的內容來偽造它們。而如果擷取失敗，因為結果形狀改變或 path 未匹配任何內容，模型仍會取得其工具結果；回覆會繼續，擷取只是被略過。
使用 Simulations 大規模測試
一段對話可以證明工具會觸發。若要檢查 Agent 是否按你想要的方式處理整組問題，請使用 Testing tab 下的 Simulation Testing。
建立一個小型資料集，混合兩種情況：應使用工具的函式庫內部問題，以及 Agent 應從知識回答的產品問題。給 evaluator 你的評分標準，並在其中包含真實產品事實，讓它能分辨正確方案或區域與編造內容。然後執行該組並閱讀分數。
五題執行：整體 4.8 / 5，每個回覆有分數與 judge 的理由。
我們的五題執行得到 4.8 / 5：產品答案、續傳說明和 chunk-size 說明都滿分，retry 答案被扣到 4 分。評估會評分 Agent 的回覆，而不是工具呼叫本身，因此請搭配 Inbox 使用：Inbox 記錄證明工具以正確輸入觸發，Simulation 顯示回覆在多個問題中都能維持品質。
執行前需知道兩項成本。每則模擬訊息都會計入你方案的每月 AI messages，和真實對話相同。而 Simulation 會真實運行你的 Agent，這代表啟用中的 MCP 工具會在執行中真實觸發。對 ask_question 這類唯讀工具無害；但在模擬工具會寫入日曆或付款系統的 agent 前需要考慮。
連接 MCP server 安全嗎？
安全性依賴允許清單與選擇正確類型的 server，而不是 prompt。
- 用允許清單落實最小權限。 Agent 只能呼叫你開啟的工具。啟用你需要的那一個，且在 Default tool activation 關閉時，server 之後新增的工具會保持關閉，直到你審查為止。對 DeepWiki 這類唯讀 server 而言，列入允許清單的
ask_question最多只能讀取公開資料。OpenAI Hugging Face 事件在前沿實驗室規模上也是同一課題：被賦予超出任務需求存取範圍的 agent 會找到其用途。 - 將 server 視為供應鏈。 你在信任他人的程式碼與他人的 release process。優先選擇由資料提供公司執行的 first-party server，在啟用前閱讀工具清單，並讓 default-off 開關吸收它們接下來發布的任何內容。postmark-mcp 事件，也就是十五個乾淨 release 後第十六個版本對攻擊者 BCC，是應記住的案例。
- 不要把秘密放進 prompt。 如果你的 server 需要 token，請放在 connection header，或使用 OAuth flow，讓 Quickchat AI 為你持有加密 token。無論哪種方式，憑證都在 server-side 附加，模型永遠看不到，因此任何對話都無法洩漏它。
- Internal addresses 會被封鎖。 Quickchat AI 會拒絕將 MCP action 連接到 private、loopback 或 link-local address，並對 OAuth server 公布的每個 endpoint 套用相同檢查，因此 server URL 不能變成存取網路內部內容的方法。
- 慢速 server 無法讓 Agent 停住。 每個連接都有界限：10 秒連線、20 秒讀取，且每次回覆每個 server 有 20 秒預算。失敗或逾時的工具呼叫會作為錯誤交回模型，因此 Agent 會說明無法檢查的內容，而不是在回覆中途失效。
- 了解一個真實限制。 與 API Action 不同，MCP 工具沒有每對話 run condition：你不能說「只有訪客是已驗證 admin 時才執行此工具」。允許清單是每個工具、對所有人適用。如果 server 暴露了你需要依照提問者身分把關的寫入或刪除工具，請不要在此啟用它。將該操作建成帶有 Run only when condition 的 API Action，並讓 MCP 連接承擔唯讀工作。
也請克制連接所有東西的衝動。每個啟用工具都會將其描述加入模型每次回覆時評估的內容，而已發布測量顯示，隨著數量增加，工具選擇會崩潰：二十個工具時接近完美，超過一百個後不可用。實務共識是每個 agent 使用少量 server，這與我們看到的情況相符。一個精選 server 搭配一個精選工具，也就是本指南實際建置的內容，會勝過一整面開關。
讓 ChatGPT 或 Claude 為你建置
以上所有內容都是點擊與貼上。如果你想用描述取代操作，請將本指南交給已連接到你的 Quickchat AI 帳號的 AI assistant。
Quickchat AI 有自己的 MCP server 可管理你的帳號：在 dashboard sidebar 的 Agent switcher 正下方按一下 Manage your AI，即可看到 ChatGPT、Claude、Claude Code、Cursor 和 Codex 的 connection tabs。在 ChatGPT 上，你也可以完全跳過 dashboard：直接安裝 Quickchat AI app for ChatGPT，並在它要求時登入。連接後，assistant 可建立 agents、撰寫 knowledge bases、設定 actions（包括 MCP connections）、閱讀 conversations 並執行 Simulations，同時在每次呼叫上強制執行你的角色與確認關卡。
Manage your AI：ChatGPT、Claude、Claude Code、Cursor 和 Codex 的 connection tabs。一次登入，不需 API key。
然後將如下 prompt 貼到已連接的 assistant：
使用我的 Quickchat AI 帳號，依照 quickchat.ai/post/connect-ai-agent-to-mcp-server 指南建立 agent。
建立一個名為 Hoist 的 AI Agent，用於供開發人員使用的可續傳檔案上傳 API。為它撰寫簡短知識庫：兩個方案（Free：5 GB storage、2 GB max file、30 day retention；Pro 每月 $29：500 GB storage、50 GB max file、unlimited retention）、Settings 下的 API keys、EU 和 US storage regions，以及 upload.completed webhook。
連接遠端 MCP server https://mcp.deepwiki.com/mcp，且只啟用 ask_question 工具。
設定 main prompt，讓 agent 從其知識回答 Hoist 問題，並針對 tus-js-client 函式庫行為相關問題，使用 repoName "tus/tus-js-client" 呼叫 ask_question。
然後建立一個 simulation dataset，包含兩個函式庫問題和兩個產品問題，執行它，並回報分數。該流程的 MCP 部分會使用 Quickchat AI server 為此精確用途暴露的兩個工具：list_remote_mcp_server_tools 會在建立任何內容前預覽 server 提供的工具，create_remote_mcp_action 則以最小權限 allow-list 連接 server，並啟用到可用狀態。Assistant 會回報它啟用了什麼以及原因，與你從 Tools 面板讀到的資訊相同。之後當你登入時，Quickchat AI 會注意到該帳號已透過 MCP 管理，並完全略過 Getting Started onboarding，dashboard 會直接開啟在 assistant 建立的 agent 上。
ChatGPT 路徑的一個疑難排解備註：如果登入彈出視窗開啟後是空白，請暫停 chatgpt.com 的廣告封鎖器。某個常見封鎖器 heuristic 會破壞所有 ChatGPT connector popups，包括我們的，而封鎖完全發生在 ChatGPT 頁面上。
如果你想改用腳本，REST 路徑只需要使用 API token（Business 方案）進行剛好兩次呼叫：
POST https://app.quickchat.ai/v1/api/ai_actions/remote_mcp
Authorization: Bearer YOUR_API_TOKEN
{"name": "DeepWiki", "remote_mcp_url": "https://mcp.deepwiki.com/mcp", "headers": [], "allowed_tools": []}
PATCH https://app.quickchat.ai/v1/api/ai_actions/ACTION_ID
Authorization: Bearer YOUR_API_TOKEN
{"is_active": true}Create 會回傳 action，且 default_tool_is_active 為開啟，因此在回覆時探索到的工具會立即可用；之後在 dashboard 中收緊允許清單，或明確傳入 allowed_tools。
上線
當 Agent 在 AI Preview 中行為正確，且 Inbox 顯示你預期的呼叫時，就可以部署。
MCP action 屬於 Agent，不屬於 channel，因此相同工具可用於你的網站 widget、WhatsApp、Discord、Slack，以及你放置 Agent 的其他地方。請記住，每段對話，包括你測試時在 AI Preview 中執行的對話，都會計入你方案的每月 AI messages。
一個協定，三個方向
「MCP」會在 Quickchat AI 的三個不同位置出現，混淆它們是我們在支援對話中看到最常見的困惑來源。本指南涵蓋第一列：
一個協定，三個方向。本指南是最上方路徑；另外兩列各有自己的指南。
將你的 Agent 連接到 server，會賦予它即時工具，這就是我們剛剛建置的內容。反向方向，將你的 Agent 暴露為 MCP server，可讓 ChatGPT、Claude 和 Cursor 將你的 Agent 作為工具呼叫，並從你的知識庫回答。而透過 MCP 管理你的帳號是上一節的用 AI 建置路徑，目標是你的 dashboard，而不是訪客。
相關指南
相同 AI Actions 機制可將 Agent 連接到任何工具或 API。其他逐步教學：
若要進一步了解協定本身：GPT Actions 與 MCP、MCP 與一般 HTTP APIs，以及 AI agents 的 APIs。
常見問題
什麼是遠端 MCP server，它和本機 server 有何不同？
遠端 MCP server 是你透過公開 URL 的 HTTPS 存取、由他人執行、無需安裝的工具 server；ChatGPT 和 Claude 等消費型 AI app 會在設定中將相同 server 顯示為 connectors。本機 MCP server 是在你自己的機器上執行的程序，只有該機器上的 client 可以使用。託管且面向客戶的 AI agent 需要遠端類型：一個固定 URL，可在雲端於每次對話中呼叫。
MCP 使用 HTTP 嗎？SSE 怎麼了？
是。自 2026-07-28 規格修訂起，遠端 MCP server 是使用 streamable HTTP 的一般無狀態 HTTPS endpoint，而較舊的 HTTP-plus-SSE transport 已被棄用，並提供遷移期間。實務上你只要貼上一個 URL。Quickchat AI 使用 streamable HTTP，並仍會對 URL path 以 /sse 結尾的舊版 server fallback 至 SSE。
我的 AI agent 如何知道 MCP server 提供哪些工具？
它會詢問 server。MCP 定義了 tools/list request：client 連接到 server URL，server 回覆每個工具的名稱、描述與 input schema。在 Quickchat AI 中，此探索會在連接時執行，因此工具會以開關清單顯示，而 agent 會在回覆時重新讀取即時工具清單。
我可以不撰寫或託管任何程式碼就連接 MCP server 嗎？
可以。連接方式是按一下目錄項目，或貼上 URL，再開啟你要的工具。本指南中的所有內容都是可複製貼上的值，任何方案都不需要撰寫、託管或部署程式碼。
免費嗎？
是。MCP actions 可在每個 Quickchat AI 方案使用，包括免費方案，而一個已連接的 MCP server 會計為每個 agent 15 個 AI Actions 限制中的一個 action。為 REST 路徑建立 API token 是唯一需要 Business 方案的部分。
我需要 OAuth 嗎，還是有不需驗證的 MCP server？
兩種類型都有。DeepWiki、Context7 和 Microsoft Learn 等文件與搜尋 server 是開放的：貼上 URL 即可連接。Calendly、Notion 或 Stripe 等綁定帳號的 server 使用 OAuth：你不需貼上 key，而是開啟彈出視窗、核准存取，Quickchat AI 會儲存 token。對於使用 API key 的 server，也可在 connection header 中使用一般 API key。
我已連接 MCP server。實際上要如何使用它？
告訴 agent 何時使用它。在 AI Main Prompt 中新增一段，說明工具適用的情境以及它應傳遞的任何值，然後在 AI Preview 中提出相符問題。連接賦予 agent 能力，prompt 賦予它使用時機。
為什麼我的 agent 沒有呼叫 MCP 工具？
幾乎總是三個原因之一：工具在 action 的 Tools 面板中被關閉，main prompt 從未告訴 agent 何時使用它，或你提出的問題已可由知識庫回答，因此 agent 沒有理由向外呼叫。先檢查 Tools 面板，接著在 prompt 中加入明確指引，然後用知識庫不可能回答的問題測試。
我應該將多少個 MCP server 連接到一個 agent？
比你想的更少。每個已啟用工具的描述都會在每次回覆時載入給模型，而已發布測試顯示，隨著數量增加，工具選擇會退化，在約 20 個工具時接近完美，超過 100 個後完全崩潰。實務工作者通常會為每個 agent 使用少量 server。連接你的 agent 真正需要的一兩個，並只開啟你使用的工具。
如何限制已連接的 MCP server 可以做什麼？
在 Tools 面板中只開啟 agent 需要的工具，並關閉 Default tool activation，這樣 server 之後新增的工具會保持關閉，直到你審查為止。Agent 永遠無法呼叫你未啟用的工具。將憑證放在 connection headers 而不是 prompt 中，並將真正敏感的寫入操作放在帶有 run condition 的 API Action 後面，而不是 MCP 工具。
ChatGPT 或 Claude 可以幫我建置這個 Quickchat AI 設定嗎？
可以。從 dashboard 將你的 AI app 連接到 Quickchat AI 自己的 MCP server，然後要求它建立 agent、撰寫知識庫、連接 MCP server 並執行測試。也有 REST 路徑：建立 MCP action 是使用 API token 發出一個 POST 加一個 PATCH。
如果 MCP server 在對話中變慢或停機，會發生什麼？
對話不會卡住。Quickchat AI 對每個 server 設定短逾時：10 秒連線、20 秒讀取，並在每次回覆中對每個 server 設定 20 秒預算。失敗或逾時的呼叫會作為錯誤交回模型，因此 agent 會在沒有工具的情況下回答，並說明它無法檢查什麼。Inbox 會記錄失敗的呼叫。