AI 代理時代來了！Anthropic 大推 MCP 協議，Perplexity 卻說「Token 稅」太貴？

Anthropic 在 4 月 8 日至 9 日密集發布多項新功能，包括「Claude Managed Agents」雲端代理服務、MCP 連接器 API、Files API 和擴展快取機制，正式宣示全力進攻 AI 代理市場。然而就在同一時間，AI 搜尋引擎 Perplexity 公開宣告放棄 MCP 協議，讓這場 AI 界的路線之爭浮上檯面。

Anthropic 這次到底宣布了什麼？

Anthropic 密集對外宣布一系列 AI 代理基礎設施升級，核心是一個名為「Claude Managed Agents」的全新雲端服務，同步搭配多項 API 層面的工具更新。這不是單一功能的小改版，而是 Anthropic 首次將整個 AI 代理的開發、執行、管理基礎設施打包成服務，對外開放企業使用。

官方表示，以往要把一個 AI 代理送上生產環境，開發團隊得自行處理沙箱環境、權限管理、狀態記憶、工具協調和錯誤恢復等繁瑣的底層工程，動輒耗費數個月。Claude Managed Agents 的目標，是把這段時間壓縮到數週以內。

這次更新的四個核心功能分別是：

1. Claude Managed Agents——AI 代理雲端基礎設施

Claude Managed Agents 是一套雲端託管的 AI 代理執行環境。開發者只需要用自然語言描述想要的代理行為，或提交一份 YAML 設定檔，定義好代理的任務範圍和安全護欄（guardrails），剩下的基礎設施——沙箱、狀態管理、斷點續傳、工具協調、錯誤恢復——全部由 Anthropic 負責處理。

計費方式為：Claude 模型使用的 token 費用，再加上每個代理工作階段 0.08 美元／小時的基礎設施費（僅計算實際執行中的時間，等待用戶回應或閒置中不計費）。

目前已整合 Claude Managed Agents 的早期客戶包括：

Notion：將 AI 代理直接嵌入其工作區產品
Rakuten（樂天）：在產品、業務、行銷、財務、人資五個部門各自部署專屬代理，每個從零到上線不到一週
Asana：推出「AI Teammates」功能，讓 AI 代理直接接手被指派的專案任務

2. MCP 連接器 API——不必自己寫串接程式碼

這是本次更新中對一般開發者最直接有用的功能。過去要讓 Claude 透過 MCP 連接外部服務，開發者需要自行撰寫 MCP 客戶端程式碼、處理連線管理、工具發現和錯誤處理。現在這些全部由 Anthropic API 代勞——開發者只需要在 API 呼叫中指定 MCP server 的端點，剩下的流程自動完成。

目前 Claude 的連接器目錄已超過 75 個，涵蓋 GitHub、Notion、Slack、Google Drive、Salesforce、Stripe、Asana、Zapier 等主流企業軟體，且還在持續增加中。

3. Files API——跨對話持久化文件儲存

以往每次對話都必須重新上傳文件。Files API 讓開發者可以一次性上傳文件，取得一組持久的 file ID，之後在任意對話中引用，無需重複傳輸。對於需要頻繁參考同一份知識庫或資料集的代理應用來說，這能大幅降低 token 消耗和延遲。

4. 擴展 Prompt 快取——快取時間從 5 分鐘延長至 1 小時

標準的 prompt 快取 TTL 為 5 分鐘，新的擴展快取選項將上限提升至 1 小時，對長時間運行的代理任務而言，最多可降低 90% 成本、減少 85% 延遲。

MCP 是什麼？在理解這次發布前需要先搞懂它

MCP（Model Context Protocol，模型情境協議）是 Anthropic 在 2024 年底提出的開放標準，解決的是一個長期存在的問題：AI 模型天生是「孤島」，無法直接存取外部工具或資料，只能靠用戶手動複製貼上。

一句話解釋：MCP 就像是 AI 的「USB 插槽標準」——過去每個 AI 工具都有自己的接頭，互不相容；MCP 定義了統一規格，讓任何 AI 模型都能插上任何工具，雙向傳遞資料與指令。

有了 MCP，你可以對 Claude 說「把這週的 GitHub PR 整理成摘要、更新到 Notion 的專案頁面、然後在 Slack 通知相關成員」——Claude 能跨三個平台一口氣完成，不需要你切換視窗、複製貼上。

MCP 並非 Claude 獨有。目前已有多個主要 AI 平台宣布採用：

OpenAI（ChatGPT）：已在 ChatGPT Desktop 版整合 MCP 支援
Google（Gemini）：在 Gemini API 層面宣布支援 MCP 協議
Microsoft（Copilot）：在 GitHub Copilot 和 VS Code AI 功能中採用 MCP
Cursor：主打開發者市場的 AI 程式碼編輯器，原生支援 MCP

這對一般用戶的意義是：學會設定和使用 MCP，這個技能不會被綁在單一 AI 工具上，換 ChatGPT、換 Gemini 都能繼續用。

MCP 能讓 AI 代理幫你做什麼？

以下是幾個已在企業和個人用戶中落地的真實使用場景：

會議後自動歸檔
會議結束後對 Claude 說「把今天的 Google Meet 逐字稿整理成 Notion 筆記，列出 Action Items，並寄信給所有參與者」。連接 Google Meet、Notion、Gmail 三個 MCP 服務後，三件事一句話完成。

程式碼審查自動化
讓 Claude 連接 GitHub，自動讀取新開的 Pull Request、根據設定好的規則檢查程式碼品質，並在 Slack 指定頻道通知相關工程師，不需要人工每天盯著 PR 清單。

客戶資料跨系統查詢
業務人員說「查一下 ABC 公司最近三個月的訂單紀錄和服務歷史」，Claude 同時連上 CRM（如 HubSpot 或 Salesforce）和 Stripe，整合後統一回應，省去切換多個後台的時間。

新聞研究到初稿一條龍
記者或編輯說「搜尋這週 NVIDIA 的最新動態，整理重點，寫成文章草稿儲存到 Google Doc」，Claude 自動完成從搜尋、摘要到儲存的全流程。

個人知識庫自動整理
搭配 Obsidian 或 Notion MCP，讓 Claude 根據你的閱讀紀錄、筆記和瀏覽書籤，自動歸納知識脈絡，形成動態更新的「第二大腦」。

就在 Anthropic 加碼之際，Perplexity 帶頭說再見

然而，就在 Anthropic 大力擴張 MCP 生態的同時，業界卻同步出現了明確的反對聲音。

AI 搜尋引擎 Perplexity 的技術長 Denis Yarats 公開宣布，Perplexity 決定放棄 MCP，改回傳統的 API 加 CLI（命令列介面）架構。他的核心論點是 MCP 存在「Token 稅」問題：

MCP 的運作方式，需要把所有已連接工具的完整定義——名稱、功能說明、參數結構、使用範例——全部塞進每次對話的 context 視窗。即使你只連接了 10 個工具，光是這份「工具說明書」就可能消耗掉數千個 token，代理還沒開始實際工作，成本就已經先燒起來了。

相比之下，CLI 工具——也就是幾十年來工程師一直在用的命令列指令——更加精簡和可預測。而且由於大型語言模型的訓練資料中包含大量 GitHub 腳本和技術文件，模型對 CLI 指令其實相當熟悉，不需要額外的協議層來「翻譯」。

Perplexity 並不孤單。部落格作者 Charles Chen 在 3 月發表的〈MCP is Dead; Long Live MCP!〉一文在工程師社群引發廣泛討論，工程師 Eric Holmes 則在 2 月發文提出「MCP is dead. Long live the CLI.」，兩篇文章的 Hacker News 討論串都累積了數百則留言。

MCP 與 CLI 的爭論，本質上是「標準化便利性」與「極致工程效率」之間的取捨。Perplexity 放棄 MCP 是真實的工程決策，但它反映的是特定使用情境下的最佳化選擇，而非 MCP 的全面失敗。

對企業用戶和一般用戶而言，MCP 提供的圖形化整合體驗和低設定門檻，仍是目前最容易落地的方案；對追求效能和成本最佳化的開發者，CLI 確實有其優勢。這場辯論的結果尚未明朗，但可以確定的是：AI 代理時代的基礎設施標準，正處於關鍵的成形期。

現在就能用嗎？門檻有多高？

Claude Managed Agents 目前以公開 Beta 形式開放，透過 Anthropic API 申請使用。對一般個人用戶來說，直接上手 Claude Managed Agents 仍需要一定的開發能力；但若只是使用 Claude Desktop App 的 MCP 連接器功能，門檻相對低一些。

設定 MCP 連接器通常需要：