讓模型「聽得懂人話，自己決定要做什麼」
透過MCP讓模型不只是生成文字，而是能「理解語意 → 做出決策 → 呼叫工具 → 產生動作」，類似AI代理人(AI agent)。
這一篇，Ｔ編想用一個更實際的例子展示這件事怎麼被落地實作。 我們利用 FastMCP 建立了一個簡單的 MCP 服務，並讓 Claude 作為前端的用戶端．
Tag: MCP
讓 LLM 成為決策核心：一個基於 MCP 的語意工作流實作
隨著大型語言模型（LLM）日益強大，我們不再滿足於讓模型僅僅「生成文字」——我們開始期待，它能更深入地「理解語境」、「推動決策」，甚至成為自動化流程中的核心大腦。
這篇文章，將帶你看到一個結構簡單但意涵深遠的實作案例：如何運用本地部署的 LLM，建構一個由模型主導、語意驅動的會議提醒系統，並透過 MCP（Model Context Protocol）的設計思維，真正實踐模型作為決策核心的可能性。