當 AI Agent 的能力不斷被放大，不論是品牌老闆、公司管理階層還是個人工作者，越來越多人開始思考同一件事：「我要怎麼把生意、把工作接進 AI？」先問問自己，你是不是已經用 AI 寫過文案、想過標題，卻總覺得少了什麼呢？你是不是也曾經希望 AI 能直接幫你把後台的名單撈出來、把活動建好，而不是只給你一段建議，最後還是得自己回後台慢慢點呢？
近期越來越被重視的「MCP（Model Context Protocol）」，正是解決這件事的關鍵。本文將帶你從零開始認識 MCP，並介紹 SHOPLINE 全台首發推出的零售電商官方 MCP，讓你的 AI Agent 真正成為品牌即戰力。
為什麼 2026 年零售品牌或企業一定要認識 MCP？
過去兩年，多數品牌或企業員工對 AI 的使用還停在同一個位置：寫文案、想標題、做圖。這些都屬於「生成」，AI 給你一段內容，執行還是回到你自己。真正要讓 AI 幫忙做生意，通常你可能會碰到以下幾種常見情境，如果各位也苦於深陷在以下狀況之中，那接下來你一定要讀完這篇文章：
- 已經很習慣用 AI 寫文案、發想活動主題，但 AI 給的永遠是「通用建議」，因為它根本看不到你商店真實的訂單與會員資料或更多真實場景資料。
- 想做一檔沉睡客喚醒活動，光是撈名單、比對條件、建立活動、發送優惠券，前後就要花掉大半天。
- 曾經想過乾脆串 Open API 讓系統自動跑，但一問工程資源就卡住，中小品牌根本沒有 RD 可以排這個需求。
- 老闆想看的數字散在訂單、商品、活動三個地方，每次要人工拼一份報表，等報表就要等上兩三天。
正因有上述耗費人力與時間的情況，近年真正的轉折點便是： AI 應用能力已經從「會講（Generative AI）」突破到「會做（AI Agent）」。
想像當 AI 能直接讀到你後台的訂單、庫存、會員與活動數據，那它能給的就不再是通用的文字建議，而會是：「你品牌有 273 位近半年沒回購的顧客，我可以直接幫你把喚醒回購的活動建到後台，並寄送 EDM 給他們，你是否同意執行？」。
有鑑於此，想要達到上述轉折，便需要一座 AI 與商店之間的橋樑，就是 MCP。
這裡舉一個實際情境：「今天一個保健品牌想在雙 11 前先做一波老客喚醒，他要先到顧客管理撈出半年沒回購的名單，再到優惠活動模組建立專屬折扣，接著回到顧客名單發券，最後還要記得回頭看成效。」整套流程必須橫跨三個後台頁面，而且每一檔活動都要重來一次。
但接下來要介紹的「SHOPLINE MCP」，它就能夠一次解決上述情境痛點，同時就算你不懂 Coding 技術，只要會用文字描述你想做什麼，就可以讓 AI Agent 直接幫你把這一整串動作跑完。
繼續閱讀文章
先科普一下什麼是 MCP？三分鐘看懂「AI 版的 API」
MCP（Model Context Protocol，模型上下文協議）是由 Anthropic 推出的一套開放標準協議，用途是讓 AI 應用程式（例如 Claude、ChatGPT、Grok）能夠安全地連上外部系統，讀取資料並執行操作。
如果要用一個比喻：MCP 就像是 AI Agent 的「手與腳」。
過去每次要接一個系統，工程師就得寫一組專屬的串接程式；今天接 10 個系統、明年換 3 種 AI 模型，就等於 30 組要長期維護的工程債（業界稱之為「N×M 整合問題」）。而現在有了 MCP，系統端只要做一次，任何支援 MCP 的 AI Agent 都能接上來。
也正因為如此，Anthropic、OpenAI、Google、Microsoft 等各大 AI 巨頭都陸續採用 MCP。這種跨陣營的協議共識在科技業其實相當罕見，也讓 MCP 實質上成為代理式商務（Agentic Commerce）的基礎接線標準。
MCP 和我們熟悉的 Open API 差在哪呢？
相信不少已經在用 Open API 的品牌會問：我們早就串好 API 了，為什麼還需要 MCP？本文整理成下表：
| 比較項目 | Open API | MCP |
|---|---|---|
| 設計對象 | 給開發者看的技術文件 | 給 AI Agent 用的操作方式 |
| 使用方式 | 人閱讀文件、撰寫程式碼呼叫 | AI 自己詢問伺服器有哪些工具可用，再直接調用 |
| 狀態保留 | 無狀態，每次請求都要重新提供完整資訊 | 具狀態，能跨多個步驟保留上下文 |
| 導入門檻 | 需要工程資源與需求排期 | 貼上一組網址、完成授權即可使用 |
簡單來說，Open API 是給工程師看的說明書，MCP 則是給 AI 用的操作搖桿。
補充：生成式 AI 與「代理式 AI（AI Agent）」又差在哪？
| 比較項目 | 生成式 AI | 串接 MCP 的代理式 AI |
|---|---|---|
| 資料來源 | 只有訓練資料，看不到你的後台 | 讀得到你真實的訂單、商品、庫存與會員資料 |
| 回答方式 | 「建議你做一檔沉睡客喚醒活動」 | 「符合條件的有 412 位顧客，優惠券活動已建到後台，等你確認上架」 |
| 執行能力 | 需要人工複製貼上執行 | 跨系統多步驟自動完成 |
| 上下文 | 每次對話都重新開始 | 能跨步驟記住前面的判斷 |
看完你應該會發現，差別其實不在於模型聰不聰明，而在於它有沒有你的資料、且能不能直接動手做事。
從全球與台灣 AI 零售應用概況開始，結合流量獲取與企業 AI 轉型的深度洞察，帶領讀者快速瞭解零售 AI 的發展趨勢！
SHOPLINE 全台首發：零售電商官方 MCP 是什麼？
SHOPLINE 是全台首個推出官方零售電商 MCP 的零售系統商。這件事真正的意義並不是「SHOPLINE 多了一個 AI 功能」，而是 SHOPLINE 能把後台開放給「你自己選的 AI」，而不是要你只能來用「SHOPLINE 開發的 AI 功能」。
這是兩條完全不同的路，市面上多數的零售解決方案，是平台自己做一個 AI 助理，你只能在那個介面裡問問題；而 SHOPLINE 選擇把能力開放出去，當你要用 Claude、用 Codex，甚至是企業自建的 AI 平台，都能接上 SHOPLINE。當然，SHOPLINE 仍將持續發展更多不同的 AI 產品服務，在每個經營的關鍵環節，讓 AI 持續為品牌發力。
SHOPLINE MCP 目前支援哪些功能？
＊小提醒：最新開放能力請參考 SHOPLINE MCP 串接文件
查詢類
- 查詢商店中的訂單、商品、庫存、顧客、優惠活動等資料
- 查詢已領取優惠券的顧客名單
- 查詢 SHOPLINE FAQ、Open API 及 Schema 等相關文件
執行類
- 建立顧客標籤
- 建立優惠活動（註：目前僅支援「滿額滿件優惠」、「免運費」兩種類型）
- 發送優惠券
而這些開放能力更有經過 Human-in-the-loop 的設計：透過 SHOPLINE MCP 建立優惠活動時，付款及送貨方式會預設為空白、活動狀態會預設為下架，必須由管理員回到 SHOPLINE 後台確認活動內容後，再手動完成設定並上架。
這並不是功能還沒做完，而是刻意設計的「保護機制」。畢竟，AI 可以幫你把前面 90% 的準備工作做完，但真正會影響營收的那一鍵，還是留給人來檢核唷。
盤點 SHOPLINE 官方 MCP 的四大優勢
優勢一：開放不綁定，你想用哪個 AI 都可以
SHOPLINE MCP 採用標準的 Streamable HTTP 協議，這代表任何支援遠端 MCP 的 AI 平台都能串接，因為 AI 領域有一個滿有趣的現象，就是在各大科技巨擘競爭時，有時候 A 公司模型更新了變更強；有時 B 公司推出新功能又突然超車，因此不論今天你習慣用 Claude、明年 AI 平台工具們怎麼變化，或是你的 IT 團隊自建了企業級的 Agent 平台，都不需要重做一次，想換哪一個都行。
所以對品牌來說，更具意義的是：「你不需要賭哪一個 AI 會贏」。
AI 模型的迭代速度是以「月」為單位在跑的，把日常營運綁在單一封閉平台的 AI 上，等於把自己的更新速度交給別人決定，甚至目前常見的 AI Agent 平台，都支援將不同 AI Agent 的歷史資料快速設定到自己家，隨時想替換 AI Agent 是越來越輕而易舉的事。
優勢二：零學習成本、對話即營運，用講的就能操作後台
過去要完成「撈出特定條件的顧客名單 → 建立活動 → 發送優惠券」這一串動作，必須自己在後台點半小時，不然就是請工程師串 API。
現在，這是一句話就能交辦的事。
對於沒有工程資源的中小品牌來說，這是相當關鍵的槓桿，品牌不需要有 RD，只需要會描述你想做什麼。
優勢三：權限分層加上人工覆核，AI 能做什麼由你決定
SHOPLINE MCP 沿用了後台既有的「管理員權限機制」，並在此之上另外設計了 MCP 專屬的能力權限，白話文就是你可以精準控制 AI Agent 讀得到什麼、能執行什麼。
再加上前面提到的「建立後預設下架」這類型的 Human-in-the-loop 設計，就形成了一套完整的人工檢核流程：「AI 負責提案與準備，人負責最終確認。」
優勢四：可以和整個全球 AI 生態系的 MCP 一起協作
這一點可能是最容易被低估、但長期價值最高的。
當 SHOPLINE MCP 和其他工具的 MCP 同時掛在你的 AI Agent 上，跨系統的工作流就能在你的 AI 端一次跑完。舉例來說：
從 SHOPLINE MCP 撈出 90 天未回購的高價值顧客 → 交給簡訊服務商的 MCP 發送個人化提醒 → 再回到 SHOPLINE MCP 發放對應的優惠券
整條流程中，沒有任何一段需要工程串接。這在過去，可能甚至是要跑一整季的專案唷。
SHOPLINE MCP 該怎麼用？三個立刻能上手的情境
本文挑了三個不同角色最有感的情境，並附上可以直接複製使用的指令範例。
情境一：沉睡顧客喚醒（適合行銷／CRM 人員）
【痛點】： 知道有一批客人不回來了，但每次要撈名單、對條件、建活動、發券，前後就要耗掉半天。
指令範例：
SHOPLINE 顧客分群中已有建立好的「RFIM 分眾」，為實時計算的分群名單，建議品牌可以將顧客分群名單下載後提供給 AI 再進行後續動作，不僅能節省 Token 費用、名單準度更高！
此外，MCP 未來推出讀取顧客分群能力後，也可以請 AI 直接抓取你建立好的名單（敬請期待）。
- 【AI 會做的事】： 撈出名單 → 建立活動（預設下架）→ 等你確認 → 發送優惠券
- 【你要做的事】： 檢查名單、補上付款及送貨設定、手動上架
情境二：商品 SEO／GEO 內容補漏（適合電商營運人員）
【痛點】： 全店幾百個商品，不知道哪些缺 SEO 標題、哪些描述太短，人工盤點根本盤不完。
指令範例：
＊補充說明：你也可以進一步將 SHOPLINE 批量商品更新檔範例提供給 AI，請 AI 直接生成補完內容的批次更新檔，你只需要上傳就好。
情境三：檔期戰情儀表板（適合管理階層）
【痛點】：想看的數字散在訂單、商品、活動三個地方，每次都要人工拼一份。
指令範例：
用 SHOPLINE MCP 撈出上一檔活動期間的訂單與優惠活動資料，
這一題大概是最能讓管理階層有感的，因為它取代的不是執行，而是「等報表」的那三天。
如果你想看更多指令或 Skill 範本，也歡迎參考以下社群 AI 專家使用 SHOPLINE MCP 後提供給大家的開源資源！
如何申請與串接 SHOPLINE MCP？
詳細串接步驟請參考 FAQ 說明。
步驟一：確認使用資格
【適用對象】： 僅適用於擁有「OpenAPI 功能」的店家，包含使用「全通路領航員」方案，或另外加購 OpenAPI 功能的店家。
步驟二：在後台開啟 MCP 權限
前往 SHOPLINE 後台「設定 → 管理員及安全設定」，點選「增加」或「編輯」管理員權限，進入「API Auth」頁籤，開啟「MCP 權限」開關，勾選所需權限後點選「更新」（見圖一）。
備註小提醒：
- 考量資安保護，「店長」帳號不支援替店長帳號本身設定「MCP 權限」。若要使用 MCP，請另外新增「管理員」帳號進行設定。
- 若希望在後台活動紀錄中辨識出是否由 AI Agent 操作，建議為各員工的 AI Agent 另外新增管理員帳號，並使用該帳號完成授權，這在後續稽核與除錯時會非常有幫助。
- MCP 與 OpenAPI 使用相同的權限設定，惟 MCP 有特別設計開放能力權限，因此即使開啟了指定的 OpenAPI 權限，AI Agent 仍有可能無法透過 MCP 使用該功能。
步驟三：在你的 AI Agent 完成串接
確認權限後，就可以前往你想使用的 AI Agent 進行串接了。目前官方文件提供三個平台的串接方式包含 Claude Desktop、 ChatGPT 與 Grok。
步驟四：測試你的第一個指令
建議第一次使用時不要一口氣跑複雜任務，先從最單純的任務開始，確認串接是否正常：
如果順利跑出結果，就代表串接成功了，接下來就可以把前面的情境一個一個疊上去囉。
該選哪個 AI Agent 平台費用怎麼算？
首先，這裡要先講一個很重要的觀念：不同的 AI 平台，甚至是同一個平台的不同訂閱版本，是否能使用的 MCP 能力是不一樣的，請務必先確認你的 AI 平台是否支援 HTTPS 串接模式的 MCP 功能。
此外，我們在實際使用與測試時，也觀察到不同 AI 平台的模型能力可能有部分理解力的落差，可能會影響你的 AI Agent 如何調用與操作 SHOPLINE MCP。若你想確保使用到 SHOPLINE 推薦的場景，或更多深入的應用，可以參考經 SHOPLINE 團隊內部測試過的模型版本，而推薦模型將根據時間迭代更新於串接文件中（如圖）
各 AI 平台能力與費用對照
＊以下資訊僅由編輯查詢於 2026 年 7 月，各平台方案與定價可能隨時調整，實際請以各官方公告為準。
| 平台 | 自訂 MCP 支援情況 | 執行（寫入）能力 | 費用區間（個人版） | 適合誰 |
|---|---|---|---|---|
| Claude | Free / Pro / Max / Team / Enterprise 均支援（Free 版限 1 個自訂連接器） | 完整支援 | — Pro 約 US$20／月（年繳約 US$16.7／月） — Max US$100–200／月 — Team 每人 US$25–125／月 | 多數品牌的首選，SHOPLINE 官方也以 Claude Desktop 作為主要示範 |
| ChatGPT | Plus / Pro / Business / Enterprise 可在開發者模式下新增自訂 MCP（Beta 階段） | 注意：Plus / Pro 個人版目前為「唯讀」；完整執行能力目前以 Beta 逐步開放給 Business / Enterprise 工作區 | Plus 約 US$20／月；Business 為企業席次計價 | 已是 ChatGPT 重度使用者，但要做執行類操作必須升級至商用版 |
| Grok | 支援自訂 Connector | 依平台權限而定 | 依訂閱方案 | 團隊已在使用 Grok 者 |
| Codex | 支援「可串流 HTTP」MCP | 支援 | 隨 ChatGPT 訂閱 | 有技術背景、習慣在終端環境工作者 |
編輯給不同角色的建議
如果你是老闆，或是一人決策的中小品牌
建議從「Claude Pro（約 US$20／月，折合新台幣約 600 多元） 」開始。這是目前投報比最高的組合，一個月不到一頓午餐的費用，就能取得完整的查詢與執行能力。
如果你的團隊已經在用 ChatGPT
請務必先確認版本。「個人版 Plus／Pro」在開發者模式下的自訂 MCP 目前是唯讀的，你可以查資料、做分析，但沒辦法建立活動、發送優惠券，想完整跑通執行類情境，需要 Business 以上的工作區。
常見問題 FAQ
Q1：MCP 會和我們既有的 Open API 串接衝突嗎？
不會。
MCP 是建構在既有的 API 架構之上，兩者僅共用相同的權限設定。但由於 SHOPLINE MCP 有額外設計開放能力，故即便管理員權限擁有 A 接口使用權，也不一定能透過 MCP 呼叫，實際需以 SHOPLINE MCP 開放的接口能力為準。
Q2：AI 會不會亂改我的商店資料？
目前開放的執行類能力範圍相當明確（建立顧客標籤、建立優惠活動、發送優惠券），而且建立的活動預設為「下架」、關鍵設定「留白」，必須經過人工確認才會生效。
再加上權限可以分層控制，哪位員工能透過 AI 做到什麼，可由品牌自行決定。另外，常見的 AI Agent 平台在串接好 MCP 後，也可以再次設定「MCP 取用細節權限」，舉例下圖 Claude 串接好 SHOPLINE MCP 後，仍可再針對 MCP Tool 替 AI 設定不同權限。
Q3：申請與串接需要工程師嗎？
不需要。
申請開通、後台開啟權限、在 AI 端貼上網址完成授權，全程都在介面上點選完成，後續使用也是用自然語言下指令就好。
Q4：我的資料會被 AI 平台拿去訓練嗎？
這取決於你選擇的 AI 平台與訂閱方案，各家的資料使用政策不盡相同（一般而言，商用方案的資料保護條款會較為嚴格）。而這也正是「可以自己選平台」的價值之一，資料治理的標準由你決定，而不是被平台決定。
Q5：SHOPLINE MCP 需要另外收費嗎？
現階段只要符合資格（擁有 OpenAPI 功能）的品牌，都能免費使用。
詳細方案請洽線上顧問，若有額外需要負擔的，主要會是你所選擇的 AI Agent 平台訂閱費用。
Q6：我不是「全通路領航員」方案的品牌，還能使用嗎？
可以另外加購 OpenAPI 功能，或是聯繫線上顧問協助評估適合的方案。
總結
看完以上內容後，相信各位應該都能瞭解 MCP 到底是什麼，以及它和過去的 Open API、和一般 AI 聊天工具究竟差在哪裡了。
AI Agent 的能力接下來還會持續被放大，但對零售品牌來說，真正決定勝負的並不是你用了哪一個模型，而是你的營運資料有沒有一個標準、安全、而且可控的方式被 AI 接上。
SHOPLINE 選擇用開放協議把這件事交給你，讓你自己決定要用哪個 AI、資料要放在哪、AI 又能做到哪一步，也推薦給商品數量多、活動檔期密集，或是團隊人力有限的「保健食品」、「生活選品」、「流行服飾」、「食品餐飲」類型的品牌，讓 AI 幫你接手重複性高的營運工作，將時間留給真正需要判斷的決策。
如果你還在尋找一個能真正接軌 AI 時代的零售解決系統，那你絕對不能錯過 SHOPLINE，歡迎免費試用，或預約專業顧問進行諮詢，進一步瞭解如何讓 AI 走進你的日常營運。
SHOPLINE 電商教室編輯，對 SHOPLINE 的用戶有種使命感，希望能幫助所有店家一起成長，在零售領域裡發光發亮
