業州愚公撰寫的文章《AI 工具實操與提示詞》工具篇中提到，當AI連上MCP伺服器後，雖然可以執行任務，但仍像新員工一樣，缺乏對公司資料和處理流程的了解。為了讓AI從新手變成老手，需要提供它「該看的資料」和「現成的問法」，讓它了解公司的規矩和流程。這意味著需要補齊資源和提示詞，讓AI可以更好地執行任務和了解公司的需求。這篇文章是菜鳥之友系列的一部分，旨在幫助讀者了解如何實操AI工具和提示詞。
菜鳥之友系列：《AI 工具實操與提示詞》・工具篇作者：業州愚公
上一篇我們花四十分鐘寫了一個最小的 MCP 伺服器，讓 AI 能自己伸手去算那張每週一早上的出貨表。接上之後你大概會發現一件有點洩氣的事：AI 是會動手了，但它每次都像個第一天上班的新人——它不知道你們公司的報表存在哪、長什麼樣，更不知道處理這張表「正確的姿勢」是什麼。於是你每次都得把背景、格式、注意事項從頭交代一遍，交代得比叫新人還仔細。
這不怪 AI，也不怪上次寫的伺服器。我們上次只發了門卡——tools，讓它能推門進去做事。但辦公室裡的資料夾（它該看的資料）和牆上貼的操作手冊（老手們總結出來的問法），一樣都還沒給它。
MCP 的設計裡，除了 tools，其實還有兩樣經常被新手忽略的家當：resources 和 prompts。今天這篇就把這兩樣補齊。補完之後你會發現，前面幾篇折騰下來的那個小伺服器，才算真正長成一個「懂自家規矩」的同事。
先上一張對照表，把三樣東西的分工說清楚：
| 能力 | 誰來發起 | 大概像什麼 | 舉例 |
|---|---|---|---|
| tools | AI 看完描述後自己決定呼叫 | 一雙能動的手 | 查匯率、寫資料庫、跑一段計算 |
| resources | 應用程式或 AI 按需讀取 | 一個帶索引的唯讀檔案架 | 本機 CSV、設定檔、查詢結果 |
| prompts | 用戶主動選用 | 一本現成問法手冊 | 「部門週報健檢」這類可填參數的模板 |
一句話總結分工：tools 負責「做事」，resources 負責「把該看的資料備好」，prompts 負責「把老手的問法標準化」。三者的發起方向也不一樣，這一點最容易被搞混——tools 是 AI 主動伸手，resources 是被動等人來拿，prompts 則完全由你點選。方向搞反了，配置怎麼調都會覺得「它怎麼不按我想的來」。
resources 的核心概念簡單到不像技術設計：你的伺服器把一些資料暴露出去，每一份資料用一個 URI（統一資源識別碼）標識，比如 file:///reports/sales.csv 指向一個檔案，db://customers/vip 指向一類查詢結果。AI 或客戶端可以先列出伺服器上有哪些資源，再按需要讀取某一份。
它有三個關鍵特性，新手務必記牢：
第一，唯讀。 resources 只提供資料，不負責修改任何東西。要讓 AI 改資料、寫檔案，那是 tools 的活。把「看」和「動」分開，是 MCP 刻意的設計——權限邊界清晰，你才敢放心把伺服器接上。
第二，帶說明。 每份資源都有名稱和描述欄位，AI 就靠這兩行字判斷「這份資料跟我手上的活有沒有關係」。描述寫得含糊，它要麼不去拿，要麼拿錯。
第三，可以有變動通知。 資料更新時，伺服器可以通知客戶端「清單變了」，支援訂閱某份資源的更新（這部分機制較新，細節以官方最新版本為準）。新手先不用管訂閱，知道「資料可以常駐、隨取隨用」就夠了。
如果你跟著上一篇把最小伺服器跑通了，那加資源只要再寫一個函式、換一個裝飾器的事。下面這段 Python 直接可以接在上次的代碼後面：
from mcp.server.fastmcp import FastMCP
mcp = FastMCP("weekly-tools")
@mcp.resource("reports://sales-weekly")
def get_sales_weekly() -> str:
with open(REPORTS_PATH, "r", encoding="utf-8") as f:
return f.read()
@mcp.prompt()
def weekly_review(dept: str) -> str:
return (
f"請根據 reports://sales-weekly 裡的出貨資料，"
f"幫我檢查 {dept} 部門本週的異常訂單，"
f"先列清單再給結論，金額保留兩位小數。"
)
就這麼幾行。第一個函式把本機的出貨 CSV 暴露成一個名為 reports://sales-weekly 的資源；第二個函式定義了一個叫「部門週報健檢」的提示詞模板，裡面有一個可以填的參數 dept。裝飾器一換，同一個伺服器就多了兩種能力。這也是 MCP 對新手最友善的地方：tools、resources、prompts 的寫法是同構的，會一個就會三個。
有一個習慣建議：函式裡別寫死太多路徑，像範例那樣集中放在檔案開頭，以後搬機器、換目錄只改一處。
如果說 tools 和 resources 是給 AI 準備的，prompts 更像是給「人」準備的。它把一段你調好的提示詞，連同可填的參數，做成一個能從選單裡點出來的模板。在很多客戶端裡，它會以斜線命令或快捷選單的形式出現——輸入一個斜線，就能看到這台伺服器提供了哪些現成問法（具體入口樣式以官方最新版本為準）。
它跟 tools 的最大不同在發起方：tools 是 AI 看了描述後自己決定用不用；prompts 是你主動點選，AI 收到的是一段已經寫好的、帶著完整上下文的指令。這個區別在實際使用裡非常有價值，因為它解決的是一個更普遍的痛點——同一個團隊裡，十個人問 AI 同一件事，能問出十種品質。
把老手的問法做成 prompts，好處有三層：新人不用背問法，點選填空就行；老手的經驗被固化在模板裡，不會隨人流失；你還可以在模板裡預埋要求，比如「先列清單再下結論」「金額保留兩位小數」，把團隊的規矩寫進 AI 的工作流程。
把 tools、resources、prompts 放回上一篇那個出貨表的場景，整條流程就變成了這樣：
| 步驟 | 誰在做 | 用到什麼 | 發生什麼 |
|---|---|---|---|
| 1 | 你 | prompts | 點選「部門週報健檢」，填入「華東區」 |
| 2 | 客戶端 | — | 把模板展開成完整指令，連同參數發給 AI |
| 3 | AI | resources | 按指令去讀 reports://sales-weekly 的本週出貨資料 |
| 4 | AI | tools | 遇到要按折扣率重算的金額，呼叫上篇寫的計算工具 |
| 5 | AI | — | 彙整出一份帶清單、帶結論的部門週報 |
對比一下：上一篇的流程是「你交代一半，AI 摸索一半」；現在是「你點一下菜單，剩下的路它都認得」。同樣的伺服器，體驗完全不同——差別不在 AI 變聰明了，而是你把該準備的東西備齊了。
別把整個硬碟當檔案架。 每讀一份資源都會佔用 AI 的上下文窗口（context window），把幾十萬字的資料一股腦掛上去，模型反而會變糊塗，重點還被沖淡。資源要精選，一次活只該看的那幾份。
prompts 不是魔法。 模板本身寫得含糊，選出來照樣白搭。我的習慣是先把問法在對話框裡手打幾輪、調到滿意，再沉澱成模板——順序別反。
名稱和描述要認真寫。 AI 選 tools、判斷 resources 相不相關，都靠這兩行字；用戶在選單裡挑 prompts，看到的同樣是它們。寫「資料1」「模板A」這種名字，等於什麼都沒寫。
資源路徑寫成配置。 硬碟路徑、檔名散落在函式各處，換台電腦就是一場排查。集中管理，改一處生效。
回頭串一下這條線：MCP 入門篇把外掛裝上，流水線篇把幾個伺服器串起來，自寫伺服器篇讓 AI 會做事，今天補上 resources 和 prompts，讓它有資料可看、有規矩可循。到這裡，一個為自家工作量身打造的 MCP 伺服器，骨架就全了。
不過，骨架齊了還差最後一步：把這把鑰匙真正交出去之前，你得知道哪些權限能開、哪些要審批、出了問題怎麼查。下一篇就聊這個——權限、審批與除錯入門，順帶介紹官方的排查工具怎麼用。
工具推薦隨身機器人（新用戶免費試用 7 天）
照著做遇到卡殼的地方——環境變數不生效、裝飾器報錯、資源讀不到——不用自己悶頭查半天。隨身機器人可以直接幫你看報錯、給排查步驟，新用戶免費試用 7 天，等於先請一位隨叫隨到的技術同事。
下一篇預告： 鑰匙不能亂發——MCP 的權限、審批與除錯入門，包括用官方的 MCP Inspector 排查伺服器問題的實操步驟。
業州愚公 ｜ SY 視野（sylogs.com）原創內容，轉載請註明出處。
編輯評論 / Editor's Note
這種情況下，AI系統需要額外的資源和指導才能發揮其全部潛能。通過提供相關資料和適當的問法，AI可以從新手變成老手，更加有效地完成任務。這樣的補充可以幫助AI系統更好地理解和應對複雜的問題和任務。