應用程式介面（API）為一個軟體系統提供了一種明確的方式來要求另一個軟體系統的資料或執行操作。模型上下文協定 (MCP) 為 AI 應用程式提供了一種標準化的方法來發現和使用選定的工具、資源和提示。
你很少需要做出選擇。MCP 伺服器可以提供對 AI 友善的功能，而現有的 API 和服務則負責處理背後的工作。可以這樣理解——MCP 幫助 AI 找到滿足您請求的正確且已批准的功能，而 API 或服務則在背後執行操作。
在本指南中，您將瞭解每項技術的工作原理、連接器和 RAG 的應用場景，以及單一工作流程如何能同時獲益於兩者。準備好在支援的 AI 工具中使用 Dropbox 內容了嗎？只需連接 Dropbox 遠端 MCP 伺服器或選擇一種方案即可立即開始使用。
MCP 與 API 概覽
應用程式設計介面 | MCP | |
|---|---|---|
主要目的 | 將數據或操作暴露給軟體 | 向人工智慧應用程式公開工具、資源和提示 |
典型來電者 | 應用程式程式碼 | AI主機內部的MCP客戶端 |
手術選擇 | 你的程式碼通常會命名端點或方法。 | 主機可能會根據您的要求允許模型選擇一個公開的工具。 |
探索 | 文件或描述，例如 OpenAPI | MCP主機協定級發現 |
最佳匹配 | 可預測、可重複的集成 | 人工智慧輔助工作流程，其中下一步取決於請求。 |
API 可以被機器發現，但 MCP 功能仍然需要架構和權限。關鍵區別在於這些功能在人工智慧體驗中的呈現方式。
遠端MCP伺服器的工作原理是什麼？
遠端 MCP 伺服器透過網路連接將其功能提供給 AI 主機。典型的請求流程如下：
- 您將相容於 MCP 的主機連接到伺服器端點。
- 您已授權連線並請求存取權限
- 主機內部的客戶端會發現伺服器提供什麼。
- 主機可以允許模型選擇合適的暴露工具
- 伺服器執行允許的操作，有時是透過 API 實現的。
- 結果傳回給主機供模型使用。
將每個請求視為一個獨立的工作單。AI 應用程式會追蹤更廣泛的對話，然後向 MCP 伺服器發送該任務的請求。此請求仍需取得連線授權和使用者現有的 Dropbox 權限。伺服器完成請求並將結果傳回伺服器。
例如，您可以要求助理「在 Dropbox 中尋找最新的產品規格並總結未決事項」。然後主機可以發現搜尋和檔案讀取工具，呼叫它們，並使用傳回的內容。
MCP和API如何協同工作？
MCP 和 API 通常是整合過程中的兩個組成部分。
假設你問：「找到最終的發布簡報，並為代理商創建一個連結」。主機可以使用該模型來解釋目標，並選擇搜尋和共享連結工具。伺服器可以將這些工具呼叫轉換為對底層服務的請求。API 或服務處理檔案操作，而 MCP 為主機提供了一種一致的方式來呼叫它。
MCP 與連接器、插件或 RAG 有何不同？
學期 | 它解決了什麼問題？ | 範例 |
|---|---|---|
API 整合 | 在系統之間建立編碼連接 | 將所有已核准的發票上傳至指定資料夾 |
MCP | 規範人工智慧主機發現和使用功能的方式 | 讓助手選擇搜尋、閱讀、整理或分享 |
連接器或插件 | 為特定產品打包集成 | 使用 Claude 的 Dropbox 功能 |
抹布 | 檢索相關資料以支撐生成的答案 | 在回答支援問題之前，請先查閱政策文件。 |
連接器或外掛程式可以使用 API、MCP 或兩者都使用。檢索增強生成（RAG）將檢索與生成結合。它可以透過 API 或 MCP 資源檢索資料。MCP 伺服器還可以公開建立、組織、共享或復原內容等操作。
何時應該使用 API、MCP 或兩者都使用？
當你的軟體知道確切的操作和順序時，可以使用 API。例如，可以將每張最終發票歸檔到指定資料夾中的計費系統就是一個例子。
當 AI 主機需要從多個已批准的功能中進行選擇時，請使用 MCP。研究人員可以在不知道文件名的情況下索取有關某個主題的最新文件。
當您需要在現有服務之上添加一個面向人工智慧的層時，可以使用這兩種方法。助理可以尋找目前活動素材、整理交接資料夾、建立共享連結並儲存摘要。
當您希望在特定的 AI 產品中獲得現成的體驗時，請選擇連接器或外掛程式。
在任何情況下，都要檢查授權、範圍、來源權限、同意和審批點。MCP 定義了安全責任，但僅憑協議本身無法保證安全實施。
你可以使用 Dropbox 遠端 MCP 伺服器做什麼？
透過 Dropbox 遠端 MCP 伺服器，您可以輕鬆地將 Dropbox 與您的 AI 工具連接。根據工具的不同，這可以支援以下操作：
- 文件搜尋和讀取
- 資料夾組織
- 分享連結
- 檔案請求
- 基於文字的文件創建
- 檢視或還原檔案版本
以下是一些可以促進人們在各項任務中提供幫助的方法：
- 準備活動審核：在 ChatGPT 中，找到已核准的簡報和最新訊息，然後建立共用連結以供審核。將文字摘要儲存到專案資料夾中，以便下一個人可以繼續工作。
- 開始編寫程式碼時，請先了解目前專案背景：在 Codex 或 Cursor 中尋找最新需求和決策日誌，然後再編寫程式碼。README 檔案或實施說明儲存至 Dropbox 以供審查。
- 建立更清晰的專案交接流程：在 Claude Web 中，找到當前交付物，建立一個交接資料夾，整理文件，並為任何缺少的文件建立文件請求。
透過 Dropbox AI 工作流程，您可以將檔案與專案歷程帶入受支援的 AI 應用體驗中，並儲存、分享、檢視與重複使用這些工具協助您產出的成果。現有的檔案權限和管理控制項依然有效，決定了哪些內容與操作可供使用。
將正確的連接引入您的 AI 工作流程
選擇用於預定義整合的 API。當人工智慧體驗需要發現和使用已批准的功能時，請選擇 MCP。當您希望將人工智慧指導和值得信賴的服務結合起來，以獲得全面的體驗時，請同時使用兩者。
Dropbox 讓您可以輕鬆地將可靠的來源內容匯入 AI 工具，從而確保您的專案能夠順利進行。只需連接 Dropbox 遠端 MCP 伺服器或選擇一種方案即可開始使用。
常見問答
不。 API 對於特定的軟體操作仍然很有用。MCP 為 AI 主機提供選定功能的標準接口，這些功能可能依賴底層 API。
MCP 可使功能表面在相容的 AI 主機之間重複使用。如果你的應用程式已經知道該做什麼，那麼直接呼叫 API 通常會更簡單。
不。 RAG 收集資訊以支援生成。MCP 伺服器可以公開檢索和操作，例如建立資料夾、共用檔案或復原版本。
