MCP 是什麼？讓客戶的 AI 來問你，把品牌規格帶進設計流程

客戶在決定買什麼之前，通常先決定要怎麼做。

工程師要確認產品能否用在特定環境，設計人員要比較不同方案，採購則要把需求整理成可以詢價的規格。品牌能不能進入候選名單，往往在這些工作中就開始形成。

如果客戶正在使用 AI 完成這些工作，品牌可以思考一個新的問題：

能不能讓客戶的 AI，直接來詢問我們的企業大腦？

透過 MCP，品牌有機會把產品知識帶進客戶原本的工作流程，在需求形成、規格草擬與選型比較階段，就提供有依據的協助。

AI 回答問題，知識從哪裡來？

理解 AI 如何取得知識，可以先看三種常見方式。

方式	白話解釋	適合提供什麼
過去學過的知識	使用模型訓練時學到的內容	通用概念、背景知識與基本原理
先查文件，再回答	找到相關資料，參考內容整理答案	公司文件、產品型錄與現行辦法
去問其他 AI	向另一個專業 AI 或知識服務請教	特定品牌、產品與應用領域的資訊

這三種方式可以一起使用。

例如，客戶詢問某種零件是否適合戶外設備。AI 可以先用既有知識理解需求，再查閱文件；遇到品牌特有的規格與適用條件時，則進一步詢問品牌提供的企業大腦。

在第三種方式裡，我們的企業大腦，就是那個被詢問的品牌專家。

它也可能先查閱品牌文件，再整理回應。對客戶而言，重點是能否取得可信、有效，而且適合當下問題的資訊。

企業大腦如何整理公司知識，可先參考企業 AI 大腦是什麼。

MCP 是什麼？讓 AI 接上品牌知識的共同介面

MCP，全名是 Model Context Protocol，可以理解為一套讓 AI 應用連接外部工具、資料與服務的共同規則。官方架構說明

在這個應用中，MCP 把客戶使用的 AI，接到品牌的企業大腦。

客戶在熟悉的 AI 工具裡描述需求，AI 便能在已連接、取得授權且需要相關知識時，向品牌企業大腦提出詢問，再把取得的資訊用於後續工作。

流程可以這樣理解：

客戶提出需求 → 客戶的 AI 詢問品牌企業大腦 → 取得規格與應用依據 → 整理設計或選型草稿。

這個做法讓品牌多了一個知識入口：除了讓人上官網找資料，也讓客戶的 AI 能在工作過程中查閱品牌提供的知識。

把企業大腦開給客戶，可以怎麼用？

以一家零組件品牌為例。它的客戶是設備製造商，需要把零件整合進自己的產品。

以下是示範情境。

設備商的工程師正在設計一台戶外設備，希望透過 AI 整理候選零件。他描述使用環境、空間限制、通訊介面與預期功能，再請 AI 協助比較。

如果已接上品牌的 MCP，AI 就能向品牌企業大腦詢問：

• 哪些產品符合目前已知的條件？
• 不同型號的主要差異是什麼？
• 哪些限制需要在設計時先考慮？
• 還缺少哪些資訊，才能進一步判斷？
• 有哪些應用文件可以提供參考？

取得資訊後，客戶的 AI 可以繼續整理比較表、設計注意事項與待確認問題。

客戶仍在自己的工作流程裡，品牌知識則在需要的時候參與進來。遇到特殊用途、文件沒有涵蓋的條件或需要正式承諾的事項，再交由品牌的技術與業務人員確認。

從回答問題，到進入客戶設計：Design-in 如何形成？

Design-in，指的是產品在客戶的設計階段被評估，並納入方案。

對品牌而言，參與時間很重要。當客戶已經完成設計、寫好規格，只剩下詢價時，品牌能協助調整的空間可能已經有限。

如果品牌能更早提供清楚的規格、應用條件與選型依據，就有機會參與需求形成。

客戶正在做的工作	品牌企業大腦可以提供的協助
定義需求	提醒需要確認的環境、介面與限制
草擬規格	提供規格欄位、單位與適用條件
比較方案	整理候選產品的差異與待確認事項
準備設計確認	提供有效文件與需由技術人員判斷的問題

當產品符合需求，而且品牌能幫助客戶把設計工作做完整，進入候選方案與後續驗證的機會就可能增加。

MCP 在這裡的價值，是讓品牌更容易在設計尚未定案時，提供有用的知識。

對品牌方，有哪些實際好處？

提早參與客戶的需求形成

客戶還在研究「應該選什麼、規格怎麼寫」時，就能取得品牌資訊。

品牌可以透過準確的應用說明，幫助客戶理解哪些條件重要、哪些資訊還不足，讓後續討論更具體。

降低客戶採用產品的準備成本

有規格書，與能順利使用規格書，之間還有一段距離。

客戶需要找出相關段落、理解限制，再把資料轉成自己的比較表或設計文件。企業大腦若能協助查閱與整理，就能減少這些準備步驟，讓產品更容易被理解與評估。

讓技術與業務人員接到更完整的問題

基本規格與常見應用可以先取得說明；需要人員判斷時，客戶已經帶著已知條件、參考資料與待確認事項。

技術人員能把時間用在特殊應用與設計判斷，業務也比較容易掌握客戶正在進行的專案與下一步。

若想了解售前問答與人員接手的分工，可參考 AI 銷售是什麼。

讓既有知識持續支援不同專案

品牌多年累積的選型經驗、應用筆記與常見問題，往往散在不同文件與同事的經驗裡。

整理成可授權查閱的企業大腦後，同一份有效知識，就能反覆支援不同客戶、不同工程師與不同設計專案。

如何讓品牌規格，逐步成為產業慣用的參考？

品牌希望建立產業標準，需要讓自己的規格體系持續被理解、使用與沿用。

這套體系可以包含：

• 產品與功能的命名方式。
• 規格比較時使用的欄位與單位。
• 測試條件與適用範圍。
• 選型時應確認的問題。
• 常見應用的設計範例。

如果客戶使用 AI 準備需求書時，能方便取得這些內容，品牌的規格體系就有機會進入客戶的文件與溝通方式。

例如，品牌提供一套清楚的環境條件與相容性檢查方法。客戶實際使用後，發現能減少設計遺漏，便可能在下一個專案繼續沿用，也分享給其他工程師與合作夥伴。

當這些方法被更多人採納，品牌提供的內容就可能逐步成為市場慣用的參考，朝事實標準發展。

這個過程依靠的是產品適用性、知識品質與持續採納。MCP 提供了一個讓這些知識更容易進入客戶工作流程的方式。

第一步，先開放哪些知識？

品牌可以先選一類產品、一種常見設計情境，整理足以支援判斷的資料。

第一批適合準備的內容包括：

• 目前有效的產品型錄與規格書。
• 選型準則與常見限制。
• 應用筆記與相容性說明。
• 常見問題及需要轉交技術人員的情況。

公開資料與客戶專屬資料，應依使用對象設定不同的查閱範圍。回應也需要保留版本、適用條件與待確認事項，避免把參考資訊誤當成正式承諾。

接著，拿真實的設計問題測試：客戶的 AI 能否找到正確資料、理解限制，並整理出值得繼續討論的方案？

對 Kinsunn AI 企業大腦而言，這是一個可進一步發展的應用方向：讓品牌累積的知識，透過 MCP 服務客戶使用的 AI，從查資料開始，逐步參與設計與選型。

MCP 品牌知識服務延伸閱讀

準備資料可先看品牌 MCP 服務準備指南與產品規格整理清單，再用MCP 資料權限與產品版本指南檢查對外範圍。實際應用可延伸閱讀AI 產品選型、汽機車零件適配查詢、電子零件規格與替代料查詢及工業設備相容性評估；試行後則可參考MCP 導入成效指標。

目前的 MCP 產品範圍與規劃，可參考企業知識 MCP。想評估自己的產品知識適合從哪個情境開始，可以帶著代表性文件與客戶問題，與我們討論。