在 Agent 中使用 MCPTask (Using MCPTask with Agents)

MCPTask 節點讓您能向 AI Agent 授予對外部工具與資料庫的臨時調用存取權。這項強大的機制讓您能精準掌控 Agent 何時以及如何與外部系統互動。

核心設計理念：具備記憶的臨時存取權

當您將 Agent 連線至 MCPTask 節點時：

✅ Agent 獲配存取權限：臨時取得調用指定 MCP 伺服器工具的能力
✅ Agent 能執行未知任務：完成原本受限於封閉環境而無法執行的操作
✅ Agent 完整保留記憶：深度記住執行過程中所獲取的新知識與數據
❌ 任務結束即回收權限：跳出 MCPTask 後，Agent 立即喪失對該 MCP 工具的直接連線

這實現了嚴謹的最小權限原則：創作者精確掌控外部工具的調用邊界，同時 Agent 能將成果知識帶往下游節點。

MCPTask 與 Agent 的架構互動流程

graph LR
    A[Agent 代理] --> B[MCPTask 節點]

    subgraph MCP ["MCP 外部系統"]
        B --> C[MCP Server 伺服器]
        C --> D[外部系統/工具]
        D --> E[運算結果/數據]
        E --> C
        C --> B
    end

    B --> F[保有記憶的 Agent]
    F --> G[下游 Agent 任務]

MCPTask 節點扮演暫時性擴充 Agent 能力的轉接橋樑，任務執行完畢後輸出承載了全新知識、但已剝離外部工具權限的乾淨 Agent。

逐步實戰演示：臨時存取與記憶保留

讓我們建構一個工作流程，直觀展示 Agent 如何臨時獲配 MCP 能力並在權限收回後持續維持記憶。我們將使用 Fetch MCP 伺服器示範 Agent 連網擷取資訊、隨後在無網狀態下繼續運用該知識。

事前準備

已依據快速入門教學完成 Fetch MCP 伺服器的建立
具備 Griptape Nodes 基本節點連線概念

展示 Agent 連線至 MCP Task 再連線至下游 Agent 的工作流程圖

步驟 1：建立首個基準 Agent

拖曳一個 Agent 節點至畫布上
配置 Agent 參數：
- 將 prompt model 設為 gpt-4o-mini（或您慣用的模型）
- 將 prompt 輸入為："Look up information about https://griptapenodes.com"
- additional_context 暫時留空
點擊執行 Agent — 觀察其回覆，它會明確表示無法連線至網際網路：

I'm unable to browse the internet or access real-time data. However, I can help you understand what kind of information you might find on a website like griptapenodes.com...

這清楚展示了在未獲配 MCP 工具前 Agent 的能力邊界。

步驟 2：接入 MCPTask 節點

拖曳一個 MCPTask 節點至畫布上
將前述 Agent 的輸出埠連線至 MCPTask 節點的 agent 輸入埠
配置 MCPTask 參數：
- 將 mcp_server_name 下拉選單指定為 fetch
- 將 prompt 輸入為："Can you look up the information now?"
點擊執行 MCPTask — Agent 此刻獲配了 Fetch 工具權限，成功聯網抓取到了資訊：

[Using tool mcpFetch] Griptape Nodes is a platform designed to help creative professionals work with AI in a predictable, controllable way that fits their thinking process. It offers an intuitive drag-and-drop interface for creating advanced creative pipelines using graphs, nodes, and flowcharts...

步驟 3：接續下游普通 Agent 節點

拖曳另一個 Agent 節點至畫布下游
將 MCPTask 的 agent 輸出埠連線至該新 Agent 節點的 agent 輸入埠
配置第二個 Agent：
- 將 prompt 輸入為："Do you still have access?"
點擊執行第二個 Agent — 觀察其回答：

I don't have the ability to access or retrieve real-time information from the internet... The information I provided earlier is based on my training data...

核心觀察：該 Agent 已經不再擁有 MCP 工具的調用存取權，但它完好記住了在 MCPTask 期間所學到的全部資訊！

步驟 4：驗證長期記憶留存

追加另一個 Agent 節點連線至上一步驟的下游
配置提示詞："What did you learn about Griptape Nodes?"
點擊執行 — Agent 能精準回憶並重述先前學到的具體細節：

Based on the information I learned earlier, Griptape Nodes is a platform designed to help creative professionals work with AI in a predictable, controllable way...

這證實了 Agent 在權限被安全收回後，認知與記憶依然完好繼承。

進階 Agent 行為配置

打造客製化 Agent 行為

您可以透過多維度參數進一步自訂 Agent 的表現：

規則集 (Rulesets)

加入行為準則規則以約束 Agent 的決策邊界：

調研型 Agent："Always cite sources when providing information"（提供資訊時一律引用來源網址）
創意型 Agent："Think outside the box and suggest innovative solutions"（打破常規思維，提出創新方案）
分析型 Agent："Provide detailed analysis with pros and cons"（提供詳盡的優劣對比分析）

原生工具擴充 (Tools)

在 MCP 伺服器之外補充原生輕量工具：

Calculator 工具：輔助進行高精度數學運算
Date Time 工具：輔助感知當前實體時間與排程解析

靈活選用 Prompt Model 模型

針對不同任務指派最適模型：

gpt-4o-mini：輕量任務高速且經濟
gpt-4o：複雜多步驟邏輯推理
Claude Sonnet：專業內容分析與長篇寫作