什麼是 MCP 伺服器？代發貨自動化的新選擇

Model Context Protocol（MCP）是一個開放標準通訊協定，讓 AI 模型能夠與外部工具和服務互動。對於代發貨（Dropshipping）商家而言，最常見的痛點是重複性的商品資訊匯入工作：從供應商取得商品資料後，需要逐一調整格式、翻譯描述、優化圖片，再發布到多個電商平台。

傳統做法是使用串接工具或手動作業，但缺乏彈性且難以擴展。MCP 伺服器讓你能將整個工作流程封裝為 AI 可呼叫的工具，實現真正的自動化。

系統架構設計：四大核心元件

本專案的 MCP 伺服器架構包含以下四個主要元件：

  • 商品擷取模組：從供應商 API（如 AliExpress、CJ Dropshipping）定時拉取新品資料
  • 資料轉換引擎：統一商品格式、匯率轉換、描述翻譯（使用 OpenAI API）
  • 圖片處理服務：自動下載、壓縮、去除浮水印
  • 多平台發布器：支援 Shopify、WooCommerce、eBay 等 8 個平台的一鍵發布

每個模組獨立的設計讓系統易於維護和擴展。以下是簡化的 Python 程式碼範例：

class ProductImportTool:
    async def execute(self, supplier_url: str) -> dict:
        raw_data = await self.fetch_from_supplier(supplier_url)
        transformed = self.transform_product(raw_data)
        return await self.publish_to_platforms(transformed)

工具設計：三個必備的核心工具

MCP 伺服器的核心價值在於「工具」的設計。一個好的工具應該有清晰的輸入輸出定義，並處理單一職責。

1. fetch_products 工具

從指定供應商網址取得商品清單，返回標準化的 JSON 格式。包含名稱、價格、庫存、圖片連結等欄位。

2. enrich_product 工具

接收基礎商品資料，使用 AI 增強內容：生成更吸引人的標題、撰寫 SEO 優化的描述、翻譯目標市場語言。

3. publish_platform 工具

將處理完成的商品發布到指定平台。需要平台 API 認證（API Key 或 OAuth），並處理各平台的格式差異。

發布到 8 個平台的重點技巧

跨平台發布的最大挑戰是「資料格式不一致」。以下是實務經驗：

  • 建立統一資料模型（UDM）：先將所有供應商資料轉換為內部統格式，再從 UDM 轉出各平台格式
  • 使用工廠模式處理平台差異：每個平台建立獨立的 adapter class
  • 實作重試機制：網路不穩定時自動重試 3 次，並記錄失敗日誌
  • 圖片 CDN 統一管理：所有圖片先上傳到自有的 CDN，再將 URL 發給各平台
class PlatformAdapterFactory:
    @staticmethod
    def get_adapter(platform: str) -> PlatformAdapter:
        adapters = {
            "shopify": ShopifyAdapter(),
            "woocommerce": WooCommerceAdapter(),
            "ebay": EbayAdapter()
        }
        return adapters.get(platform, GenericAdapter())

實作後的三大重要學習

完成這個專案後，我總結了以下關鍵經驗：

第一，API 配額管理至關重要。大量發布時容易觸發平台 API 限制，建議實作佇列系統（Queue）控制頻率。

第二，錯誤處理要分層。不要讓單一商品失敗導致整個批次停止，應該跳過失敗項目並繼續處理後續商品。

第三，定期同步庫存。代發貨商品常有缺貨問題，建議每 6 小時同步一次供應商庫存。