隨著開發者加速採用代理式AI，Arm MCP伺服器示範了開放標準如何改變軟體工程，讓AI助理能安全地與工具、文件及開發流程互動
AI 已改變開發者撰寫程式碼的方式，但下一波轉變更將影響深遠。AI 助理正從被動的副駕工具，逐步演進為主動參與的程式設計搭檔。能理解情境、呼叫專業工具、執行工作流程，並協助解決涵蓋整個軟體開發生命週期等日益複雜的問題。
模型情境協定 (Model Context Protocol，MCP) 正在協助推動這項發展。開發者不必再為每一款 AI 助理與每一項開發工具分別建立客製化整合，MCP 提供一套開放標準，讓 AI 助理能安全地探索、存取外部工具與知識來源，並與其互動。MCP 正逐漸成為代理式軟體開發的共同基礎，讓開發者能透過彼此連結的工作流程與 AI 協作，而不必在各自獨立的工具之間來回切換。
對開發者而言，這代表一項根本性的轉變。他們不再需要花費大量時間查找文件、切換不同應用程式，或手動協調各項開發工作，更能專注於解決工程問題，並由 AI 助理協調大部分底層工作流程。對終端使用者而言，這代表了能更快取得品質更好的軟體。
Arm MCP 伺服器展現了這樣的未來。透過將 Arm 工具與精選的專業知識直接整合至相容於 MCP 的 AI 助理，開發者無須離開現有的開發環境，即可分析整個專案的程式碼 、將工作負載移轉至 Arm 平台，並最佳化效能。
Arm MCP伺服器為何能持續累積其發展動能
Arm MCP 伺服器所展現的發展動能，不僅反映在下載次數，更展現在開發者的實際使用方式。
不到一年，Arm MCP 伺服器的 Docker 下載次數已突破 10,000 次，開發者也正將其整合至多個主流 AI 開發環境的工作流程中，包括 Amazon Kiro、Claude Code、Codex、Cursor、Gemini、GitHub Copilot、Google Antigravity、Windsurf 等。從更廣泛的角度來看，AWS、Docker 與 Microsoft 等科技領導企業也運用 Arm MCP 伺服器，將 AI 助理與可信賴的工具及工程流程連結起來。這顯示開發者可期待代理式 AI 能在他們既有且信賴的系統中運作，而非獨立作業。
這些里程碑反映出整體產業正在經歷更廣泛的轉變。開發者不再只需要能回答問題的 AI，而是期待 AI 能理解情境、呼叫適當的工具、取得可信賴的專業知識，並在單一且彼此連結的工作流程中，協助完成複雜的工程任務。
「我們在測試一個用於 35 億參數音樂生成模型的 Hugging Face Space 時，遇到 Arm64 建置失敗的問題，因此使用 Arm MCP 伺服器搭配 Docker MCP 工作套件，找出問題所在。在短短 15 分鐘內，這套工作流程便透過 Skopeo 檢查容器資訊清單、使用 migrate-ease 掃描原始碼，並精確找出 requirements.txt 中一個寫死的 x86_64 wheel 套件 URL。這個深藏其中的設定，在未顯示明確錯誤的情況下導致 Arm 建置失敗。若沒有 Arm MCP 伺服器，光靠人工追查可能需要數小時。透過這套工具，開發者能根據實際工具的分析結果，取得結構化的可行或不可行 (GO / NO-GO) 判定，而非仰賴猜測。」
——Docker 開發者倡議者 Ajeet Singh Raina
「在評估 Arm MCP 伺服器期間，我們很快便發現 .NET 執行階段中的一項矩陣運算具備 Arm SIMD 最佳化機會。這次經驗顯示，這項工具能協助加速效能分析，並能更有效率地找出特定架構的最佳化機會。我們看好 Arm MCP 伺服器的潛力，目前也正探索其在其他 .NET 開發流程中的應用情境。」
——Microsoft .NET 首席軟體工程經理 Julie Lee
Arm MCP伺服器如何將Arm專業知識導入AI助理
開發者、超大規模雲端服務供應商與獨立軟體供應商 (ISV) 的參與持續增加，加上在 Hugging Face Docker Spaces 中移轉模型等實際案例，顯示 AI 輔助工作流程能讓軟體移轉與最佳化更容易地重複執行，並擴大應用規模。這種可重複性十分重要，因為許多雲端工作負載仍包含針對特定架構的既有假設。開發者可能需要找出對 x86 的相依性、檢查容器相容性、更新 CI/CD 流程、重新建置原生程式庫，並在移轉後進行效能調校。
Arm MCP 伺服器將這些步驟整合至由代理式 AI 引導的工作流程中，讓團隊能在不同應用程式與環境中，更一致地運用移轉指引。它可與相容 MCP 的 AI 助理整合，讓開發者直接在既有開發環境中存取 Arm 軟體生態系。這表示開發者可以：
- 評估應用程式與環境是否已準備好採用 Arm；
- 根據 Arm 特定指引，移轉涉及架構轉換的工作負載；
- 透過分析程式碼與系統行為的效能，最佳化既有應用程式；以及
- 驗證容器映像檔是否適合部署於 Arm 架構。
Arm MCP 伺服器也在這套代理式工作流程中，提供對多項 Arm 開發者工具的直接存取。以下以開發者在 AWS 上將 x86 工作負載移植至 Arm 為例，說明 Arm MCP 伺服器如何將這些開發者工具整合至一套由代理式 AI 引導的工作流程中 ，包括分析應用程式、找出必要變更、驗證工作負載，以及提出最佳化建議：
- 在既有工作流程中，透過相容 MCP 的 AI 助理呼叫 Arm MCP 伺服器；
- Migrate-ease 可分析程式碼儲存庫，找出針對 x86 的特定假設、相依項目及移轉步驟；
- Skopeo 可檢查容器映像檔與 Arm 的相容性；
- Sysreport 可協助驗證目標 Arm Linux 環境；
- Arm Knowledge Base 可提供來自 Arm 專家的可信賴技術指引；
- 當工作負載從移轉階段進入最佳化階段時，Arm Performix 可協助開發者瞭解並調校軟體在 Arm 架構基礎設施上的效能；以及
- Machine Code Analyzer (LLVM-MCA) 可針對簡短的已編譯程式碼片段進行靜態效能分析。
這些工具共同支援實用的端到端工作流程：評估工作負載、找出相容性問題、移植至 Arm、驗證環境，並最佳化效能。
由於 Arm MCP 伺服器是以容器形式在本機執行，企業開發者也能讓程式碼與開發流程維持在企業自身的環境中 ，讓企業擁有更高的隱私保障與控制權。此外，結合 Arm 專用工具與可信賴的技術指引，也能協助開發者更有效率地完成複雜的工程任務。
代理式AI如何協助開發者將工作負載移轉至Arm
將工作負載移轉至 Arm 可帶來明確效益，包括更優異的每瓦效能、更高的效率，以及更低的基礎設施成本。然而，對多數開發者而言，挑戰從來不在於「為何」要移轉，而是「如何」移轉。
常見問題包括：
- 我需要重新建置應用程式嗎？
- 哪些相依項目可以沿用？
- 如何移轉容器？
- CI/CD 流程需要進行哪些變更？
- 如何針對 Arm 最佳化既有工作負載？
Arm 多年來持續結合自身架構，開發移轉工具、文件與效能分析資源等，來解答這些問題。對 Arm 而言，挑戰在於如何讓開發者在需要時，能輕鬆取得這些專業知識。
開發者不必再於文件、終端、容器登錄檔與多項開發者工具之間切換，如今可直接透過 AI 助理取得大部分相關指引。這讓移轉成為更順暢、可重複執行的開發體驗，也更容易在不同專案中一致採用最佳實務。
Arm MCP伺服器對代理式AI未來發展的意義
MCP 標示著在軟體工程上一場更廣泛轉型的開端。隨著開放標準獲得廣泛採用，AI 助理正從程式設計夥伴，逐步演進為值得信賴的工程協作夥伴。
Arm MCP 伺服器勾勒出這樣的未來。它將 Arm 值得信賴的工具與工程專業知識，結合正逐漸成為現代 AI 開發一環的開放標準，協助奠定更緊密連結、更智慧且更有效率的軟體工程體驗基礎。
隨著 Arm MCP 伺服器加入更多工具與功能，它能簡化在 Arm 上的移植、開發與最佳化作業。長期而言，這可減少整個移轉流程中的人工操作，協助 AI 代理評估應用程式、建議變更、驗證環境並最佳化效能，將人為介入降至最低。
隨著代理式 AI 持續演進，機會不僅存在於打造能力更強的模型，更在於將這些模型與開發者每天仰賴的工具、平台及專業知識連結起來。這正是 MCP 推動的轉變，也是 Arm MCP 伺服器正協助打造的未來。
開始使用Arm MCP伺服器
Arm MCP 伺服器已經推出，並支援日益多元的相容 MCP AI 助理。立即下載 Arm MCP 伺服器、查看相關文件，並由此瞭解如何將代理式 AI 納入您的 Arm 開發流程。
(作者：Jason Andrews, Arm 解決方案總監暨傑出工程師)
更多COMPUTEX 2026最新資訊就在 ioioTIME 專區中
現在就加入 ioioTIMES 臉書粉絲團 更多互動、更多好康攏抵加!!
我們有LINE TODAY頻道了，快來追踪我們吧!!--最新科技新聞 盡在你手
