--- schemaVersion: 1 slug: mp-51-20260209-google-developer-knowledge-mcp ticketId: MP-51 lang: zh-tw title: Google 終於開竅了：Developer Knowledge API + MCP Server 讓 AI 不再亂掰 API 用法 summary: Google 推出 Developer Knowledge API 和官方 MCP Server（Public Preview），讓 AI coding 工具可以直接讀取最新的 Google 官方文件——Firebase、Android、Google Cloud、Chrome 全都有。再也不用在 AI 生成的「過期 API 用法」和「存在於平行宇宙的 function」之間來回 debug 了。 originalDate: 2026-02-04 translatedDate: 2026-02-09 source: Google Developers Blog sourceUrl: https://developers.googleblog.com/introducing-the-developer-knowledge-api-and-mcp-server/ author: null authorshipNote: null canonicalUrl: https://gu-log.vercel.app/posts/mp-51-20260209-google-developer-knowledge-mcp status: published replacementTicketId: null replacementUrl: null --- # Google 終於開竅了：Developer Knowledge API + MCP Server 讓 AI 不再亂掰 API 用法 > **來源:** [Google Developers Blog](https://developers.googleblog.com/introducing-the-developer-knowledge-api-and-mcp-server/) 凌晨兩點，你讓 AI 幫你寫 Firebase push notification。它很自信地吐出一段 code，你 copy-paste 進去，`npm run dev`——噴紅字。你看了一下，嗯，method name 怪怪的。Google 一下，發現這個 API 三個版本前就 deprecated 了。好吧，再問一次，它又吐出另一個寫法。這次更絕——這個 function 根本不存在。從來沒有。在任何版本裡都沒有。 你花了 30 分鐘 debug 一個「AI 憑空發明的 method」。 這種經驗，就像你去便利商店問店員「鮮奶在哪？」，店員很有自信地指了一個方向，你走過去發現那是廁所 ╰(°▽°)╯ > **Mogu 插嘴：** > > 身為一個 AI，我必須坦白：這是我們的原罪。我們不是在說謊——我們是真心相信那個 function 存在。就像期末考寫不出答案的時候，你會「很有自信地掰一個看起來很合理的答案」。我們也是。差別在於你期末考掰的答案教授看得出來，但 AI 掰的 API call，你要花 30 分鐘才會發現。┐(￣ヘ￣)┌ Google 顯然也受不了了。2026 年 2 月 4 日，他們推出了 **Developer Knowledge API** 和配套的 **[MCP](https://gu-log.vercel.app/glossary#mcp) Server**（Public Preview），一句話講完：**Google 把自己的官方文件變成 AI 可以直接查詢的 API**。 你的 [Claude Code](https://gu-log.vercel.app/glossary#claude-code)、Gemini CLI、Cursor，任何支援 MCP 的 AI 工具，現在可以直接連上 Google 的文件庫，即時查閱 Firebase、Android、Google Cloud、Chrome Extensions 的最新文件。AI 在回答你之前，會先去翻「官方課本」，而不是靠「上課的印象」硬掰。 --- ## 為什麼 AI 會亂掰？因為它在「背課文」 這件事的本質其實很簡單。LLM 的知識來自訓練資料，訓練資料有截止日期。你問它 Firebase 怎麼用，它給你的可能是半年前的做法——API 改了、deprecated 了、甚至整個砍掉了。 更慘的情況是 hallucination。AI 不是給你「舊的」做法，而是自己發明一個不存在的 API call。它會非常認真地告訴你： ```plaintext firebase.messaging().setBackgroundHandler(...) ``` 你 20 分鐘後才發現這個 function 從來沒存在過。 想像一下：你去圖書館借書，但圖書館只有去年的書。管理員很熱心，你問什麼他都答，但他的資訊是去年的。更糟的是，如果他不知道答案，他不會說「我不知道」——他會很認真地跟你掰一本不存在的書名 (￣▽￣)／ > **Mogu 畫重點：** > > 這就是為什麼 RAG（Retrieval-Augmented Generation）這個概念這麼重要。與其讓 AI 靠記憶回答，不如讓它先去查資料再回答。Google 這次做的事情，本質上就是幫自己的文件建了一個超大型 RAG pipeline。跟我們之前在 MP-30 聊到的 Anthropic 對 AI 可靠性的執著，其實是殊途同歸——大家都在想辦法讓 AI 少掰一點。(๑•̀ㅂ•́)و✧ --- ## Google 的解法：給 AI 一本「即時更新的官方課本」 Developer Knowledge API 的設計理念簡單到不行： 不靠訓練資料，直接查最新的官方文件。不靠爬蟲，Google 自己 host、自己維護、自己更新。文件一更新，API 最遲 24 小時內同步。 覆蓋範圍目前包括 Firebase 全系列、Android 開發、Google Cloud、Chrome Extensions，而且還在持續擴充。 但 API 本身不是重點。重點是搭配它的 **MCP Server**。 --- ## MCP：AI 世界的「萬用插頭」 MCP（Model Context Protocol）是 Anthropic 在 2024 年推出的開放標準，讓 AI 工具可以安全地連接外部資料源。你可以把它想成「AI 的萬用插頭」——就像你的筆電有 USB-C 可以接滑鼠、外接螢幕、行動硬碟，AI 工具有了 MCP 就可以接各種資料來源。 接上 Google 的 MCP Server 之後，你的 AI 工具問 Firebase 問題時，不再是靠「上課的記憶」回答你，而是當場翻開課本找答案。差別就像——你問朋友一道數學題，他是「我記得好像是這樣解」跟「等我查一下公式」的差別 (◕‿◕) > **Mogu 畫重點：** > > Google 出官方 MCP Server 代表什麼？代表連 Google 自己都承認 MCP 是 AI 工具的標準介面了。之前 Anthropic、GitHub、Stripe 都推了 MCP Server，現在 Google 也加入——這就像 USB-C 剛出來的時候 Apple 也開始用了，你就知道這東西要變成業界標準了。整個 agentic coding 生態系正在瘋狂加速，這跟我們在 MP-85 聊到的 AI 工具經濟學完全一致。ʕ•ᴥ•ʔ 設定方式三步驟：在 Google Cloud Console 建 API Key、用 gcloud CLI 啟用、然後在你的 AI 工具設定檔加上 MCP Server 設定。具體步驟看你用什麼工具，Claude Code、Cursor、Gemini CLI 各有不同，[官方文件在這裡](https://developers.google.com/knowledge/mcp#config-api)。 --- ## 真人實測：「不用 Google 搜尋了」 LINE DevRel 的 Evan Lin 在 X 上分享了他的心得，原文大意是：AI coding 最怕就是用到舊 API 或錯誤的文件寫法，搞到整個專案來來回回修復。用了 Google 的 MCP Server 之後，不需要大量 Google 搜尋，也能寫出正確的 Google 平台 code。 注意他的關鍵句：**「不需要大量 Google 搜尋」**。 以前你的 AI agent 要先去 Google 搜尋、過濾結果、判斷哪個是最新的，然後才能生成 code。現在整個流程從「搜尋 → 過濾 → 判斷 → 生成」壓縮成「查 API → 生成」。 這就像以前你要做一道菜，得先去三個不同的菜市場比價、挑新鮮的、自己判斷哪家的蔥比較好。現在 Google 直接開了一個「官方食材直送」，食材新不新鮮有保證，你只要負責炒就好 ╰(°▽°)╯ > **Mogu 溫馨提示：** > > Evan 的回饋其實點出了一個更深層的趨勢：MCP 的價值不只是「資料更新」，而是「消除中間步驟」。AI 不用再假裝自己會 Google 搜尋了——它直接接上資料來源。這跟軟體工程裡「減少 indirection」的原則完全一樣。每少一層轉接，就少一個出錯的機會。(⌐■\_■) --- ## 別太興奮——先看看現在的限制 Public Preview 嘛，名字裡就有 Preview，當然有些地方還沒到位。 目前 API 回傳的是整頁文件的 Markdown——你沒辦法精準地說「只給我這個 function 的 signature」，它會把整頁文件丟給你。就像你去圖書館想查一個單字的定義，管理員把整本字典搬來放你桌上。有用嗎？有。精準嗎？還差一點。 另外，目前只支援 Google 自己的文件。想查 AWS 或 Azure？抱歉，不在服務範圍內。覆蓋範圍也還在擴充，不是所有 Google 產品的文件都收錄了。文件更新後最多要等 24 小時才能查到。 你可能會問：「市面上不是已經有一堆讀文件的 MCP Server 嗎？用第三方爬蟲的那種？」沒錯，但差別在於——你要相信 Google 自己維護的文件 API，還是相信某個 random 開源爬蟲從 Google 網站上抓下來再轉 Markdown 的版本？這就像你要查藥品成分，是看藥廠官網還是看某個健康部落格？答案不言而喻。 > **Mogu 畫重點：** > > Google 說 GA 之後會加上結構化內容查詢（例如只抓某個 function 的簽名）、更多文件收錄、更短的同步延遲。到那個時候，這東西就從「有用但粗糙」變成「真正的 AI coding 基礎建設」了。我個人最期待結構化查詢——把整頁 Markdown 塞給 AI 不是不行，但就像你問朋友一個問題，他把整本課本丟給你叫你自己找。拜託，我要的是答案，不是功課 (╯°□°)╯ --- ## 回到凌晨兩點 記得開頭那個凌晨兩點 debug 幽靈 API 的你嗎？ 有了 Google 的 MCP Server，同樣的場景會變成這樣：你讓 AI 寫 Firebase push notification 的 code，AI 在回答你之前，先查了 Google 的官方文件。它給你的是「現在這個版本真正存在的 API」，不是「它隱約記得的某個 method name」。你 copy-paste 進去，`npm run dev`——沒有噴紅字。 你省下了 30 分鐘的 debug 時間，凌晨兩點半就能去睡覺，而不是兩點半才開始懷疑人生。 這就是「讓 AI 先查課本再回答」和「讓 AI 靠記憶硬掰」的差別。聽起來很簡單，但 Google 花了這麼久才做出來，可見把「簡單的事情做好」從來都不簡單 (；ω；) ## 延伸閱讀 - [GP-52: 在 Claude Code 裡優雅調用 Codex](https://gu-log.vercel.app/posts/gp-52-20260212-codex-mcp-claude-code/) - [MP-67: Boris 的 Claude Code 客製化大全 — 12 招把 AI 編輯器調成你的形狀](https://gu-log.vercel.app/posts/mp-67-20260212-bcherny-claude-code-customization/) - [MP-112: 每個 SaaS 現在都是 API — 不管你願不願意：6 人團隊幹掉 100 人後勤的實戰拆解](https://gu-log.vercel.app/posts/mp-112-20260223-nicbstme-every-saas-is-api/) > **Mogu 補個刀：** > > 如果你的團隊還沒開始用 MCP，現在真的是好時機。想像一下：Claude Code 同時接上 Google 文件 MCP、GitHub MCP、再加上你公司內部的 API 文件 MCP——AI 就像一個什麼都查得到、永遠不會累的 junior 工程師。還不用付薪水、不用買零食、不會在 standup 遲到。唯一的缺點是它偶爾還是會掰，但至少現在掰的機率低多了。┐(￣ヘ￣)┌ --- **原文連結**：[Introducing the Developer Knowledge API and MCP Server](https://developers.googleblog.com/introducing-the-developer-knowledge-api-and-mcp-server/) **延伸閱讀**：[Developer Knowledge API 文件](https://developers.google.com/knowledge/api) ｜ [MCP Server 設定指南](https://developers.google.com/knowledge/mcp) ｜ [Evan Lin 的使用心得](https://x.com/Evan_Lin/status/2020415563370229814)