Laravel MCP 實戰：把散落各處的 Prompt 收進企業級提示詞中央銀行

把 Prompt 寫死在 Controller 裡，是 AI 狂熱期留給許多 Laravel 專案的技術債——提示詞像胡椒粉一樣撒在 Service 甚至 View 各處，改一個語氣得動十個檔案。Prompt 是資產，不是字串常數。這篇用 Laravel MCP 實作一座「提示詞中央銀行」，把散落各處的咒語收進統一管理、可版控的金庫。

到了 2026 年的今天，Model Context Protocol (MCP) 已經成為 AI 代理人溝通的標準協定。如果你還在用 `config('openai.prompts.system')` 或是資料庫裡的純文字欄位來管理提示詞，那你真的該升級了。今天這篇文章，我們要來聊聊「提示詞管理中心化」，以及如何利用 Laravel 結合 MCP 架構，將你的 Prompts 變成可版本控制、可動態注入的「模板化資源」。

為什麼 2026 年我們需要「提示詞中央銀行」？

在早期的開發模式中，我們常犯的一個錯誤是把 Prompt 當作「常數字串」處理。但隨著 LLM（大型語言模型）的迭代（現在都已經是 GPT-6 或 Gemini 3 的時代了），Prompt 的邏輯變得極度複雜。它不再只是一句話，它包含了：

• 角色設定 (Persona)：定義 AI 是客服、工程師還是數據分析師。
• 上下文注入 (Context Injection)：動態插入用戶數據、歷史訂單。
• 輸出格式限制 (Output Schema)：JSON、Markdown 或特定的 XML。
• 防禦性指令 (Safety Rails)：防止 Prompt Injection 的護欄。

當你的系統有 50 個不同的 AI 功能，而這些 Prompt 分散在 50 個不同的檔案時，一旦業務邏輯變更，或者需要從 OpenAI 切換到 Anthropic，維護成本是災難級的。這就是為什麼我們需要透過 Laravel MCP Server 來建立一個「提示詞中央銀行」。

Laravel MCP 架構：將 Prompt 視為 Resource

在 MCP 的規範中，除了 Tools (工具) 和 Prompts (提示詞) 是兩大核心。許多開發者只專注於寫 Tools讓 AI 操作資料庫，卻忽略了 MCP 原生就支援將 Prompt 定義為標準化的 Resource。

我們的目標架構如下：

• Laravel Backend：作為 MCP Server，負責儲存、版本控制、渲染 Prompts。
• AI Clients (Cursor, n8n, Custom App)：作為 MCP Clients，透過協定「訂閱」或「請求」最新的 Prompt。

1. 資料庫設計：支援版本控制與變數

首先，別再只用一個 `content` 欄位存 Prompt 了。我們需要一個更嚴謹的 Schema。這不僅是為了存取，更是為了讓非技術人員（如 PM 或行銷）也能參與 Prompt Engineering。

Schema::create('ai_prompts', function (Blueprint $table) {
    $table->id();
    $table->string('slug')->unique(); // 例如: customer-service-refund
    $table->text('template'); // 包含變數的 Blade 模板，如: 你好 {{ $name }}...
    $table->json('input_schema'); // 定義需要的變數，如: {"name": "string", "order_id": "int"}
    $table->string('model_preference')->nullable(); // 建議使用的模型
    $table->integer('version')->default(1);
    $table->boolean('is_active')->default(true);
    $table->timestamps();
});

2. 實作 MCP Prompt Resource

在 Laravel 中，我們利用 MCP SDK 來註冊這些 Prompts。這裡的關鍵是，我們不直接回傳字串，而是回傳一個「渲染後」的結果。這讓 Laravel 的 Blade 引擎大顯身手。我們可以利用 Blade 的強大邏輯（if/else, loops）來動態組裝 Prompt。

這段程式碼展示了如何註冊一個動態 Prompt：

use Mcp\Server\Facades\McpServer;
use Mcp\Server\Resources\PromptResource;
use App\Models\AiPrompt;
use Illuminate\Support\Facades\Blade;

// 在 AppServiceProvider 或專屬的 McpServiceProvider 中註冊

public function boot()
{
    // 撈出所有活躍的 Prompts 並註冊到 MCP 列表
    $prompts = AiPrompt::where('is_active', true)->get();

    foreach ($prompts as $prompt) {
        McpServer::registerPrompt(
            name: $prompt->slug,
            description: "Version: {$prompt->version}. Auto-generated via Laravel MCP.",
            arguments: $prompt->input_schema, // 告訴 Client 需要傳什麼參數
            handler: function (array $args) use ($prompt) {
                // 這裡就是「模板化資源」的核心
                // 使用 Blade 渲染，確保變數被正確填入且經過跳脫處理
                $renderedContent = Blade::render($prompt->template, $args);

                return [
                    'role' => 'user',
                    'content' => [
                        [
                            'type' => 'text',
                            'text' => $renderedContent
                        ]
                    ]
                ];
            }
        );
    }
}

進階技巧：模板化資源的威力

為什麼要用 `Blade::render` 而不是簡單的字串替換？因為 2026 年的 Prompt 邏輯很複雜。想像一下，你的一個「程式碼審查 AI」，需要根據傳入的語言（PHP, Python, JS）載入不同的審查規範。如果你把這些規範全部塞在同一個 Prompt 裡，Token 消耗會爆炸。

利用 Laravel 的模板繼承，你可以這樣做：

{{-- prompts/base-reviewer.blade.php --}}
你是一位資深的 {{ $language }} 工程師。
請依據以下核心原則審查程式碼：
1. 安全性優先
2. 可讀性至上

@include('prompts.rules.' . $language)

審查標的：
{{ $code_snippet }}

透過 MCP 請求這個 Prompt 時，Laravel 會在後端動態組裝好最完美的 Prompt 文字，再透過網路協定回傳給 AI Agent。這就是「中心化管理」的真諦：客戶端不需要知道 Prompt 的組裝邏輯，它只需要發送數據，然後獲得指令。

安全性與快取考量

當我們將 Prompt 透過 API 或 MCP 暴露出去時，效能與資安是兩大考量。在 2026 年，我們通常會建議：

1. 快取編譯後的模板：Blade 的渲染雖然快，但在高併發下仍是負擔。利用 Redis 快取渲染結果（針對相同的參數組合）是必要的。
2. 參數驗證：既然我們定義了 `input_schema`，在 MCP Handler 內部必須使用 `Validator` 來檢查 Client 傳來的參數，避免 Prompt Injection 或是無效數據導致 AI 產生幻覺。

實際應用場景：跨平台一致性

這種架構最大的好處在於「一致性」。

想像一下，浪花科技同時維護著：
1. 一個 WordPress 官網（使用 AI 客服）。
2. 一個 iOS App（使用 AI 助理）。
3. 內部的 Slack Bot（使用 AI 查詢報表）。

過去，如果要更新「公司的退換貨政策」，我需要去改這三個地方的 Prompt string。現在，我只需要在 Laravel 的後台更新 `customer-service-policy` 這個 Prompt 記錄，所有連接到這個 MCP Server 的終端設備，下一次呼叫時就會自動拿到最新的指令。

這不僅是技術上的優化，更是企業治理（Governance）的一環。我們終於可以大聲地跟 CFO 說，我們的 AI 資產是受控的，而不是一團混亂的黑盒子。

說實話，身為工程師，把這些邏輯抽離出來後，Controller 變得乾淨多了，那種爽感真的是難以言喻。不用再為了修一個 typo 而重新部署整個 API，光是這點就值得你今晚開始重構。

相關推薦閱讀

為了讓你的 MCP 架構更完整，我強烈建議閱讀以下幾篇浪花科技的深度技術文章，涵蓋了從資料庫安全到成本控制的關鍵議題：

• 讓 AI 安全地直接對話資料庫：在 Laravel MCP 中設計嚴謹的 Tool 存取機制
• AI 代理人失控前必讀：2026 MCP 架構下的後端資安防線與頻率限制實戰
• AI API 帳單炸裂？2026 資深工程師教你用「智慧路由」與「快取防禦」破解 Rate Limit 並省下 70% 成本

想為您的企業導入最先進的 AI MCP 架構嗎？別讓技術債拖垮您的創新速度。

立即聯繫浪花科技，諮詢企業級 AI 解決方案