一、學習目標

完成本教材後，應能夠
說明 AI Agent 與聊天機器人、工作流程自動化及傳統軟體的差異。
辨識 AI Agent 的目標、模型、工具、記憶、行動迴圈與護欄。
依任務特性選擇單一代理、主管—工作者、多代理或評估者—優化者架構。
設計企業導入流程，包括資料、工具、權限、人工核准、測試與績效衡量。
分析 AI Agent 對初階工作、管理職、人才培育及組織設計的影響。
辨識幻覺、越權、提示注入、資料外洩、失控循環與責任不清等風險。

二、AI Agent 的基本概念

AI Agent（人工智慧代理）是能根據目標，自行決定下一步、使用工具、讀取資料、執行任務，並依照結果持續修正的軟體系統。它不只是回答問題，而是能在一定權限範圍內完成工作。

系統類型 主要特徵 能否自行決定下一步 能否操作外部工具
聊天機器人 依提問產生回答或內容 有限 通常不能，或只使用少量固定工具
規則式自動化 依預先寫好的條件與流程執行 不能 可以，但路徑固定
AI 工作流 模型嵌入預先設計的多步驟流程 部分 可以，工具與順序多半預設
AI Agent 根據目標動態規劃、選工具、執行與修正 可以 可以
多代理系統 多個代理分工、協作、互相檢查 可以 可以，且可跨代理協作

三、AI Agent 的核心構成

構成 功能 企業設計重點
目標 界定代理要完成什麼，以及何時算成功 使用可驗證的完成條件，避免只寫抽象目標
模型 理解需求、規劃步驟、判斷工具與生成結果 依任務難度、成本、速度與風險選擇模型
工具 搜尋、資料庫、電子郵件、CRM、瀏覽器、程式、付款等 每項工具只開放必要功能，採最小權限
記憶與狀態 保存任務進度、限制、偏好與前次結果 區分短期狀態、長期記憶與正式紀錄
行動迴圈 觀察、規劃、行動、取得結果、再修正 限制最大步驟、時間、Token 與費用
護欄 限制代理不能做的事，或要求人工核准 對付款、刪除、發布、權限變更設置核准
評估 衡量完成率、品質、成本、延遲與錯誤 建立測試集、日誌、抽樣覆核與異常告警

四、AI Agent 如何工作

典型代理會反覆執行「理解目標—規劃—選擇工具—執行—觀察結果—修正」的循環。代理是否可靠，往往取決於工具設計、權限管理與結果驗證，而不只是模型本身。

階段 代理行為 例：處理客戶退款申請
1. 理解目標 辨認使用者真正要完成的事 確認客戶要求退款，以及訂單編號
2. 建立計畫 拆解成可執行步驟 查訂單、核對政策、計算金額、建立退款
3. 呼叫工具 使用資料庫、API 或內部系統 查詢訂單及付款狀態
4. 判斷與執行 依政策及資料採取行動 判斷是否符合退款條件
5. 人工核准 高風險或超過門檻時交由人員確認 高額退款由主管核准
6. 回報與紀錄 告知結果並寫入系統 通知客戶、更新 CRM、保存稽核紀錄

五、常見代理架構

架構 運作方式 優點 限制 適用情境
單一代理＋多工具 一個代理統籌所有步驟 設計簡單、容易維護 複雜任務可能失去焦點 中等複雜度流程、內部助理
路由架構 先判斷問題類型，再交給不同模型或流程 成本較低、可專業分流 路由錯誤會影響後續 客服、文件分類、模型路由
主管—工作者 主管代理拆解任務，工作者代理平行執行 適合大型研究與多子任務 協調與整合成本較高 研究、程式開發、專案分析
評估者—優化者 一個代理產出，另一個代理評估並要求修正 可提高品質 Token 與時間增加 程式碼、政策文件、重要內容
多代理協作 多個不同角色代理共同完成工作 可模擬跨部門分工 狀態同步、責任與除錯困難 高度複雜、跨領域任務

六、企業可優先導入的工作

工作類型 適合程度 原因 必要控制
內部知識查詢 高 資料來源可限定、結果容易查證 標示來源、權限過濾
工單分類與分派 高 標準明確、可人工抽查 信心門檻、錯誤回流
會議與文件整理 高 低風險、節省重複勞動 敏感資料控管
競品研究 中高 需要搜尋、摘要與比較 來源驗證、禁止虛構
程式修復與測試 中高 可透過測試驗證 沙盒、程式碼審查
客服回覆草稿 中 可提高速度，但涉及品牌與承諾 人工覆核、禁止擅自退款
付款、解僱、貸款決策 低 高風險且可能造成不可逆結果 必須人工決策與法遵審查

七、企業導入的六個步驟

步驟 主要工作 交付成果
1. 選定任務 選擇多步驟、結果可驗證、錯誤可復原的流程 導入範圍與成功指標
2. 整理資料 確認資料來源、品質、更新頻率及存取權限 資料清單與權限矩陣
3. 設計工具 把 API、資料庫與系統功能包裝成清楚工具 工具規格、輸入輸出與錯誤處理
4. 設置護欄 設定最小權限、金額、步驟、時間與人工核准 風險控制規則
5. 測試上線 建立測試集，先影子模式，再小流量正式運作 測試報告與上線門檻
6. 持續監控 追蹤品質、成本、錯誤、越權與使用者回饋 儀表板、稽核紀錄與改進週期

八、MCP、API 與 A2A

技術 全名 主要用途 簡單理解
API Application Programming Interface 讓特定系統交換資料與執行功能 一個系統對另一個系統的專用接口
MCP Model Context Protocol 讓 AI 應用用標準方式連接資料、工具與資源 代理如何使用工具
A2A Agent2Agent Protocol 讓不同代理互相發現、委派任務與交換結果 代理如何和其他代理合作

MCP 與 A2A 是互補概念。MCP 著重代理與工具之間的連接；A2A 著重代理與代理之間的協作。即使採用標準協定，企業仍須自行管理身分、權限、資料範圍、日誌與人工核准。

九、AI Agent 對組織與人才的影響