Module 4 - Workflow, Agent 與 MCP

AI Agents 入門

Microsoft - AI Agents for Beginners MIT GitHub 同步於 2026-09-23

AI 代理與代理使用案例介紹

歡迎來到 AI 代理初學者課程！本課程將提供您基礎知識與實際運作的程式碼，讓您從零開始建置 AI 代理。

來 Azure AI Discord 社群打個招呼吧 — 這裡聚集了許多學習者和 AI 開發者，樂意回答您的問題。

在開始建置之前，請先確定您明白什麼是 AI 代理，以及何時適合使用代理。

本課程涵蓋內容：

上完本課後，您應該能：

這裡有個簡單的理解方式：

AI 代理是讓大型語言模型（LLM）真正「做事情」的系統 — 不只是回應提示，而是賦予工具與知識來作用於世界。

讓我們稍微拆解一下：

系統 — AI 代理不是單一東西，而是一組部件協同運作。每個代理核心都有三個組成部分：
- 環境 — 代理所工作的空間。以旅遊預訂代理為例，就是預訂平台本身。
- 感應器 — 代理讀取環境狀態的方式。旅遊代理可能會查看飯店可用性或航班價格。
- 執行器 — 代理採取行動的方式。旅遊代理可能會預訂房間、發送確認信或取消訂房。
大型語言模型 — 代理早有存在，但大型語言模型讓現代代理變得強大。它們能理解自然語言、推理上下文，並將模糊的用戶請求轉成具體行動計劃。
執行動作 — 沒有代理系統時，LLM 只能產生文字；代理系統內，LLM 可以實際執行操作 — 搜尋資料庫、呼叫 API、發送訊息。
存取工具 — 代理能用的工具取決於（1）它運行的環境，和（2）開發者授予的工具。旅遊代理可能能查航班，但不能編輯客戶資料 — 全看您如何串接。
記憶 + 知識 — 代理可有短期記憶（當前對話）和長期記憶（客戶資料庫、過往互動）。旅遊代理可能「記得」您偏好靠窗座位。

代理並非都一樣。以下以旅遊預訂代理為例，列出主要類型：

代理類型	功能說明	旅遊代理範例
簡單反射代理	遵循硬編碼規則 — 無記憶、無規劃。	看見抱怨信 → 轉交客服。就這樣。
基於模型的反射代理	持有並隨變化更新內部世界模型。	追蹤過去航班價格並標示突然貴的路線。
基於目標的代理	有明確目標，逐步推敲如何達成。	從您目前位置預訂包含航班、車輛、飯店的完整旅程至目的地。
基於效用的代理	不只找到一個解決方案，而是透過權衡取捨找到最佳解。	平衡成本與便利性，找到最符合您偏好的旅程。
學習型代理	透過回饋持續變得更好。	根據旅後調查調整未來預訂建議。
分層代理	高階代理將工作拆為子任務並交由低階代理執行。	「取消行程」請求拆分為：取消航班、取消飯店、取消租車 — 各有子代理負責。
多代理系統 (MAS)	多個獨立代理協同（或競爭）作業。	協作：不同代理各管飯店、航班、娛樂。競爭：多代理競爭以最佳價格搶客。

可以使用 AI 代理不代表每次都該用。以下是代理真正出色的場合：

關於何時（或不該）使用 AI 代理，我們在後面課程的 打造可信賴 AI 代理 章節會有更深討論。

建構代理的第一步是定義其能力 — 工具、動作與行為。

本課程使用 Microsoft Foundry Agent Service 作為主要平台。它支援：

您透過提示與 LLM 溝通。使用代理時，無法完全手工撰寫每個提示 — 代理需跨多步行動。這時候就用到代理模式，它們是提示與協調 LLM 的可重用策略，更有擴展性與可靠性。

本課程圍繞最常用和最實用的代理模式設計。

代理框架為開發者提供現成的樣板、工具與基礎架構，讓建置代理更簡單，能：

本課程集中使用 Microsoft Agent Framework (MAF) 建置可投產的代理。

準備好看實作了嗎？以下為本課程的程式碼範例：

加入 Microsoft Foundry Discord，與其他學習者交流、參加開放時間，並由社群幫助解答您的 AI 代理疑問。

在學習如何部署代理的 Lesson 16 之後，您可以用現成的檢測目錄 tests/lesson-01-smoke-tests.json 對本課的 TravelAgent 進行快速部署健康檢查。請參考 tests/README.md 了解如何執行。