AI Agents 入門：什麼是 AI Agent？何時該用？
原文：Microsoft AI Agents for Beginners · MIT 授權
什麼是 AI Agent？
一句話：AI Agent 是一個系統，讓 LLM 不只是回答問題，而是實際「做事」——透過工具和知識對環境採取行動。
三個核心元件
| 元件 | 說明 | 旅行社 Agent 舉例 |
|---|---|---|
| 環境 (Environment) | Agent 運作的空間 | 訂房平台本身 |
| 感知器 (Sensors) | 讀取環境狀態的方式 | 查詢飯店空房、航班價格 |
| 執行器 (Actuators) | 採取行動的方式 | 訂房、發送確認信、取消預約 |
AI Agent 的七種類型
| 類型 | 特點 | 範例 |
|---|---|---|
| 簡單反射型 | 純規則驅動，無記憶、無規劃 | 看到客訴信 → 自動轉給客服 |
| 模型反射型 | 維護世界模型，隨變化更新 | 追蹤歷史票價，標示異常漲價 |
| 目標導向型 | 有目標，逐步找出達成路徑 | 從出發地到目的地，訂完機票+租車+飯店 |
| 效用導向型 | 不只找解，找最佳解（權衡取捨） | 平衡成本與便利性，給出最高分方案 |
| 學習型 | 從回饋中學習，越用越好 | 根據旅客事後問卷調整未來推薦 |
| 階層型 | 高層拆任務，委派給子 Agent | 「取消行程」→ 取消機票+取消飯店+取消租車 |
| 多 Agent 系統 | 多個獨立 Agent 協作或競爭 | 協作：各 Agent 分頭處理航班、飯店、娛樂 |
何時該用 AI Agent？
✅ 適合的場景
- 開放性問題——解題步驟無法事先寫死，需要 LLM 動態規劃
- 多步驟流程——需要跨多個回合使用多種工具，非單次查詢
- 隨時間改善——希望系統根據回饋或環境訊號變得更聰明
⚠️ 不要用的時候
- 單一步驟就能解決的問題（寫 SQL 查詢就好）
- 邏輯固定不變的流程（傳統 if/else 更穩）
- 需要 100% 確定性的場景（Agent 本質上不保證結果一致）
Agent 開發基礎
三個關鍵概念
| 概念 | 說明 | 課程中的實作 |
|---|---|---|
| Agentic Patterns | 可重用的提示與編排策略，讓 LLM 在複雜任務中更可靠 | 課程以最常見的 pattern 為結構主軸 |
| Agentic Frameworks | 開發框架提供現成模板、工具和基礎設施 | 使用 Microsoft Agent Framework (MAF) |
| Tool Definitions | 用 OpenAPI 3.0 標準定義 Agent 能用的工具 | Foundry Agent Service 支援 |
本課重點回顧
- AI Agent = LLM + 工具 + 記憶 + 行動能力，不只是回應提示
- 七種 Agent 類型從簡單反射到多 Agent 協作，複雜度遞增
- 判斷何時用 Agent：開放、多步驟、需學習的場景才適合
- 本課程用 MAF + Foundry，但你學的原則適用於任何框架