你是否曾覺得 AI 世界前進得有點 太 快了？你聽到自我修復系統和自主代理人，開始懷疑我們是不是已經造出天網，或是你周遭的人都在耍你。當有人提到 HITL 或 MCP 時，你已經不知道那是某個 AI 邪教用的密語，還是某位知名 DJ 的藝名。

你不是一個人！😉

在這篇文章裡，我刻意用了很多簡化。我的假設很簡單：要嘛你已經知道這些術語，不需要再看一篇五段式的學術解釋；要嘛你其實不太知道它們是什麼。若是後者，你最不需要的就是學術定義。

而且沒錯，這已經是我連續第三篇清單型文章了。相信我，這絕對不是什麼成長駭客策略 xDDD。純屬巧合。剛好兩週後（HOLY SH*T!!!），我會在 AGNTCon + MCPCon Europe 演講，而我之所以受邀，是因為我在 DEV 上寫了這篇很棒的文章：Is this how we’ll build websites soon? WebMCP live demo。我發誓，寫這篇文章時我至少和大家讀它時一樣開心。所以沒錯，我對 WebMCP 算是相當熟，但我也打算在那裡多聽一些其他演講，所以看來複習一下對我也有好處。😅

總之，回到正題。我非常相信，人們最容易透過例子記住事情。而對很多人來說，最終極的例子就是有錢人，也就是所謂的 成功人士。

所以，讓我們想像一下，我們的假想主角非常、非常、非常有錢，多到令人髮指。他其實是個億萬富翁。他靠努力工作、經營多家公司累積財富。他造汽車和火箭，買下了自己的社群媒體平台，最近甚至還收購了一家 AI 程式撰寫公司。像這樣的人，顯然需要一個屬於自己的 AI 代理人。

而因為我們的主角需要一個名字，就叫他 Elon Mózg 吧。Mózg 在波蘭語裡是 brain（大腦）的意思，放在這裡非常合適。

還有一件事：我的例子大概也可以直接拿去當成提示詞，讓一個寫程式的代理人把整個超級代理人做出來。如果有哪位億萬富翁想買這個點子，我很樂意把權利賣掉，譬如說，象徵性地收 1,000 萬美元。限時優惠。

開始吧！

1. AI 代理人

它是什麼？

一種 AI 系統，會接收一個目標，並能自行決定如何達成。不同於單純的聊天機器人，它不一定在產生一則回覆後就停下來。它可以規劃下一步、使用工具、檢視結果，並持續工作。

我們的主角 Elon 例如可以對他的 AI 代理人說：

「在火星上建立一個基地。」

一般的聊天機器人大概會開始跟他講故事、上理論課，甚至可能說些荒謬的話，比如 那目前不可能。

但代理人會開始想辦法：檢查最近可用的火箭發射時段、查看火箭的技術狀況、招募工程師、線上訂購必要設備……

好吧，也許不會 那麼 順利。那如果我們放進去一個超強模型呢？xDDD

2. 代理式工作流程

它是什麼？

代理式工作流程是一種多步驟流程，我們利用 AI 來完成其中部分工作。這些步驟的順序，大多可以由開發者事先設計好。模型不一定每次都要自行決定下一步做什麼。

與其像這樣簡單：

user → prompt → LLM → response

我們也可以有：

trigger → 取得資料 → LLM 分析資料 → 做決策 → 呼叫工具 → LLM 產生摘要 → 傳送結果

Elon Mózg 是個非常忙碌的人。每天早上，他都想知道自己整個帝國發生了什麼事。

所以我們設計一個工作流程：

取得汽車銷售資料 → 取得火箭發射狀態 → 取得 AI 公司最新動態 → LLM 分析全部內容 → 選出 5 個最重要的更新 → 產生早晨簡報 → 傳送給 Elon

AI 在這裡會執行好幾個任務。它會分析資料、選出最重要的資訊，並準備報告，但它不會每天早上都從頭發明整個流程。我們已經先決定好哪些步驟要發生，以及順序是什麼。

當然，我們也可以加入一些彈性：

火箭發射延遲？→ 請 LLM 總結原因

但整體上，我們仍然是在沿著事先設計好的工作流程前進。

3. 代理迴圈

它是什麼？

我曾寫過一篇文章，示範你可以用大約 80 行程式碼 做出一個基礎 AI 代理人。代理迴圈是一種機制，讓代理人能夠執行動作、觀察結果，並根據發生的事情決定下一步該做什麼。

簡化來說：

決定 → 行動 → 觀察 → 決定 → 行動 → 觀察 → ...

這個迴圈會持續下去，直到代理人判定自己已達成目標，或者我們告訴它停下來。在真實系統裡，設定最大迭代次數絕對是個好主意。😅

我們的 Elon 常常說自己工作太多。所以他請代理人幫忙：

「幫我找出這週哪個晚上有空。」

這次我們沒有把通往解決方案的確切路徑寫死。代理人必須自己找出來。

查看行事曆 → 沒有空檔。

看看哪些會議可以移動 → 汽車公司會議看起來有希望。

嘗試移動會議 → 與火星殖民計畫衝突。

檢查星期四 → 火箭發射。

檢查星期五 → 另一筆新創併購的最終定案。

檢查星期六 → 有空！

代理人：「星期六晚上有空。」

Elon：「很好。幫我安排一場會議。」

然後代理迴圈又開始了。💀

代理式工作流程 vs. 代理迴圈

最簡單的理解方式是：

代理式工作流程 = 一個使用 AI 的設計流程。

代理迴圈 = AI 執行動作、檢查結果，並決定下一次迭代要做什麼。

重點是，代理迴圈可以是更大型代理式工作流程中的其中一個組成部分。所以，工作流程描述的是整體過程，而迴圈描述的是讓代理人逐步運作、並對先前發生的事情做出反應的機制。

4. 工具呼叫

它是什麼？

LLM 很棒，但老實說：它們終究還只是很厲害的下一詞預測器，並不是那種能自己搜尋整個網路、單槍匹馬駭入銀行的全能生物。雖然在那次 Hugging Face 事件之後，我也不敢百分之百確定了。xD

如果它們還能煮晚餐和晾衣服，那才真的厲害。

總之，如果我們想讓模型真的做事，就必須讓它能使用適當的函式或工具。模型可以決定自己需要哪個工具，並產生工具呼叫。接著應用程式或代理執行架構會執行該呼叫，並把結果再傳回模型。

Elon：

「昨天我們賣了多少台紅色汽車？」

代理人不會瞎掰一個數字。它看到一個可用工具：

getRedCarsSales(date)

它請求工具呼叫，並在取得結果後才回覆：

「一百萬台，Elon。非常普通的一天。」

5. 代理執行架構

它是什麼？

單靠 LLM 本身並不是完整的代理人——畢竟它仍然只是個聰明的下一詞預測器。xDDD 代理執行架構是包圍模型的軟體，負責管理工具、代理迴圈、上下文、狀態、權限與錯誤等事項。

Elon：

「檢查最新的汽車版本是否通過所有測試，若沒有，通知團隊。」

模型可以推理出：

我應該去檢查 CI 結果。

但真正讓它能夠實際檢查 CI、把結果傳回模型，並讓模型決定下一步做什麼的，就是代理執行架構。

LLM 是大腦。代理執行架構則是圍繞它建立起整個有機體的其餘部分。

6. 上下文工程

它是什麼？

在打造代理人時，系統提示詞不一定夠用。上下文工程在於設計模型在特定時刻應該接收到哪些資訊。這些資訊可能包括特定文件、對話歷史、記憶、工具結果、使用者資料等等。

例如，我們的 Elon 可能對代理下這個提示：

「把那個發到 X 上。」

這在沒有上下文的情況下是個糟糕的指令。但有了正確的上下文，代理就可能知道：

• 「那個」指的是什麼，例如：收購另一家新創公司，
• 前面對話發生了什麼，因此這篇貼文應該偏正面還是負面，
• 根據可用上下文，Elon 是否已核准文字，
• 它是否有權限發布任何內容。

給 AI 更多上下文不一定比較好。給它正確的上下文才是。

7. 記憶

它是什麼？

一種機制，讓代理可以儲存重要資訊，並在之後取回，而不是完全依賴當前的上下文視窗。如果我們不想第十次重複解釋同一件事，這就非常有用。

星期一：

Elon：

「我在考慮買一家 AI 程式撰寫公司。」

三週後：

Elon：

「我原本想買的是什麼？」

代理：

「一家 AI 程式撰寫公司。」

Elon：

「對。多少錢？」

代理：

「請不要。」

記憶真的有用。😂

8. MCP：模型上下文協定

它是什麼？

我們剛剛談到工具呼叫，以及代理如何使用不同工具。現在想像你是輪胎、火箭零件，或者……隨便什麼東西的製造商。很顯然，你會希望 Elon 的代理，或者任何人的代理，都能訂購你的產品。但要怎麼做到這一點，而不用每個代理都去猜你的系統怎麼運作？

這就是 MCP 的用途。模型上下文協定（Model Context Protocol）是一種開放協定，讓 AI 應用程式能以標準化方式連接外部工具與上下文。 MCP 伺服器可以暴露出像是工具、資源與提示詞之類的內容。

例如，Elon 可以問他的代理：

「我十分鐘後要和我那個社群媒體平台的老闆開會。我該把他開除嗎？」

透過連接的 MCP 伺服器，代理會檢查 Slack、公司文件、銷售資料、Jira，以及今天的占星圖。

代理：

「不要。Joe 應該留在公司。至少目前是這樣。;)」

9. 規劃

它是什麼？

當面對較複雜的目標時，代理可以先把目標拆成較小的任務，並決定它們應該以什麼順序完成，而不是立刻衝去做第一個動作。

Elon：

「在火星上建立一個殖民地。」

代理建立一個計畫：

1. 找到合適地點。
2. 想辦法運輸。
3. 提供電力。
4. 提供氧氣。
5. 提供水。
6. 建造居住設施。
7. 說服人類真的要去那裡。

第 7 步可能需要另一個獨立代理。

10. 推理

它是什麼？

模型解決問題的能力，這類問題需要的不只是擷取或重現資訊：例如比較不同可能性、考量限制條件，並選擇合理的行動方案。

推理不是代理獨有的能力，但在代理系統中特別重要，因為它常常幫助代理決定下一步要做什麼。

Elon：

「火箭在德州下午 6 點發射，而董事會會議在加州下午 4 點。我能兩個都參加嗎？」

代理在回答之前，必須考量會議時間長度、交通時間、時區等等，然後才會說：

「除非火箭把你載過去，不然不行。」

11. 多代理系統

它是什麼？

一種系統，不是只有一個全知代理，而是有多個具備不同角色、相對自主的代理，它們可以分工並協作。

因此，Elon Mózg 的帝國裡有：

汽車公司代理 — 汽車
太空代理 — 火箭
社群媒體代理 — 社群媒體
AI 系統代理 — AI
財務代理 — 錢
個人助理代理 — 拼命試著控制以上所有事情

Elon：「一切都還好嗎？」

個人助理代理：「請先定義 一切。」

12. 協調

它是什麼？

一旦我們有了多個代理和工具，就需要有人——或者某個東西 😏——來管理誰在什麼時候執行哪項任務，以及接下來會發生什麼事。協調器可以分派工作並收集結果。

Elon：

「我們把新車發射到火星上吧。」

協調器：

→ 太空代理：我們去得了嗎？
→ 汽車公司代理：這台車能撐過去嗎？
→ 財務代理：這荒唐事要花多少錢？
→ 法務代理：拜託告訴我我們不是真的要這麼做。

結果會回傳給主代理，再由它準備最終答案。

13. 交接

它是什麼？

某個代理可能會判定，某項任務應該交由另一個更專門的代理接手。這和只是把另一個代理當工具不同，因為第二個代理可以接手對話或任務的下一部分。

Elon：「其中一具引擎的表現怪怪的。」

個人助理代理：

「我可以幫你改看牙醫的時間。我不能診斷火箭引擎。」

→ 交接給太空工程代理

很合理的決定。

14. A2A：Agent2Agent 協定

它是什麼？

另一個有趣的協定，讓不同的代理彼此溝通與協作，即使它們是由不同團隊打造，或執行在不同系統上。

Elon：

「火箭為什麼爆炸了？」

他的代理絕對不是火箭科學家。所以它會聯絡火箭科學家代理，由後者分析資料並把結果送回來。簡化來說：

MCP：代理 ↔ 工具

A2A：代理 ↔ 代理

15. 防護欄

它們是什麼？

用來控制或限制代理行為的機制。它們可以檢查輸入與輸出、限制工具存取、要求特定權限，或阻擋某些動作。

Elon 的個人代理可以：

✅ 分析公司
✅ 讀取他的行事曆
✅ 草擬電子郵件
✅ 檢查發射時程
✅ 準備社群媒體貼文

但它不能：

❌ 自己發射火箭
❌ 自己開除員工
❌ 自己發布貼文
❌ 自己買下一家新創公司（雖然看起來這件事以前並不總是那麼明顯）

我們是在發生某件事之後才加上最後一條防護欄。

16. Human-in-the-Loop（HITL）

它是什麼？

代理可以自主運作，但流程中刻意納入人類。例如，讓人類核准重要動作、更正輸出，或做出我們不想完全交給代理決定的事情。

而在這裡，顯然是這樣：

代理：「你即將以約 440 億美元收購一家社群媒體平台。」

「這個動作不容易撤銷。」

「你確定嗎？」

[是] [天啊，拜託不要！！！]

Elon Mózg： 點擊

代理：

「好吧。人類已經在迴圈裡了。」

17. Evals

它是什麼？

幫助我們判斷代理執行任務表現有多好的測試。不只是看最終答案聽起來好不好，我們也可以評估代理是否選對工具、是否執行正確步驟，以及是否達成預期結果。

Elon Mózg 個人助理評測套件

測試：

「Elon 請代理安排一場和公司董事會的會議。」

預期：

檢查行事曆 → 找出可用時段 → 邀請與會者 → 安排會議

實際：

買下另一家新創公司

FAIL

我們還有一些工作要做。

18. 電腦操作

它是什麼？

代理不一定只依賴 API，它也可以看見並操作一般的使用者介面：打開網站、找按鈕、點擊、輸入文字等等。我們都知道代理在這方面通常還不夠完美，但嘿，總比沒有好！

Elon 需要一份政府文件。 不幸的是，政府入口網站是 2007 年做的。我不知道你那裡情況如何，但在波蘭這類網站還真不少。😅

沒有 API。沒有 MCP。不過有一個包含 47 個欄位的表單。

代理打開 Chrome。

代理：「我找到表單了。」

Elon：「很好。」

代理：「它需要 Internet Explorer。」

Elon：「我們去火星吧。」

19. 代理式 RAG

它是什麼？

在傳統 RAG 中，系統會擷取資訊並交給模型。在代理式 RAG 中，代理本身可以控制擷取流程：判斷缺少哪些資訊、搜尋更多資料、改寫查詢，然後才產生答案。

Elon：

「我們應該在歐洲再蓋一座 Gigafactory 嗎？」

代理先查銷售資料 → 發現需要生產資料 → 擷取資料 → 檢查能源價格 → 法規 → 潛在地點 → 比較結果。

所以與其只有一次 search()，我們得到的是由代理控制的研究流程。

20. BONUS：Agent Washing

它是什麼？

一種行銷手法，把產品稱作「AI 代理人」，即使該系統幾乎或完全和自主執行任務無關。

Elon Mózg 走上舞台：

「今天我們推出 Glokzilla Agent Ultra，世界上第一個完全自主的通用推理代理人。」

一位開發者看了一眼 repo：

user → prompt → LLM → response

開發者：

「Elon，那只是聊天機器人。」

Elon：

「這是一個代理式聊天機器人。」

資金到位。🚀

就這樣！希望你喜歡這篇文章！

我真的保證這會是我一段時間內最後一篇清單文了，因為這次又一次比預期多花了超多工夫。

如果你想看我更多作品，歡迎在 LinkedIn 上追蹤我。

原文出處：https://dev.to/sylwia-lask/20-agentic-ai-terms-every-developer-should-know-explained-simply-jii