大語言模型
學習地圖

Agent 的工具與協作名詞

以下以「整理報名名單並製作圖表」為例,區分負責判斷的系統、可用的工具,以及讓工作持續進行的配套。

EP4 宮廟|Harness:管理模型外圍的工作環境2:33 · 點開觀看

從上下文、工具、權限、隔離、紀錄與循環認識執行框架。

看完想一想:同一個模型放在不同框架中,能做的事為什麼不同?

影片使用生活比喻,正式概念請搭配網頁圖解;片中的數字、引言與產品例子應依原始來源及日期核對。

閱讀對應概念與圖解 → · 查看完整系列

Agent
智慧代理人
圍繞目標選擇行動、使用工具並依結果調整的系統。例:決定先讀取名單,再計算人數並製圖。
Agent Loop
行動循環
選擇下一步、執行、觀察結果,必要時修正或停止。例:計算結果與筆數不符時,回頭檢查資料。
Tool Calling
工具呼叫
模型提出結構化的工具請求,由應用程式執行並回傳結果。例:呼叫程式計算每個組別的人數。
Agent Harness
執行框架
安排模型、工具與回饋如何協作的程式和規則;可包含權限、步數限制與檢查。例:只開放讀取指定資料夾,限制重試次數。
Skill
可重用的工作指引
供支援的系統載入的一組指引或資源,讓工作方法可以重複使用。例:一份「檢查報名資料」的步驟與檢核準則。
MCP
模型上下文協定
讓 AI 應用以共同方式連接工具和資料的協定;是否能使用仍取決於設定與權限。例:透過 MCP 連接已授權的資料來源。
RAG
檢索增強生成
先從外部資料找出相關內容,再把內容提供給模型回答;來源仍需核對。例:先查詢活動簡章,再依簡章回答報名規定。
Context Engineering
上下文工程
整理本次模型呼叫需要的指引、對話、資料與工具資訊。例:只帶入相關欄位、資料說明與本次任務。
Human-in-the-Loop
人工參與與確認
在需要判斷或授權的節點,讓人檢查、修正或決定是否繼續。例:寄出名單或對外發布報告前先確認。
Multi-Agent/Handoff
多代理人與交接
把工作分給不同代理人,並傳遞任務與結果;仍需清楚界定責任與權限。例:資料整理完成後,交給另一個代理人檢查圖表。

參考:Anthropic:Building effective agents、MCP 官方文件。

Schema:工具請求要怎麼填?

可以把 Schema 想成工具的填寫表格:要提供哪些欄位、每個欄位接受什麼格式、哪些值才有效。

例如「統計報名人數」工具可能要求填入場次欄位,以及要排除的報名狀態。模型提出的內容仍要由程式檢查,不能因為格式看起來正確,就認定操作合理。

  1. 工具說明有哪些操作可以用?
  2. 模型填參數提出結構化請求
  3. 程式驗證格式、範圍與權限
  4. 工具執行回傳結果或錯誤

Tool 是系統提供的一項操作;API 是程式之間對接的介面。有些工具透過 API 連接外部服務,也有工具直接在本機計算。MCP 則提供共同的連接方式,能和 API、Tool Calling 一起使用。

有工具,不代表每個動作都能做

「可以讀報名表」不等於「可以把名單寄出去」。應用程式需要在執行前,檢查資料範圍、操作權限,以及這次是否已取得必要確認。

需要人判斷或授權時,交由 Human-in-the-Loop 處理;允許哪些工具、何時停止,則由 Harness 等執行配套管理。

參考:MCP 的 Host、Client 與 Server 架構。