圖片由ChatGPT產生
今天受邀去北門扶輪社談『AI 時代下的商業決策本質』，其中談到 AI Agents以及可以打造千人AI企業的機會。因為這類演講時間都很有限，關於AI Agents以及裡面新的概念細節無法全部cover，因此在本文來展開說明：
<<如果要省時間，可以看這個AI做成的簡報來了解本文主題>>
^^^ 上面這個是簡報，不是廣告 ^^^
什麼是 AI Agent 與 MCP？
想像一下，你有一位超級助理，他不僅能聽懂你的指令，還能主動學習、思考，甚至幫你完成複雜的工作。這就是 AI Agent (人工智慧智能體) 的概念。簡單來說，AI Agent 是一種能感知環境、具備自主行動能力、無需人類干預的情況下做出決策、並採取行動以達成特定目標的智慧系統。
發展歷史： AI Agent 的概念起源於 1950 年代的 AI 研究，早期的研究著重於讓電腦模擬人類的思考和決策過程。如1966年的ELIZA，該程式透過簡單的模式匹配與使用者進行對話。
隨著技術進步，現代AI Agent已能處理更複雜的任務，如資料分析、程式碼生成和客戶服務等，AI Agent 從理論走向實際應用。近年來，大型語言模型 (LLM) 的興起，更讓 AI Agent 的能力突飛猛進，能夠處理更複雜的任務，與人類進行更自然的互動。
聽起來很簡單，不過，Agent是怎麼感知環境，抓取資料，聽懂或看懂東西的？各種資料或物品都有一定的格式，懂點技術的人都知道，要去連接一個新的資料來源還是得寫程式。如果要連結非常多的資料源，那麼就得寫很多的程式。
這樣的問題會讓Agent發展緩慢，這就是MCP這類標準溝通介面重要的地方了。MCP是由Anthropic於2024年11月推出的開源工具，旨在使AI系統能直接連接各種資料源，增強其資訊檢索和任務執行能力。 MCP提供了一種通用協議，簡化了不同AI系統與資料源之間的整合，解決了過去需要為每個資料集編寫自訂程式碼的問題。透過MCP，開發者只需整合一次，即可讓AI系統無縫連接多個資料源。
可以怎麼使用 AI Agent?
現在的做法： 許多企業仰賴人工處理重複性高、耗時的任務，例如客戶服務、資料輸入、內容生成等。即使導入自動化工具，也往往只能處理簡單、單一的指令，缺乏彈性和智慧。
AI Agent 與 MCP 的做法： AI Agent 結合 MCP 技術，能帶來革命性的改變。
圖片由ChatGPT產生
- 情境一：客戶服務
- 傳統方式： 客服人員重複回答類似問題，等待時間長，效率低。
- AI Agent + MCP： AI Agent 能理解客戶的完整問題脈絡，提供即時、個人化的解答，甚至能預測客戶需求，主動提供協助。例如，客戶詢問產品規格後，透過MCP連接內部知識庫，AI Agent 能主動提供產品使用說明影片連結。
- 情境二：內容創作
- 傳統方式： 行銷人員花費大量時間構思文案、社群貼文，效率受限。
- AI Agent + MCP： AI Agent 能理解品牌風格、目標受眾，根據使用者提供的簡短指令，自動生成多樣化的內容，並根據上下文調整內容風格，確保一致性與連貫性。例如，使用者要求撰寫一系列社群貼文，AI Agent 能記住之前的貼文主題和風格，確保系列貼文風格一致。
- 情境三：資料分析
- 傳統方式：分析師需手動收集與處理大量資料，分析過程耗時且可能忽略重要資訊。
- 採用AI Agent與MCP：分析師可部署AI Agent自動收集與分析資料，並透過MCP連接多個資料源，提供更全面且深入的分析結果，提升決策品質。
- 情境四：程式碼開發
- 傳統方式：開發人員需手動編寫大量程式碼，耗時且易出錯。
- 採用AI Agent與MCP：開發人員可利用AI Agent自動生成程式碼，並透過MCP連接程式碼庫，確保生成的程式碼符合專案需求，減少開發時間與錯誤率。
實際公司行業使用案例
案例一：Johnson & Johnson（醫藥行業）
- 使用細節：Johnson & Johnson利用AI Agent輔助藥物發現過程中的化學合成。這些AI Agent能自主決定最佳的溶劑轉換時機，優化分子結晶過程，提升藥物開發效率。
案例二：Moody’s（金融分析行業）
- 使用細節：Moody’s開發了多個AI Agent，用於自動化財務分析任務。這些代理能獨立進行行業比較和公司財務狀況評估，並透過協作提供更深入的分析結果。
案例三：eBay（電子商務行業）
- 使用細節：eBay建立了AI框架，協助撰寫程式碼和生成行銷內容。該框架能根據使用者互動，提供個性化的程式碼建議和行銷策略，提升平台的使用者體驗。
事實上，現在美國，投履歷後，第一關審履歷文件的已經是AI Agent審件官，到了第一階段初次面試，約線上面試後後，也是另一個AI Agent在這個階段來審查，都過了才往後送給雇用單位的人員來面試。 AI Agent已經是遍地開花現象級的活動了。
可以立即開始做的事
AI發展相當的快，AI Agent也是。要維持競爭力，個人得懂怎麼讓自己與AI共舞，增強10倍生產力，才能在AI時代繼續保持優勢。對於組織而言，目前的工作流程中一定有50%可以被AI Agent來取代，越早雇用AI Agent，越早能產生更多價值。
公司策略也應開始擁抱AI，全力評估並實作專屬自己使用的Agent！開發自家的人工智慧代理（AI Agent）是一項複具有挑戰性的工作，但透過妥善的規劃和資源配置，企業可以成功實現這一目標。以下是著手開發AI Agent的建議步驟：
1. 定義目標與需求： 首先，明確AI Agent的用途和期望達成的目標。例如，是否用於客戶服務、資料分析或流程自動化。清晰的目標有助於指導開發過程。
2. 組建專業團隊： 開發AI Agent需要多元化的專業人才，包括資料科學家、機器學習工程師到領域專家
3. 學習與培訓：Python與其他各種需要了解的領域。
4. 選擇適當工具與平台
5. 資料收集與準備
6. 模型開發與訓練
7. 部署與後續持續優化更新
上面這樣的步驟是不是一看就很複雜？
對有資源的公司來說，這樣的步驟是適切的。但若我們是中小企業，那我們還是可以用一些工具，先讓年輕的同仁玩一玩（例如Replit, n8n, Haystack, bolt ai, Claude Desktop, cursor MCP目錄…還有很多很多)，找一個小需求，把它自動化。
建議可從 小規模、具體目標的專案 入手，例如：
- 內部知識庫問答 Agent： 讓 Agent 回答員工關於公司政策、流程的常見問題。
- 簡單的客服聊天機器人： 處理客戶常見的產品諮詢或售後服務問題。
事實上，網路上充滿了各種教學影片，讓非技術背景者也能自行完成工作自動化，一定要試試看！
結語
AI Agent正在迅速改變各行各業，為各領域提供AI自動化。從客戶服務和醫療保健，到軟體開發和個人助理，這些AI系統都能提高效率、實現客製化體驗，並解決複雜問題。透過理解上下文和自主決策，AI Agent簡化工作流程、降低成本，並釋放了生產力。 隨著AI技術的發展，AI Agent的應用只會不斷擴展，在未來，AI Agent將成為我們工作和個人生活中不可或缺的一部分，推動創新並重塑我們與技術互動的方式。