GenAI Agent 轉型組織

課程概述

AI Agent 不只是會聊天，還能依照目標選工具、執行動作，再看結果決定下一步。這堂課會拆解 Agent 的核心架構，也會介紹教材中的 Vertex AI Agent Builder，以及企業導入時最容易忽略的權限、人工核准和失敗處理。先把這些想清楚，再談組織轉型會實際得多。

你將學到

• 定義 AI Agent 並解釋其與傳統聊天機器人的關鍵差異
• 描述 AI Agent 的核心架構：感知、推理、行動、記憶
• 了解教材中的 Vertex AI Agent Builder 現在對應 Gemini Enterprise Agent Platform 的哪些工具
• 評估組織導入 AI Agent 的準備度與風險管理策略

核心概念

什麼是 AI Agent？

AI Agent 是一種會根據目標和目前狀態，選擇下一步並呼叫工具的系統。不是接上 LLM 就自動變成 Agent；真正的差別在於它能對外部系統採取行動，再根據結果繼續處理。舉例來說，客服聊天機器人可能只會說明退貨規則，客服 Agent 則能在取得授權後查訂單、建立退貨單，再把處理結果回報給使用者。

Agent 的核心架構

官方課程說明點名的 Agent 組成是模型（Model）、推理迴圈（Reasoning loop）與工具（Tools），官方學習指南列的也是這三項。這篇另外用四個部分來看：感知（Perception）接收使用者輸入和環境資訊；推理（Reasoning）理解意圖並規劃步驟；行動（Action）呼叫工具或 API；記憶（Memory）保存任務狀態與需要延續的資訊。記憶不該什麼都存，工具也不該什麼權限都有。能力範圍越大，資料保存、最小權限和稽核紀錄就越重要。

%%{init: {"flowchart": {"curve": "linear", "nodeSpacing": 24, "rankSpacing": 32}}}%%
flowchart TB
  subgraph SCOPE["① 先判斷要回答還是要行動"]
      direction LR
      NEED["寫清楚使用者目標<br/>以及系統允許的結果"] --> ACTION{"只要回答資訊，<br/>還是要改變外部系統？"}
      ACTION -->|"要執行動作"| FIXED{"步驟與分支能事先<br/>完整寫成規則嗎？"}
  end
  ACTION -->|"只回答"| ASSISTANT["使用搜尋、RAG 或對話助理<br/>不授予寫入工具"]
  FIXED -->|"可以"| WORKFLOW["優先用一般工作流程引擎<br/>規則清楚、結果較可預測"]
  FIXED -->|"不行"| DYNAMIC{"需要依中間結果<br/>動態選工具與下一步嗎？"}
  subgraph CHOOSE["② 只有動態多步驟任務才用 Agent"]
      direction LR
      DYNAMIC -->|"不需要"| WORKFLOW
      DYNAMIC -->|"需要"| AGENT["使用受限 Agent，<br/>只開必要工具與資料"]
      AGENT --> RISK{"會影響金錢、權限、<br/>客戶權益或對外溝通嗎？"}
  end
  subgraph CONTROL["③ 依風險加上執行控制"]
      direction LR
      RISK -->|"會"| APPROVE["顯示動作與依據<br/>由授權人員核准"]
      RISK -->|"不會"| POLICY["參數驗證、速率限制<br/>與可回復範圍"]
  end
  APPROVE --> TRACE["記錄每次工具呼叫、結果、<br/>錯誤與最終責任人"]
  POLICY --> TRACE

教材中的 Vertex AI Agent Builder，現在叫什麼？

教材裡的 Vertex AI Agent Builder 沒有單一的新名稱：Google 在 2026 年 4 月 22 日的版本說明寫的是 Agent Builder 併入 Gemini Enterprise Agent Platform（簡稱 Agent Platform，原 Vertex AI），其中 Agent Engine 改稱 Agent Runtime。現在建立 Agent 可以用 Agent Development Kit（ADK，寫程式）或 Agent Studio（低程式碼），部署與執行交給 Agent Runtime。你可以定義目標、可用工具、知識來源與行為限制，再把 Agent 部署到受管的執行環境。不過平台不會替你決定哪些權限合理，也不會保證工具失敗時一定能正確復原；這些仍要由應用端設計逾時、重試、冪等性、核准與回退流程。

時效提醒：Google 已在 2026 年 4 月把 Vertex AI 相關名稱更新為 Gemini Enterprise Agent Platform，Agent Builder 也併入新平台。截至 2026 年 10 月，課程頁列出的教材標題已經用現行名稱（例如 Agent Search、Gemini Enterprise app）；教材內頁若仍出現 Vertex AI Agent Builder，操作時可對照官方名稱異動與版本說明。

ReAct 框架

ReAct（Reasoning + Acting）把 Agent 的處理拆成規劃、行動和觀察。Agent 先依目前狀態選擇下一個可用工具，拿到工具結果後更新任務狀態，再決定繼續、改走別條路或停止。實作時要設定最大步驟數、逾時和停止條件，避免工具一直互相呼叫卻沒有進展。

實作重點

• 在 Gemini Enterprise Agent Platform 用 Agent Studio 或 ADK 做一個簡單的 Agent，至少設定兩個工具函式
• 測試 Agent 處理多步驟任務的能力，看它怎麼把一個複雜請求拆開再執行
• 設定 Grounding Data Store，讓 Agent 可以參照企業內部知識庫來回答問題
• 留意 Agent 的錯誤處理：工具呼叫失敗時，它會怎麼回退

課程導讀

課程連結：Gen AI Agents: Transform Your Organization — Google Skills

這門課是 Gen AI Leader 學習路徑的第五門、也是最後一門，講組織怎麼用自訂的 gen AI Agent 處理特定的業務問題。課程頁列出的活動是互動教材和小測驗，沒有獨立的 Lab 單元；官方課程說明另外寫到會動手做一個基本的 Agent。看教材時可以帶著這幾個問題：Agent 跟傳統自動化差在哪？模型、推理迴圈與工具這幾個組成各自負責什麼？不同場景下要怎麼選對的 Agent 策略？安全性跟權限控管的最佳實踐特別要多看一下。

延伸學習

• Agent Platform（原 Vertex AI）+ Flutter 打造 AI Agent — 動手建構完整的 Agent 應用
• 建構 GenAI 應用 — GenAI 應用開發的全流程
• GenAI 的 MLOps 實踐 — Agent 的部署與監控策略