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 Vertex AI Agent Builder 的功能與應用模式
• 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

AI Agent 通常可以拆成四個部分：**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。

教材中的 Vertex AI Agent Builder，現在叫什麼？

Google Cloud 的 Agent Builder 提供建立、測試和部署 Agent 所需的工具。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。教材和 Lab 多半仍沿用 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 的 Agent Builder 裡做一個簡單的 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

Lab 導讀

Lab 連結：Gen AI Agents: Transform Your Organization — Google Cloud Skills Boost

這個 Lab 講 AI Agent 在組織裡可以怎麼用，從客服自動化到內部流程編排都有舉例。測驗會考的重點，是 Agent 跟傳統自動化差在哪、Agent 架構裡各個組件各做什麼，還有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

• 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