AI Agent 入門完整指南
從使用到自己做

AI Agent 是 2026 年最熱的概念、也最容易被神化。這篇拆給你看 ─ 什麼是 Agent、跟 ChatBot 差在哪、Claude Code / Cursor Agent / MCP 怎麼用、6 個你今天就能做的實作場景、跟 4 個踩雷區。

※ 本文 AI 工具進展速度極快、寫作當下（2026 年 5 月）為準。具體 API、功能、價格請以官方文件為主。

先講清楚 ─ Agent vs ChatBot

很多人混為一談、其實差很多。

• ChatBot：你問、AI 答。一輪結束。
• Agent：你給目標、AI 自己規劃 + 執行 + 修正、直到完成。

舉例 ─ 「幫我整理上週 email、找出需要回覆的、寫草稿」：

• ChatBot：「好的、請把 email 貼給我」
• Agent：自己連 Gmail API、讀信、判斷哪些要回、寫草稿、放進 draft folder ─ 全自動

差別的核心：Agent 能用工具（tool use）、能多步推理、能自我修正。

Agent 的4 個核心能力

1. 計畫（Planning）─ 把大目標拆成可執行的小步驟
2. 工具使用（Tool Use）─ 呼叫外部 API、跑指令、讀檔
3. 記憶（Memory）─ 記住對話過程跟中間結果
4. 反思（Reflection）─ 檢查自己做得對不對、錯了會調整

目前的 AI Agent（Claude Code、Cursor Agent、GitHub Copilot Agent）在這 4 項上的成熟度大概是 ─ 計畫跟工具使用很強、記憶跟反思還在進化。

3 種你現在就能用的 Agent

01 Claude Code（CLI）

Anthropic 出的 terminal-based AI agent。

它能做的：

• 在你的 codebase 跑、讀檔、改檔
• 跑 shell command（包含 git）
• 規劃多步重構
• 讀 error log、自己 debug
• 透過 MCP 接外部工具

用法：在你的 project 目錄跑 claude、給目標、它自己動。

02 Cursor Agent

Cursor IDE 內建的 agent mode（之前叫 Composer）。

它能做的：

• 跨多個檔案改動
• 讀 codebase 找相關 context
• 用 @ 引用特定 file / docs
• 跑指令、看 output

適合：在 IDE 內、需要視覺化看 diff 的人。

03 GitHub Copilot Agent

GitHub 出的 PR-level agent。

它能做的：

• 接 issue、自動寫 PR
• 跑 CI、看結果、修錯
• 跟 reviewer comment 互動

適合：把 well-defined task 整段 outsource 給 AI 的場景。

MCP（Model Context Protocol）─ 讓 Agent 接你的工具

MCP 是 Anthropic 提出的開源協議、目的是讓 AI Agent 跟你的工具 / 資料庫 / 服務「用統一方式對話」。

沒有 MCP 的世界：

• 你要接 Slack → 寫 Slack 串接
• 你要接 GitHub → 寫 GitHub 串接
• 你要接 Postgres → 寫 DB 串接
• 每個 agent 都要重做一次

有 MCP 的世界：

• 有人寫好 Slack MCP server
• 有人寫好 GitHub MCP server
• 你的 agent 一行 config、就能用所有 MCP servers

它在做的事 ─「API 之於程式設計」就是「MCP 之於 AI Agent」。

已經有大量公開 MCP servers：filesystem、GitHub、Slack、Postgres、Linear、Notion⋯⋯ 直接拿來用。

6 個你今天就能做的實作場景

自己做第一個 Agent ─ 3 步驟

步驟 1：選 framework / SDK

• Anthropic SDK ─ 用 Claude、原生支援 tool use + MCP
• OpenAI SDK ─ 用 GPT、有 function calling、生態系大
• LangChain ─ 抽象層、能跨 LLM、但學習曲線陡
• Mastra / Vercel AI SDK ─ TypeScript-first、適合做 web app

新手建議直接用 Anthropic / OpenAI SDK、別急著上 LangChain。

步驟 2：定義 Tools

Tools 是 Agent 能呼叫的「外部能力」。例如：

// 用 Anthropic SDK 為例
const tools = [
  {
    name: "search_email",
    description: "搜尋使用者 Gmail",
    input_schema: {
      type: "object",
      properties: {
        query: { type: "string" }
      }
    }
  },
  {
    name: "send_email",
    description: "寄 email",
    input_schema: {
      type: "object",
      properties: {
        to: { type: "string" },
        subject: { type: "string" },
        body: { type: "string" }
      }
    }
  }
]

步驟 3：寫 Agent loop

async function runAgent(userGoal) {
  const messages = [{ role: "user", content: userGoal }]

  while (true) {
    const response = await claude.messages.create({
      model: "claude-sonnet",
      tools,
      messages
    })

    // Agent 想用工具
    if (response.stop_reason === "tool_use") {
      const toolCall = response.content.find(c => c.type === "tool_use")
      const result = await executeTool(toolCall.name, toolCall.input)

      messages.push({ role: "assistant", content: response.content })
      messages.push({
        role: "user",
        content: [{ type: "tool_result", tool_use_id: toolCall.id, content: result }]
      })
      continue
    }

    // Agent 做完了
    return response.content
  }
}

這就是最簡 Agent loop ─ 呼 LLM、執行工具、再呼 LLM、直到 done。

4 個踩雷區

01 把 Agent 當魔法

很多人以為「Agent = 全自動」 ─ 然後給它一個複雜任務、失望它做錯。

現實 ─ Agent 在「well-defined 的小任務」很強、在「模糊的大任務」會卡住。

原則 ─ 你把任務拆得越具體、Agent 跑得越好。

02 給太多權限

Agent 能執行任意指令 → 可能不小心刪掉你 production DB。

安全做法：

• 讀比寫優先：先給讀 API、確認安全再給寫
• 用 read-only credentials 開發、production 才換 write
• 重要操作（delete、deploy）強制人類確認
• 日誌每個 tool call、定期 review

03 沒設成本上限

Agent loop 可能會「停不下來」 ─ 一直思考、一直呼 API、$$$ 就燒光。

一定要設：

• Max iterations（loop 上限、如 20 次）
• Max tokens（單次呼叫上限）
• Daily budget（每日花費上限）

04 用 Agent 取代「不該被自動化的事」

有些事適合 Agent、有些不適合：

• ✅ 重複、規則清楚、錯了影響小 ─ 適合
• ❌ 需要判斷脈絡、責任重大、錯了難挽回 ─ 不適合

別把「跟客戶溝通」「處理付款」「刪除資料」直接交給 Agent。

AI Agent 未來怎麼走

現在（2026 年）的 Agent 階段：

• 1 個任務、Agent 自動完成 ✅
• 多個 Agent 互相協作（Multi-agent） ⚠️ 早期
• Agent 自我學習、修正策略 ⚠️ 研究中

5 年內可能看到的：

• 個人 Agent ─ 像私人助理、長期記得你偏好
• 企業 Agent ─ 取代部分初階 ops 工作
• Agent marketplace ─ 訂閱別人寫好的 Agent

但不要被新聞嚇到。技術曲線會比 hype 慢、實際進入工作流程要 3-5 年。

最後一個提醒

AI Agent 不是取代工程師、是放大工程師。
會用 Agent 的工程師 ─ 1 個人能做 3 個人的事。
不會用的工程師 ─ 跟會用的同事相比、會越來越慢。

這個工具沒有想像中神奇、也沒有想像中簡單。它的價值在「你把它放在哪個工作流程裡」。

這週開始 ─ 找你工作裡最重複、最無聊的 1 件事、想想能不能用 Agent 自動化。做出來、你會明白為什麼這是趨勢。

延伸閱讀 ─ AI 時代工程師系列

• Cursor 12 個技巧 ─ 從會用到用得好
• Vibe Coding 是什麼?完整解析 + 5 種人該怎麼用
• AI 會取代工程師嗎?2026 年的誠實答案
• AI 給你 code、給不了你軟體 ─ 14 個分水嶺檢查清單
• AI 時代工程師完整指南(總綱)