Agent 是什麼：模型＋工具＋迴圈

在上一個單元「LLM API」裡，你學會了用程式呼叫模型：送出訊息、拿回文字、甚至拿回結構化的 JSON。不過到目前為止，模型都只是說，從來沒有做。

你可能用過 Claude Code 這類工具：你說「幫我整理這個資料夾」，它會自己列出檔案、讀內容、建資料夾、搬檔案，一步一步完成。這種會自己動手、多步驟完成任務的程式，就叫做 Agent（代理程式）。

這個單元的目標，是讓你不靠任何框架，自己寫出一個 Agent。寫過一次，你就會知道那些工具和框架在背後幫你做了什麼。

模型為什麼需要工具

模型就像一位很聰明、但被關在房間裡的助理。它懂很多，也很會推理，但它：

• 看不到你電腦裡的檔案；
• 不知道今天的天氣、股價或最新消息；
• 沒辦法真的寄信、搬檔案、寫入資料庫。

工具就是你從門縫遞進去的「遙控器」。你告訴模型：「這裡有一個 read_file 工具，給它檔名就能讀到內容。」模型想看檔案時，會回答「請幫我用 read_file 讀 notes.txt」，然後由你的程式真的去讀，再把內容交回給它。

這點非常重要：模型從頭到尾都沒有碰到你的電腦，所有動作都是你的程式執行的。這也表示，安全與權限完全在你的掌控之中，第五堂課會專門討論。

迴圈：一步接一步

只有工具還不夠。很多任務沒辦法一步完成：要整理資料夾，得先看裡面有什麼，再決定怎麼分類，再一個個搬過去。

所以我們需要一個迴圈：

模型是大腦、工具是手腳，迴圈讓它們一直合作到任務完成。

用白話寫出來，整個流程是這樣：

把任務交給模型
重複以下步驟：
    模型回應
    如果模型說「我要用某個工具」：
        程式執行那個工具
        把結果交回給模型
    否則：
        模型已經完成，印出最後的回答，結束

就這麼簡單。第三堂課你會把這段白話寫成真正可以執行的 Python 程式，不到一百行。

Agent、工作流程、單次呼叫怎麼選

不是所有事情都需要 Agent。Agent 比較慢、比較貴，也比較難預測，因為下一步由模型決定。先問自己：步驟是不是事先就能寫死？

上一個單元做的訂單抽取就是單次呼叫，用 Agent 反而大材小用。當任務需要探索、步驟事先無法確定、而且做錯了能發現並修正時，Agent 才真正派得上用場。

那框架在做什麼？

市面上有很多 Agent 框架，各家 SDK 也提供了幫你跑迴圈的工具，例如 Anthropic SDK 裡的 tool runner。它們本質上都在做上面那段白話流程，再加上一些方便的功能。

這個單元會先帶你手寫，因為：

• 出問題時，你看得懂發生了什麼；
• 你能自己決定在哪裡加上確認、限制和記錄；
• 之後換任何框架、任何供應商（OpenAI、Google 也有類似的工具呼叫功能），觀念都一樣。

這個單元的路線

1. 這堂：理解 Agent 是什麼。
2. 定義工具：寫一份模型看得懂的工具說明書。
3. Agent 迴圈：把白話流程寫成程式。
4. 上下文與記憶：對話太長時怎麼辦。
5. 安全護欄：怎麼避免 Agent 做出危險的事。
6. 行動練習：做一個真的能用的檔案整理 Agent。