Agent 生態系
MCP 讓 AI 有工具，Agent SDK 讓整個團隊能運作
MCP 讓 AI 有工具，Agent SDK 讓整個團隊能運作
你將學到什麼
層次不同
MCP 像設備採購解決連接，Agent SDK 像管理制度負責完成目標。
任務型態變了
從一次對話完成，變成策略、文案、圖片、Review 多 Agent 協同。
真正的挑戰
誰分配工作、決定順序、管理上下文、記錄過程、追蹤錯誤。
未來的護城河
不是工具數量，而是任務拆解、流程、記憶與治理的協作架構。
Agent SDK 為什麼比 MCP 更重要？最近幾個月，MCP（Model Context Protocol）幾乎成了 AI 開發圈最熱門的關鍵字之一。許多人開始學習 MCP、分享 MCP，甚至將 MCP 視為 Agent 時代最重要的技術基礎。這樣的現象並不令人意外，因為 MCP 的確解決了一個長期存在的問題，也就是如何讓 AI 能夠安全且標準化地存取外部工具與資料來源。
然而，在參加 OpenAI 台北創辦人早餐會之後，我反而產生了一個不同的看法。
如果要討論未來三到五年 Agent 生態系的核心技術，MCP 當然重要，但 Agent SDK 可能更值得關注。
原因並不是因為 MCP 不重要，而是因為兩者根本不在同一個層次上。
很多人目前討論 MCP 的方式，其實有點像是在討論一家公司的設備採購。
想像你今天開了一家公司，你替員工添購了最新的電腦、最快的網路、最好的辦公軟體，甚至整合了 CRM、ERP、會計系統與資料分析平台。這些設備與工具當然有價值，但它們並不會自動創造成果。
同樣的道理，MCP 本質上是在解決「連接」的問題。
它讓 AI 能夠存取 Google Drive、Slack、GitHub、Notion、資料庫或各種 API。它讓模型從封閉的聊天機器人，變成可以與真實世界互動的數位工作者。
但問題是，當 AI 已經能夠接觸到所有工具之後，接下來呢？
如果我們把 MCP 想像成一家公司的工具櫃，那麼 Agent SDK 更像是公司的管理制度與組織架構。
真正的工作從來不是取得工具，而是完成目標。
一位行銷經理的工作，不是打開 Excel；一位產品經理的工作，也不是登入 Jira。
工具只是過程中的一部分。真正重要的是如何拆解任務、安排流程、分配責任、追蹤進度，以及在過程中處理各種例外狀況。
這也是我認為許多人低估 Agent SDK 的原因。
在 OpenAI 的分享中，除了模型本身之外，他們花了不少時間介紹 Agent SDK、Tracing、Agent Workflow 以及多 Agent 協作的概念。
這一點跟去年底的分享會相比，透露出了一個很重要的訊號：OpenAI 關心的已經不只是模型能力，而是如何讓 AI 真正完成工作。
過去的 ChatGPT 時代，大部分任務都可以透過一次對話完成。
① 你需要一篇文案，輸入 Prompt。
② 你需要一段程式碼，輸入 Prompt。
③ 你需要一份摘要，輸入 Prompt。
但 Agent 時代的任務已經完全不同。
以 OpenAI 現場展示的行銷工作流為例，一個完整的活動企劃並不是由單一 Agent 完成，而是由多個專業 Agent 協同運作。
策略 Agent 負責分析品牌與市場資訊，文案 Agent 撰寫內容，圖片 Agent 生成視覺素材，Review Agent 檢查品質與風險，最後再由人類進行決策與修正。（喔！這段真的看得很過癮！）
這種時候，真正的挑戰已經不再是「會不會寫文案」。
而是負責分配工作？誰負責決定執行順序？誰負責管理上下文？誰負責記錄過程？誰負責追蹤錯誤？誰負責重新啟動失敗的任務？
這些問題，都不是 MCP 所能解決的，這些問題需要一個更高層次的架構來解決，而這正是 Agent SDK 的價值所在。
如果用傳統軟體的角度來看，MCP 比較像 USB 或網路介面，負責讓系統能夠接觸外部世界；Agent SDK 則是更接近作業系統本身，負責協調資源、管理程序、追蹤狀態，還有控制流程。
很多人以為未來的競爭會發生在誰擁有更多工具，但我認為未來的競爭更可能發生在誰擁有更好的協作架構。
因為工具終究會普及，模型能力也會逐漸接近。就像今天每家公司都能買到同樣的電腦、同樣的軟體與同樣的雲端服務，但不同公司的生產力仍然有巨大差異。差異來自組織能力，AI 世界也是如此。
未來真正的護城河或許不是誰接了多少個 MCP Server，而是誰能建立更有效率的 Agent 團隊。
誰能設計更好的任務拆解方式、更合理的工作流程、更可靠的記憶系統，以及更完善的治理與監控機制。
OpenAI 今天提出的 Agent 六大條件也透露出相同的方向。
他們談到的不只是模型能力，而是長時間自主執行、多模態處理、多人協作、記憶機制、治理規範與安全部署等問題。
這些挑戰有一個共同特徵：它們都不是模型問題！而是如何建構一個系統的問題！
如果說 MCP 解決的是「AI 能不能使用工具」，那麼 Agent SDK 解決的則是「AI 能不能完成工作」。
這兩者都重要，但它們的重要性是在不同的方向。因為真正創造價值的，從來不是工具本身，而是工具背後的協作系統。
很多人現在還在思考如何讓 AI 擁有更多能力，而 OpenAI 顯然已經開始思考另一個問題：當 AI 擁有能力之後，如何像一家公司一樣有效運作？
這或許才是 Agent 時代真正值得關注的方向。
#OpenAI創辦人分享會 #筆記 #心得
本文原發表於 2026/06/04 的 Facebook 貼文，原文照登，僅調整網頁排版；文中提及的產品、價格與活動以當時為準。
延伸學習
ChatGPT 很強，但真正讓你下班的是 Google
六小時完整實錄。從「AI 很厲害，為什麼你還是每天加班」這個問題出發，把 Google Workspace 當成真正的工作平台重新設計一次流程 ── Sheets 的資料結構、Drive 與 Docs 的文件流、Gmail 與 Calendar 的通知系統，再用 Apps Script 讓它自己跑起來，最後收斂成一張屬於你自己的 AI 工作能力地圖。
NT$ 4,599
HE301｜Harness Engineering Architecture（12 小時）
兩天十二小時的架構課，處理的是「第一百次仍然成功」。從能力設計出發，逐層拆解知識、脈絡、記憶、規則、工具、工作流、評估與多代理八種架構，每一種都給治理方式與真實案例。12 章 114 課圖文講義、52 張對照表，附兩天的學員講義與投影片 PDF。課程於 2026 年 8 月 30 日實體開課，完整錄影將於課後上傳。
NT$ 12,999