AI Agent 到底是什麼？用一個公式看懂代理系統

Claude 告訴你「怎麼做」是一回事，讓 AI 直接幫你「做完」是另一回事。這一篇，你會學到理解 AI Agent 最重要的一個等式，搞懂為什麼 n8n、Claude Code 這些工具背後其實都是同一套邏輯。

核心公式：Agent = Model + Harness

Model 是 AI 本身，例如 Claude、GPT，它負責理解任務、決定下一步、生成回應。Harness 是包住 Model 的外圍系統，負責工具管理、記憶、迴圈控制、輸入輸出。沒有 Harness，Model 只是個問答機，它可以告訴你該怎麼做，但沒辦法自己動手做。

Agent 能做什麼：三大能力

Harness 的四個核心元件

一個完整的 Agent Harness，通常包含以下四個元件：

1. 工具登錄（Tool Registry）：定義 Agent 能使用哪些工具、每個工具的輸入輸出格式，Model 從這裡選擇要呼叫哪個工具。
2. 執行迴圈（Execution Loop）：Model 輸出 → 判斷是否呼叫工具 → 執行工具 → 把結果餵回 Model → 重複直到任務完成。
3. 上下文管理（Context Management）：管理送給 Model 的訊息歷史，確保不超過 context window，決定哪些資訊要保留。
4. 錯誤處理（Error Handling）：工具呼叫失敗時的重試邏輯、異常情況的回退策略、防止無限迴圈的安全機制。

Orchestrator 與 Subagent：複雜任務怎麼分工

複雜任務通常需要多個 Agent 協作。Orchestrator（協調者）負責拆解任務和分配工作，Subagent（子代理）負責執行具體的子任務。

以下是一個簡化的 Orchestrator 呼叫多個 Subagent 的範例：

# Orchestrator 把任務拆給不同的 Subagent
def orchestrate(task: str):
    # 拆解任務
    plan = planner_agent.plan(task)
    results = []
    for step in plan.steps:
        # 派給對應的 Subagent
        result = subagent_for(step.type).execute(step)
        results.append(result)
    # 整合所有結果
    return synthesizer_agent.merge(results)

小結：從理解到設計

記住這個等式：AI Agent = Model + Harness。接下來的模組，你會分別學到怎麼定義工具、怎麼用 n8n 搭建視覺化的 Harness、怎麼用 Claude Code 實戰，以及怎麼設計多 Agent 架構。這一篇是所有後續內容的地基。