昨天使用 Schedule Trigger + API，讓 Workflow 可以在指定時間自己開始執行：

Schedule Trigger → HTTP Request → API → AI → Google Sheets

做到這裡，大部分的流程其實都是我們事先設計好的。

例如：

第一步一定呼叫 API

第二步一定交給 AI

第三步一定寫進 Google Sheets

也就是說，AI 雖然參與了 Workflow，但它主要負責的是：

處理我們交給它的資料。

那如果希望 AI 不只是處理文字，而是可以根據使用者的要求，自己判斷：

「現在應該使用哪一個工具？」

這就開始進入我這次很想學的主題：

AI Agent

一般的 AI Workflow 是怎麼運作的？

先回頭看看之前做的客服分類系統：

Webhook
   ↓
  AI
   ↓
Switch
 ↙ ↓ ↘
不同路線

這裡其實每一步都是我自己設定的。

AI 負責：

判斷 urgent / question / suggestion

Switch 負責：

根據分類選擇路線

所以真正決定 Workflow 怎麼走的，主要還是我們事先設定好的規則。

這種方式很好控制，也很適合固定的工作流程。

那 AI Agent 是什麼？

我目前把 AI Agent 簡單理解成：

除了理解使用者的需求之外，還能根據任務選擇可以使用的工具，完成更多步驟。

例如我提供三個工具給 Agent：

Google Sheets
Email
Calculator

當使用者說：

「幫我整理這筆資料並記錄下來。」

Agent 可以判斷這個任務可能需要使用 Google Sheets。

如果使用者說：

「整理完成後寄一封通知。」

則可能需要 Email。

概念大概像：

       使用者
          ↓
      AI Agent
       ↙  ↓  ↘
   Sheets Email 其他工具

AI Agent 和一般 ChatGPT 有什麼不同？

以前使用 ChatGPT 時，通常是：

我提出問題
   ↓
ChatGPT
   ↓
回答文字

例如：

「幫我整理今天的工作。」

AI 產生整理結果後，基本上就結束了。

但 Agent 的概念更接近：

收到任務
↓
理解需求
↓
判斷需要什麼工具
↓
使用工具
↓
取得結果
↓
繼續完成任務

所以差別不只是「AI 回答得比較聰明」。

而是：

AI 開始有機會透過工具執行工作。

Step 1：在 n8n 找到 AI Agent

今天先從簡單的 Agent 開始，不急著接很多服務。

在 n8n 新增 AI 相關 Node，找到 AI Agent。

建立後，可以先觀察它需要哪些東西。

概念上，一個基本 Agent 會需要：

使用者輸入
    ↓
AI Agent
    ↓
Chat Model

也就是 Agent 還是需要 AI 模型來理解問題和產生結果。

圖 1　在 n8n 中新增 AI Agent Node

Step 2：連接 Chat Model

接著幫 AI Agent 連接可以使用的 Chat Model。

可以先把兩者的角色理解成：

Chat Model：

負責理解文字、推理與產生回答。

AI Agent：

負責根據任務和可使用的工具，決定如何完成工作。

所以畫面可能會變成：

Chat Trigger
     ↓
 AI Agent
     ↓
   Output

 AI Agent
    │
Chat Model

實際畫面中的連接位置可能會依 n8n 版本與使用的 AI 節點有所不同，所以今天先掌握概念就好。

圖 2　AI Agent 連接 Chat Model

Step 3：先不要接工具

今天第一次接觸 Agent，我不想一開始就加入 Google Sheets、Email、API 一大堆東西。

先測試最基本的：

使用者 → Agent → 回答

例如輸入：

請用一句話介紹什麼是 AI 自動化。

如果 Agent 能正常回答，就代表：

使用者輸入 ✓

Agent ✓

Chat Model ✓

這時候再繼續增加工具，比較容易知道後面如果出錯到底是哪裡有問題。

這跟 Day 18 學到的除錯方式其實很像：

不要一次把所有東西接完再測試。

Step 4：第一次給 Agent 一個工具

Agent 最有趣的地方，就是可以加入 Tool。

今天可以先從簡單的工具開始。

例如加入一個 Calculator 類型的工具，讓 Agent 遇到計算問題時，可以使用工具協助完成任務。

整體概念：

          Chat Model
              │
使用者 → AI Agent
              │
          Calculator

圖 3　替 AI Agent 加入可以使用的工具

Step 5：測試 Agent 會不會使用 Tool

接下來輸入一個需要計算的問題。

例如：

「128 × 37 是多少？」

重點其實不是答案是多少。

而是觀察 Agent 執行時：

它有沒有選擇使用我們提供的 Calculator Tool？

如果有，就代表今天已經看到 Agent 和以前 AI Node 很不一樣的地方。

以前是：

我決定下一個 Node 是什麼

Agent 的概念則是：

我提供可以使用的工具
↓
Agent 根據任務決定是否使用

圖 4　AI Agent 根據問題呼叫 Tool 完成任務

如果有很多 Tool 呢？

今天只有一個工具，看起來好像沒有什麼特別。

但假設之後提供：

Calculator
Google Sheets
Email
HTTP Request

使用者說：

「幫我計算這些數字的平均值。」

Agent 可能選擇 Calculator。

如果說：

「幫我把結果記錄下來。」

可能就需要資料儲存相關工具。

如果說：

「再把結果寄出去。」

則可能需要 Email。

這時候才會慢慢看出 Agent 的價值：

              ┌→ Tool A
使用者 → Agent├→ Tool B
              ├→ Tool C
              └→ Tool D

我們不一定要為每一種自然語言要求都自己建立一大堆 IF 和 Switch。

Workflow 和 Agent 到底哪個比較好？

做到這裡，我原本會覺得：

「既然 Agent 可以自己選工具，那是不是以後都不用 Switch Node 了？」

但其實不是。

如果流程非常固定：

收到資料
↓
分類
↓
urgent 一定寄 Email
↓
其他一定存 Sheets

原本的 Workflow 反而更簡單、明確，也比較容易控制。

但如果使用者的需求每次都可能不同，例如：

「幫我查資料。」

「幫我整理。」

「幫我計算。」

「幫我記錄結果。」

這種比較彈性的任務，就比較適合研究 Agent。

所以我目前會把它們理解成：

不是 Agent 一定比較好，而是使用情境不一樣。

Agent 也不是想做什麼就做什麼

另一個我覺得很重要的地方是：

Agent 只能使用我們提供給它的能力。

例如我只提供：

Calculator

那就不能期待它突然自己操作 Google Sheets。

所以 Agent 並不是：

「AI 可以控制所有東西。」

比較像是：

我們先準備一組允許使用的工具，再讓 AI 在這些工具中選擇。

這也比較容易理解為什麼 Agent 的 Tool 設計很重要。

今天的 Workflow

今天不用做太複雜。

完成這個就很夠：

Chat Trigger
      ↓
   AI Agent
      │
      ├── Chat Model
      │
      └── Calculator Tool

然後測試：

一般問題 → Agent 直接回答

以及：

計算問題 → Agent 使用 Calculator

這樣就能實際看出 Agent 的基本運作方式。

今天最大的收穫

做到 Day 23，我覺得 AI 在 Workflow 裡的角色開始改變了。

前面是：

我們設計流程，AI 負責其中一個步驟。

例如：

Webhook → AI → Switch → Email

今天則開始變成：

我們提供任務和工具，讓 Agent 判斷該怎麼完成。

        Tools
          ↑
使用者 → Agent → 結果
          ↓
      Chat Model

這就是目前我對 AI Agent 最直觀的理解。

今日小結

今天第一次認識 AI Agent，也比較了它和一般 Workflow 的差別。

我覺得目前最重要的三個概念是：

Chat Model：提供 AI 理解與生成能力

AI Agent：根據任務決定怎麼處理

Tool：Agent 可以使用的外部能力

今天先只給 Agent 一個簡單工具。

但真正有趣的地方，是當 Agent 同時擁有很多工具之後：

它到底能不能自己選對工具？

所以明天就來把 Agent 再升級一次