鐵人檔案
在 LLM 到 AI Agent 再到 MCP 的大混戰時代，勝負已從「會說話」轉向「會辦事」。這一次再度以 .NET 結合 Semantic Kernel 打造代理協作，從單一Agent到多Agent，再以 MCP 將內外部工具、資料與服務接上。示範如何讓代理不只會聊天，還能連接工具與資料、自行協作，把需求一步步變成可交付的成果。透過範例會看到多種不同的AI Agent協作模式，並且也會有雲端及地端模型的串接，30天的AI Agent 之旅，啟動。
這篇我們要來做一個實用又貼近生活的 AI Agent 範例——「銀行匯款 Agent」。 這個助理的任務很單純，就是幫我們完成一筆台幣（TWD）的國內匯款資料蒐...
這篇我們要來做一個基於 Single Agent 變化的 AI Agent 範例——「OfficeOne Agent」，這個助理可以根據使用者的需求，使用最合適...
在前一篇 Day 12 中，我們建立了一個 OfficeOne Agent，能夠根據使用者需求選擇合適的工具來處理辦公室相關請求。然而，在實際應用場景中，使用者...
前面的幾個範例是以單一代理人 (Single Agent) 為主，無論是單工具 (Single Tool) 還是多工具 (Multi-Tool) 的情境，都由同...
在前一篇文章中，我們介紹了如何使用 Semantic Kernel 的 HandoffOrchestration 編排系統來管理多個代理人之間的協作與任務轉移。...
今天的範例同樣以 SequentialOrchestration 為主題，但這次我們將應用在 合約內容審查 上。合約是許多企業日常運營中不可或缺的一部分，確保合...
今天要來看另一種多 Agent 的應用場景：群組討論。這種情境下，會有多個 Agent，每個 Agent 可能扮演不同的角色，進行群組討論，並且需要協同工作來完...
今天要來看另一種多 Agent 的應用，Magentic Orchestration 是一種「由一位 Magentic Manager 依情境動態指派、協調多位...
今天要來看另一種相對穩定且簡單的多 Agent 的類型，Concurrent Orchestration 一種「多位專家代理同時平行協作」的多代理協作模式。Co...
在 AI Agent 開發的世界裡，選擇正確的大型語言模型（LLM）就像為不同的 Agent 選擇合適的大腦。今天，我們來談談為什麼「輕鬆切換 LLM」是一個關...
