了解 AI 代理如何運作，如何設定不同的模型供應商，透過 MCP 連結工具，並在你的 agent harness 中加入回呼與串流。

代理 Harness 與 Agent 迴圈

認識 Agent Harness

模型供應商

設定模型提供者

MCP 與工具生態系

回呼與串流

工具與回呼

對「agent harness」最貼切的描述是

工具執行完成之後會發生什麼事

為什麼評估要用不同的模型

代理工具的哪些安全風險

為什麼要關閉預設輸出處理常式

代理基礎

使用 hooks 控制代理行為，透過外掛與技能擴充功能，並利用 Strands Steering 提升可靠性。

Hooks（鉤子）

外掛與技能

Steering（操控）

Hooks 與外掛

用 Steering 讓 Agent 保持在正軌上

Hooks 最類似於

當 hook 取消工具呼叫時，代理看見的是什麼

代理技能中的漸進式揭露

Steering 邏輯的結果

以 LLM 為基礎 vs 決定論式的引導

代理控制

掌握脈絡工程、對話管理，以及透過工作階段管理器實作的持久記憶。

脈絡工程與對話管理

Context 工程

Session 管理器

持久化對話歷史

滑動視窗對話管理器的行為

摘要式與滑動視窗管理器

Session manager 的實作方式

記憶與脈絡

運用 agents-as-tools、圖形化工作流程與代理集群，打造進階的多代理系統。

將代理人當作工具

圖形工作流程

代理群（Agent Swarms）

多代理架構

Agents-as-tools 中的專家代理情境

在 A 與 B 完成後才執行代理 C

群集交接會發生什麼事

多代理系統

徹底評估你的代理，並使用 Amazon Bedrock AgentCore 部署至雲端。

評估代理

評估技巧

將 Agent 部署到雲端

使用 AgentCore 佈署到正式環境

工具過濾可預防的問題

防止重複失敗的工具呼叫

以外掛架構實作技能的主要好處

在工具輸出很大時，context offloading 的作用

為什麼「agents-as-tools」無法保證呼叫順序

代理群（swarm）獨有的安全風險

為何單輪次評估不夠

軌跡評估器會檢查什麼

部署到雲端時有哪些保持不變

上線與部署

學習使用開源的 Strands Agents SDK 設計、建置、評估與部署 AI 代理系統。從代理迴圈與工具整合等核心概念起步，一路到多代理協作，以及在 Amazon Bedrock AgentCore 上的雲端部署。

學習如何運用開源 Strands Agents SDK 設計、建置、評估並部署 AI 代理系統。 從代理程式迴圈與工具整合等核心概念，到多代理程式協作編排，以及使用 Amazon Bedrock AgentCore 進行雲端部署。

使用 Strands Agents 建構 AI Agent Harnesses

使用 Strands Agents 打造 AI Agent Harnesses

使用 Strands Agents 建置 AI 代理程式 Harnesses

在 A 與 B 完成後才執行代理 C

使用 Strands Agents 建構 AI Agent Harnesses

動手互動練習