大約 6 個月前,你的團隊將一個 AI 代理投入到生產環境,且大量使用各式各樣的資料來源。你最近聽到 MCP,現在你很確定它能讓這個代理的維護與功能改進在未來變得更容易。你去和工程副總談,希望她支持並將這項工作列為優先,但她對其優先度仍抱持懷疑。
你決定在午餐時拿著餐巾紙把 MCP 的概念畫出來說明。
選出被標示元件的正確標籤。
本練習屬於課程
將理論付諸實踐,立即體驗我們的互動練習
探索在正式環境中成功的 AI 代理具備哪些要素(以及為何許多代理會在途中失敗)!你將學到為代理擴充做準備的關鍵設計原則,包括穩健的基礎架構與工具、模組化設計架構,以及持續評估與回饋迴圈。
學習關鍵策略,確保你的代理在開發過程中就以可擴充性為核心。深入了解 Model Context Protocol(MCP)與 Agent-to-Agent 協定(A2A)如何透過標準化來實現可擴充性。
當前練習
準備上線了,但先別急!建立一套穩健的測試框架,讓你有信心 AI 代理在正式環境中能持續表現良好。為你的情境選擇最合適的部署策略,並學習如何將即時資料來源整合進你的 agentic 系統。