在建構代理時，請決定代理如何與外部系統互動，並執行超越簡單資訊檢索的行動。 本文說明在代理架構中實作工具使用與行動能力的三種關鍵模式：
- API 外掛：使用標準化的 OpenAPI 規範來進行簡單、靜態的服務整合。
- 模型情境協定（MCP）：實現動態工具發現並具備靈活伺服器管理功能。
- 代理間溝通：透過協作式 AI 實體互動，實現複雜的工作流程。
每種模式針對不同的架構需求，從基本的 API 連接到複雜的多代理協調。 了解這些方法有助於你根據自身需求與限制選擇合適的工具使用策略。
API 外掛整合
API 外掛使用 OpenAPI 規範，提供標準化介面以整合外部服務。 這些外掛提供簡單且靜態的配置，適合直接的服務整合情境。
API 外掛預設無法處理多輪或情境感知互動，除非開發者介入來儲存和保留請求歷史。 在外掛建立時建立的預先定義 API 定義，決定回應有效載荷修剪或資料處理不相容。
這種方法適用於簡單的無狀態服務整合，因為在不需複雜編排的情況下，能夠滿足一致的請求-回應模式。
模型上下文協定實作
模型情境協定（Model Context Protocol，MCP）是一個開源協定，專為代理程式使用而優化。 它假設存在編排層，以便在發現過程中選擇適當的工具。 MCP 伺服器提供工具時，無需協商或適應代理的限制。
MCP 允許動態工具集暴露給代理，降低開發者在更新或新增 API 於代理能力上的負擔。 此架構支援獨立的所有權模式，不同開發者可獨立維護 MCP 伺服器及包含的工具，而非代理開發團隊。
呼叫代理負責接受或捨棄不相容的工具架構或回應。 此方法提供彈性，但需要穩健的錯誤處理與相容性檢查機制。
代理間通訊
代理對代理（A2A）協定使 多個 AI 強化實體間的互動成為可能，雙方參與者都能動態協商並調整互動。 Linux 基金會的 A2A 代表了一套為複雜代理間場景優化的開源實作。
此架構支援領導者-團隊代理模式，多實體可動態協商任務，包括影像或影片處理等模態變更。 該協定允許專業代理間進行精密協調，以完成需要多元能力的複雜工作流程。
A2A 協議最適合需要動態任務分配、專業能力存取或複雜工作流程協調的情境，這些情況需要多個 AI 實體協同運作。
了解更多： AI 代理協調模式