階段 5 AI Agent

在 Agent-to-Agent（A2A）架構中，不同代理人分工合作。一般而言，下列敘述何者最符合 Client Agent 與 Remote Agent 的互動流程？

1. ARemote Agent 主動分派任務給 Client Agent
2. B由人工事先設定 Client Agent 與 Remote Agent 處理任務的先後順序
3. CClient Agent 發起任務，Remote Agent 執行並回傳結果
4. DClient Agent 與 Remote Agent 同時處理任務並同步處理結果

AutoSkill 框架的主要目標是什麼？

1. A建立一個降低對大型語言模型（LLM）依賴的自動化系統；
2. B透過持續更新模型參數來提升任務表現；
3. C將重複的互動經驗轉化為可重複使用的明確技能模組；
4. D透過檢索外部知識來改善模型回應品質

某企業導入AI 代理（AI Agent）系統，期望其可依據任務目標，自主規劃步驟、調用外部工具並完成任務。下列何者最能體現AI Agent 與傳統自動化系統之關鍵差異？

1. A能依任務目標動態決策行動並調整執行策略；
2. B可依預先設定流程自動執行固定任務；
3. C可透過圖形化介面讓非技術人員操作；
4. D能處理大量結構化資料並進行批次運算

某企業導入AI 技術改善營運效率。下列何者最不符合AI Agent 之典型特性？

1. A可依任務目標動態規劃處理流程；
2. B可視情境調用不同外部工具完成任務；
3. C可依提示生成多樣化文本內容；
4. D可在執行過程中調整策略以達成目標

某金融集團建構了多代理（Multi-Agent）AI 系統，由不同的Agent 分別負責市場分析、風險評估與交易執行。系統架構師發現，當Agent A 完成市場分析後更新了判斷，Agent B 的風險評估卻仍基於舊資訊，最終導致Agent C 執行了不一致的交易策略。這種現象最根本的成因是什麼？

1. A各Agent 之間缺乏有效的上下文（Context）同步機制，導致各自持有不一致的資訊狀態進行決策；
2. BAgent B 與Agent C 的伺服器記憶體不足，無法即時載入Agent A 傳遞的最新資訊；
3. C三個Agent 使用了不同廠商的語言模型，各平台的上下文（Context）格式互不相容；
4. D系統中部分Agent 的上下文視窗（Context Window）較小，影響其回應完整性，但不會影響各Agent 之間的資訊同步機制

某物流公司部署Agentic AI 系統，用於自動規劃跨縣市配送排程。當調度員輸入「明天上午前需將高雄倉庫的冷凍物品送達台北三個門市」，系統能自動分解任務、查詢車輛可用性、計算最佳路線並產生排程方案。在此Agentic 架構中，負責上述任務拆解與決策的核心元件為何？

1. A任務規劃器（Task Planner）；
2. B模型訓練器（Model Trainer）；
3. C工具執行器（Tool Executor）；
4. DAPI 閘道器（API Gateway）

某外送平台計畫推出語音訂餐功能。當使用者說出：「幫我點一份雞排便當和珍珠奶茶，送到公司」，系統需完成語音理解、意圖判斷、將需求轉換為結構化指令，並呼叫外部外送服務API 完成下單，最後回傳訂單狀態與預計送達時間。請問上述系統最核心的技術機制為何？

1. A將自然語言轉換為可執行API 呼叫參數之函數呼叫機制；
2. B透過多輪對話管理維持訂餐流程之任務導向對話系統；
3. C透過向量資料庫檢索菜單資訊並生成回應之檢索增強生成系統；
4. D將自然語言轉換為語意結構表示之語意解析技術

某軟體顧問公司正在為客戶規劃一套Agentic AI 專案管理系統，用於協助AI 代理（AI Agent）自主完成跨部門的任務協調。技術架構師在簡報中提到解決方案圖譜（Solution Graph）是此系統規劃階段的核心表示結構。專案經理希望了解Solution Graph 的實際用途。下列何者最準確敘述了Solution Graph 在Agentic AI中的意義？

1. ALLM 的參數記憶結構，用於保存大型語言模型的權重配置；
2. B一種儲存知識概念和關係的資料庫，並可自動生成完整解決步驟以完成任務；
3. C一種強化學習模型，用於圖形模式的辨識與預測；
4. D一種將問題解決步驟表示為節點和連結的有向無環圖，使AI 能夠逐步推理解決問題的結構

某軟體顧問公司正在為客戶規劃一套Agentic AI 專案管理系統，用於協助AI 代理（AI Agent）自主完成跨部門任務協調。在系統設計過程中，團隊採用解決方案圖（Solution Graph）作為任務與決策的結構表示，並由大型語言模型（LLM）負責推理與行動生成。請問下列何者最能說明LLM 與Solution Graph之間的關係？

1. ALLM 可根據問題進行推理，產生任務步驟與其關聯，並據此協助建構Solution Graph 作為後續行動規劃依據；
2. BLLM 主要擅長生成自然語言內容，對於結構化任務關係的建構能力有限，通常不參與Solution Graph 的形成；
3. CSolution Graph 主要由系統依既定流程與規則生成，LLM 不參與其結構建構，僅提供輔助資訊；
4. DLLM 主要負責人機對話與回應生成，並不參與任務規劃或Solution Graph 的建立

許多生成式 AI 應用平台提供工具（Tools）或工具呼叫（Tool Calling）功能。這些功能主要是為了彌補大型語言模型（LLM）的哪一項先天限制？

1. ALLM 本質為機率預測模型，無法直接取得即時資訊、執行高精度數值運算，或呼叫外部工具與系統完成特定任務；
2. BLLM 的上下文視窗（Context Window）容量有限，必須透過外部工具來動態增加模型單次可處理的最大 Token 上限；
3. CLLM 本身無法輸出結構化資料格式（如 JSON），必須仰賴外部工具進行二次轉譯與程式碼排版；
4. D工具可直接更新模型權重，使模型永久具備新的知識與能力，而無須重新訓練模型

某保險公司欲建置 AI 代理（AI Agent）系統，協助理賠人員處理保單查詢及理賠文件核對等作業。技術團隊規劃導入模型內容協定（Model Context Protocol, MCP），讓 AI Agent 能以統一介面存取保單資料庫及文件管理系統；並建立可重複調用的 Skill（AI 能力模組），將理賠文件核對等需要 AI 語意理解與專業判斷的工作封裝成可重複使用的能力。下列敘述何者正確？

1. AMCP 與 Skill 功能相同，皆負責建立 AI 與外部系統間的資料傳輸，因此可互相取代；
2. BMCP 負責提供 AI 代理統一存取外部工具與資料來源；Skill 則封裝需要 AI 語意理解與專業判斷的可重複使用能力；
3. CSkill 僅能封裝固定規則的程式流程，不適合處理需要 AI 推理或語意理解的工作；
4. DMCP 與 Skill 每次執行皆必須重新訓練模型，才能完成外部工具存取與任務執行

某企業導入 AI 採購代理（AI Agent）協助處理日常採購訂單，當系統偵測到某筆採購訂單金額已超過該 AI 代理的核決權限（授權額度）時，系統應採取下列何種風險控制措施最為適當？

1. A啟動人在迴圈內（Human-in-the-loop）機制，將訂單轉交具核決權限的人員進行最終審核；
2. B先由 AI 代理依既有規則完成核准，再由採購主管事後抽查；
3. C要求 AI 代理自動將該筆訂單拆分為多筆小額訂單，直到金額低於授權額度以利系統直接送出；
4. D將該訂單交由另一個 AI 代理再次判斷，以演算法的雙重驗證降低單一系統的決策風險

某企業導入 AI 助理一段時間後，計劃推動日常作業自動化，希望分析員工實際使用 AI 助理的情形，找出最常重複執行的工作流程，並建立為標準化的自動化流程。在確保資訊安全及個人資料保護的前提下，下列哪一項資料最適合作為識別常用工作流程的主要分析依據？

1. AAI 助理的互動紀錄、工具呼叫紀錄（Tool Calls）及系統操作日誌（Logs）；
2. B企業既有的標準作業程序（SOP）文件及教育訓練教材；
3. C企業資訊系統的流程設計文件與工作流程圖（Workflow Diagram）；
4. D大型語言模型（LLM）的基準測試（Benchmark）評估報告與模型規格文件