AI Agent 實戰：Tool Calling 怎樣讓模型「動手」、MCP 為甚麼關乎採購

星期三小息，一位任教小五班主任在教員室對著筆電說：「如果 AI 可以幫我睇晒 5B 呢個月遲到超過三次嘅名單，再寫好畀家長嘅短訊草稿，我每個月慳成個鐘。」資訊科技組同事回她：「聊天視窗本身睇唔到你校嘅出席簿——除非我哋俾佢一條查紀錄嘅通道，同埋規定邊啲步驟一定要你親手撳確認。」

這正是模組四在談「應用怎樣做進課堂」時的最後一塊拼圖：前面幾課處理知識怎樣放進模型、Context Caching 怎樣省成本；本課處理模型怎樣請別人代做，而不是假裝自己全知全能。

Tool Calling 讓模型填「工單」而非親自動手；Agent 讓它按結果排下一步；MCP 則決定這些工單日後能否接到另一家模型——三者合起來，才是校本自動化該有的樣子。

---

工單制：模型提案，系統執行

把模型想成駐校辦公室的顧問：口才好、反應快，但沒有校務處的門匙。你問「5B 班九月有幾多次集會缺席」，它不能憑空知道；你問「847 除以 23 餘幾多」，它可能講出一個聽起來合理卻算錯的數字——因為它的本質是預測文字，不是做算術。

Tool Calling（工具呼叫） 的做法是：預先告訴模型「你可以申請使用這些工具」，每個工具寫清名字、用途、需要甚麼參數。遇到自己做不了的事，它輸出一段結構化請求，大意是「請代我呼叫 查出席_按班別，參數：班別=5B、月份=2026-09、欄位=遲到次數」。

關鍵在這裡：模型不會真的去碰資料庫。 是你的後台收到工單後決定——執不執行、要不要主任覆核、要不要寫入 ai_audit_logs。這個分工，才是學校敢用的前提。

從回覆到循環

聊天機械人是「你問一句、它答一句」。Agent 多了一層：讀完工具回傳的結果，自己決定下一步要不要再呼叫另一個工具。

典型循環像這樣：

1. 理解目標（找出遲到偏多的學生並草擬家長短訊）；
2. 拆步驟（先查紀錄 → 再篩選 → 再逐人草擬）；
3. 選工具、等結果；
4. 若結果為空或數字異常，改參數重查或標記「需人手」；
5. 重複，直到完成或觸發人工中斷。

會自己排下一步的 AI，省的是重複點擊；風險是連續十步你可能只看了第一步——所以權限設計比模型選型更重要。

三級權限怎樣切

實務上建議把工具分成三級，寫進採購與資訊安全文件：

• 只讀：查出席、查時間表、讀知識庫段落——可自動執行；
• 只寫草稿：生成家長短訊、評語、通告——回傳文字，不對外；
• 對外動作：發電郵、推送 App、寫入成績——必須教師確認後才執行。

更多流程設計可參考 由聊天機械人到 AI Agent；安全邊界見 提示注入與越獄防護。

MCP：工具只裝一次

早年每換一家 AI 供應商，圖書系統、成績系統、家長通訊都要重做一套「專用插口」。IT 組常說：「不是做不到，是沒有人力做第三次。」

MCP（Model Context Protocol） 是業界推動的開放標準：規定工具與資料來源怎樣向 AI 應用自我描述、怎樣被呼叫。官方比喻是「AI 應用的 USB-C」——重點不是口號，而是同一個出席查詢工具，理論上可接到不同模型或平台，換供應商時不必從零整合。

對學校採購：工具可跨項目重用、議價不被「整合太費事」綁死、流程資產留在校方。要說清楚：標準不解決權限與提示注入。接上校務系統的工具，仍要逐項做守門與稽核，見 AI 護欄。

Edor.ai 現時以檢索與模板為核心；對外 MCP server 屬規劃方向，非已推出功能——我們傾向先把知識庫與四層守門做穩，再開放行動能力。

一所小學行政組的試行

某小學每月要把「缺席率偏高」個案交輔導組，過程橫跨出席系統、試算表與 Word 範本，一位行政同事曾花 4.5 小時手抄。

試行時他們這樣切：

• 讀出席_按月：只讀，自動；
• 篩選_缺席率：只算，自動；
• 草擬_家長短訊：用校本範本生成，不發送；
• 推送_家長通訊：只有訓導主任在介面見到全文並按「確認」後才執行；
• 全程寫入稽核：誰在 14:32 批准了哪一則草稿。

試跑後行政同事說：「慳咗抄表，推送仍然係我撳——呢個先啱。」低風險步驟可自動，對外一步保留人手；目標是移除抄寫，不是取代判斷。

容易走歪的地方

• 錯法：以為模型「連上資料庫」就等於安全，不設分級權限。自查：列出方案裡「不需人手確認的動作」清單；若包含對外發送或寫入成績，應要求改設計。
• 錯法：把 Agent 當萬能聊天框，一次塞入「查出席 + 發通知 + 改時間表」。自查：要求供應商畫出逐步流程圖，每一步標明用哪個工具、誰能批准。
• 錯法：採購時只問「支不支持 Agent」，不問接口是否開放。自查：追問「換成另一家模型時，現有工具要改多少？是否採 MCP 或同等開放描述方式？」

動手做一次

時間：約 12 分鐘。材料：任何可對話的 AI 工具。

1. 貼入以下提示（不必真的接系統）：

你只能使用兩個虛擬工具，不可憑記憶作答：
工具 A「班別出席摘要」：輸入班別與月份，回傳該班出席率與缺席人次。
工具 B「名單篩選」：輸入學生名單與條件（例如遲到次數大於 3），回傳符合者。
任務：為 5B 班整理 2026 年 9 月遲到超過 3 次的學生，並說明下一步若要草擬家長短訊還缺甚麼工具。
請逐步寫出你會呼叫哪個工具、傳甚麼參數、拿到結果後做甚麼；不要直接給最終答案。

2. 觀察：模型是否拆步驟？是否指出「草擬短訊」需要第三個工具？
3. 交出：完整回覆 + 你用一句話寫明「哪一步必須設成需教師確認，為甚麼」。

做對了：會出現有序的工具呼叫計劃，並誠實說明缺口；最後一句應指向「對外發送不可自動」。下一課談開發時誰來接這些工單：LangChain 與 LlamaIndex。想回顧成本，見 Context Caching。