最近 X（Twitter）上有一支影片瘋傳：「Google 剛推出一門只要 1 小時的 AI 代理工程（Agentic Engineering）課程，直接打趴大多數付費課程！」短短兩天就累積了十幾萬次瀏覽。阿正老師實際查證後發現，這支 1 小時 12 分的影片，其實是網友把 Google Cloud Tech 官方頻道上、由 Google 資深 AI 工程師 Smitha Kolan 主講的「Modern AI Agents」系列教學影片串接而成的合輯。
雖然「合輯」是網友自製的，但內容百分之百出自 Google 官方，而且全部免費，品質確實比許多動輒幾千元的線上課程還扎實。什麼是 AI 代理（AI Agent）？它跟 ChatGPT 這種聊天機器人差在哪？最近很紅的 MCP 又是什麼？這門課用一小時就講清楚了。
這篇文章就幫大家把這門課的五大單元重點整理出來，並附上官方原始影片連結。就算你的英文不夠好、或沒時間看完一小時影片，看完這篇也能掌握 2026 年最重要的 AI 觀念！
文章目錄
一、這門課在教什麼？五大單元一覽
整套課程約 72 分鐘，課程講者 Smitha Kolan 是 Google Cloud 的資深開發者關係（DevRel）工程師，同時也是擁有 7 萬訂閱的 AI 教育 YouTuber，講解風格清楚易懂，非常適合入門者。先來看看這門課的基本資料：
| 官方頻道 | Google Cloud Tech |
| 課程名稱 | Modern AI Agents 系列（網路流傳合輯約 1 小時 12 分） |
| 講者 | Smitha Kolan（Google Cloud 資深 DevRel 工程師） |
| 費用 | 完全免費 |
| 語言／字幕 | 英文發音，可開啟 YouTube 自動翻譯繁中字幕 |
| 課程連結 | [Google Cloud Tech 頻道]、[Smitha Kolan 個人頻道] |
依照網路流傳版本的時間軸，整套課程分成五個單元：
| 時間點 | 單元主題 | 重點 |
|---|---|---|
| 00:00 | 打造你的第一個 AI 代理（AI Agent） | ReAct 框架、三種代理類型、ADK 實作 |
| 08:24 | 代理的記憶機制 | 短期／持久／長期三層記憶 |
| 28:34 | 代理循環（Agentic Loops） | 長時間運行的代理、避免無限循環 |
| 40:04 | MCP 與 API 的差異 ★ 本課精華 | MCP 觀念、動手架 MCP 伺服器 |
| 1:00:22 | 多代理系統（Multi-Agent Systems） | 主管代理、常見協作模式 |
二、單元一：打造你的第一個 AI 代理（00:00）
很多人以為「AI Agent」只是 ChatGPT 的另一個名字，其實兩者有本質上的差異：聊天機器人只會「回答」，而 AI 代理會「決定並行動」。這個單元對應的官方影片是 AI Agents Explained: Create Your First Agent in 8 Minutes，短短 8 分多鐘就涵蓋了三大重點：
- ReAct 框架：AI 代理的核心思考模式——「推理（Reason）→ 行動（Act）→ 觀察結果 → 再推理」，不斷循環直到完成任務。
- 三種代理類型：循序型（Sequential）、反應型（Reactive）、規劃型（Planning），各自適合不同任務。
- 實作範例：用 Google 開源的 ADK（Agent Development Kit） 打造一個「會自我校對的部落格編輯代理」——一個代理負責寫文章、另一個負責檢查修正，寫壞了會自動退回重寫。
三、單元二：代理的記憶機制（08:24）
AI 代理要能真正幫你做事，「記憶」是關鍵。這個單元把代理的記憶分成三層，層層遞進：
- 短期記憶（Short-term）：當下這次對話的上下文，就像人的工作記憶，對話結束就消失。
- 持久記憶（Persistent）：跨對話保存的狀態，例如代理記得你上次做到哪個步驟。
- 長期記憶（Long-term）：把重要資訊存進資料庫（通常搭配向量資料庫做語意搜尋），讓代理「越用越懂你」。
如果你用過 ChatGPT 或 Claude 的「記憶」功能，就是這個概念的消費級應用。而這個單元教的是背後的實作原理，看完之後你就會知道那些 AI 為什麼「記得」你說過的話了。
四、單元三：代理循環與長時間運行的代理（28:34）
這是 2026 年 AI 圈最熱門的方向之一：讓 AI 代理跑上幾小時、幾天甚至幾週，自主完成複雜任務，而不是問一句答一句。
單元重點在「代理循環（Agentic Loop）」的設計——代理如何反覆「規劃 → 執行 → 檢查結果 → 修正」，以及如何避免無限循環燒錢（設定最大迭代次數、明確的終止條件等）。像 Claude Code 這類 AI 寫程式工具能自己跑測試、發現錯誤、修正再重跑，背後就是代理循環在運作。
五、單元四：MCP 與 API 的差異（40:04）★ 本課精華
原推文特別說「光這一段就值回票價」，阿正老師也同意——因為 MCP（Model Context Protocol，模型上下文協定） 正是目前 AI 應用最重要的基礎建設，卻也是最多人搞不清楚的概念。
簡單來說：
- API 是「網站服務之間」溝通的介面。要讓 AI 使用某個 API，開發者得針對每個 AI 平台、每個服務逐一撰寫串接程式，累得半死。
- MCP 則是專為 AI 設計的通用轉接頭：服務商只要架好一個 MCP 伺服器，任何支援 MCP 的 AI（Claude、Gemini、ChatGPT⋯⋯）都能直接「看懂」這個服務提供哪些工具、該怎麼呼叫，不用再為每家 AI 各寫一套。
這個單元對應的官方影片是 How to build an AI Agent and MCP Server (step-by-step)，會一步步帶你架出自己的 MCP 伺服器。
六、單元五：多代理系統（1:00:22）
最後一個單元講的是「一個代理不夠，就派一個團隊」——多代理系統（Multi-Agent Systems）：
- 由一個「主管代理（Orchestrator）」負責拆解任務、分派給各個「專家代理」。
- 常見模式包括：循序接力、平行分工、「產生者＋評審者」互相把關等。
- Google 的 ADK 框架對多代理協作有完整支援。
這也是目前各大 AI 公司產品的共同走向——例如能同時開好幾個 AI 幫你分頭做事的開發工具，背後都是多代理架構。
七、怎麼觀看這門課？延伸學習資源
課程內容來自 Google Cloud Tech 頻道的 Modern AI Agents 系列，以及 Smitha Kolan 的個人頻道，建議直接訂閱追蹤，才不會漏掉後續的新影片。
在決定要不要花一小時看完之前，阿正老師幫大家整理一下這門課的優缺點：
✅ 優點
- Google 官方出品，內容扎實可信，而且完全免費
- 只要約 1 小時，就能建立完整的 AI Agent 觀念架構
- 教的是通用觀念，不管用 Gemini、Claude 還是 ChatGPT 都適用
- 講者講解清楚易懂，適合入門者
- MCP 單元有一步步的實作教學
⚠️ 缺點
- 英文發音，需依賴自動翻譯字幕，技術名詞翻譯偶有出入
- 屬於觀念入門課，想深入實作還需要搭配其他資源
- 實作範例以 Google 自家的 ADK 框架為主
- 部分單元需自行到官方頻道搜尋對應影片
如果看完課程還想繼續深入，這裡還有兩個一樣全部免費的官方延伸資源：
- Kaggle × Google 五日 AI Agents 密集課程：想動手實作的話，這個為期五天的官方課程有完整的程式範例可以跟著做。
- Google Skills「Agentic AI on Google Cloud」學習路徑：官方免費認證學習路徑，從原理到部署完整涵蓋，還會用到 ADK 實作多代理架構。
八、阿正老師的總結
2026 年的 AI 已經從「你問我答」進化到「交辦任務、自主完成」的代理時代。這門課最大的價值在於：它不是教你「怎麼用某個 AI 產品」，而是把 AI 代理背後的通用觀念——ReAct 循環、記憶分層、MCP、多代理協作——用一小時講清楚。這些觀念不管你之後用的是 Gemini、Claude 還是 ChatGPT 都適用。最後依照不同情境給大家建議：
完全沒碰過 AI Agent 的新手
→ 從單元一的 8 分鐘影片開始。一支影片就能搞懂聊天機器人和 AI 代理的差別，門檻最低。
一直搞不懂 MCP 是什麼的讀者
→ 直接看單元四（40:04）。20 分鐘搞懂 MCP 與 API 的差異，還能跟著架出自己的 MCP 伺服器。
想動手寫程式、深入實作的開發者
→ 看完課程後接著上 Kaggle 五日課程。有完整程式範例可以跟著做，再搭配 Google Skills 學習路徑拿官方認證。
一小時搞懂 AI 代理，比花幾千元上課更划算
與其花幾千元買內容大同小異的線上課程，不如先把這門 Google 官方免費課看完。看完你會發現：原來新聞上那些「AI 自動完成工作」的酷炫展示，原理並沒有想像中神秘。你已經看過這門課了嗎？或是有其他推薦的免費 AI 學習資源？
歡迎在下面留言跟阿正老師分享！
