什麼是 Agentic Workflow？

．作者：Jollen
．日期：September 14, 2026 at 8:00 AM

什麼是 Agentic Workflow？它是「流程自動化」的一種形式，結合 AI 技術後，進一步成為「全自主式」的流程自動化。

例如 Shell Scripts + Crontab，就是一種最原始的流程自動化形式。在這個形式上加入 AI Agents，協助處理更多「判斷、測試、除錯」等工作，就能形成一個簡單的 Agentic Workflow 系統。

以「自動回信系統」來說，早期的流程可能是：

這種方式的特點，是每一個判斷條件與處理流程，都必須事先由程式定義。系統只能依照預先設定的規則執行。

若加入 AI 能力，其流程便能成為：

上述流程的 2 / 3 / 6，可以交由雲端 LLM 處理，方式是呼叫 LLM API。流程 4 則需要撰寫 Local AI Agent，並透過 MCP 標準協定，將本地端的工具與資料提供給 AI 使用。

這裡的 MCP（Model Context Protocol），主要用途是建立 AI 與外部工具之間的標準界面。Local AI Agent 可以透過 MCP 提供查詢庫存、讀取訂單、查詢物流，或存取內部系統等能力。

例如，AI 收到一封客戶來信：

「上週訂購的商品還沒有收到，請問目前送到哪裡了？」

LLM 可以先判斷，這是一個「訂單物流查詢」需求。接著再透過 Local AI Agent，取得訂單資料與物流狀態。整體流程如下：

從這個流程，可以知道：

例如 LLM 可以判斷需要查詢庫存，但真正查詢資料庫、呼叫 API，或執行公司內部程式的工作，仍然由 Local AI Agent 負責。

這個例子充份說明了「什麼是 Agentic Workflow」。此外，Agentic Workflow 與傳統流程自動化，還有什麼差異呢？

再舉一例，例如：第一次查詢物流系統後，發現缺少物流單號。AI 便能再進一步查詢訂單資料，取得物流單號後，再重新執行物流查詢。

因此，Agentic Workflow 可以形成一個持續執行的循環：

Agentic Workflow 可以根據每一次 Action 的執行結果，持續調整後續流程，因此具備一定程度的「自主性」。這就是 Agentic Workflow 的「全自主工作流」神經。

權限管理（責任邊界）

此外，Agentic Workflow 的自主執行，仍然需要明確的權限管理；在 LLM 技術領域中，稱為 責任邊界。

例如，「查詢庫存」通常只是讀取資料，可以允許 Agent 自動執行；但「取消訂單」、「修改訂單」或「執行退款」，就可能需要額外的權限控制，甚至交由人工確認。

因此，一套完整的 Agentic Workflow 系統，通常還需要加入 Human Approval 機制。

例如：

綜合以上，一套完整的 Agentic Workflow 可以整理如下：

Trigger 是流程的起點，例如收到 Email、排程時間到達，或某個系統事件發生。

Context 是 AI 執行任務時所需要的背景資料。接著由 LLM 產生 Plan 與 Action，再交給 Local Agent Runtime 執行。

執行結果回傳後，再進行 Verification。如果任務尚未完成，就繼續下一個 Action；如果涉及較高風險的操作，則進入 Human Approval。

最後真正對外產生影響，例如寄出 Email、更新訂單或修改資料，則稱為 External Effect。

Agentic Workflow 的核心技術 = LLM + Local Agent Runtime

一套完整的系統，需要把 Workflow、LLM、Agent Runtime、MCP Tools、Verification 與 Human Approval 組合起來，才能讓 AI 進一步成為「AI 員工」。

Tags: agentic, workflow, llm, mcp, agent-runtime, automation