Agentic Workflow結合API服務架構所形成的API生態系-MCP開源啟示錄

 

Agentic Workflow結合API服務架構所形成的API生態系

- MCP開源啟示錄

2025.03.06

原作/編修：汪周禮

Vibe writing

最近由於MCP(MODEL CONTEXT PROTOCOL)開源讓人對Agentic workflow 的商模變化注入一劑強心針，加讓近年多模態AI 下的API應用模式的日益豐富，讓我有感而發，為了記錄這些想法而寫這篇文章。

A、Agentic Workflow與API為核心的未來架構 背景

傳統以App服務為主的模式正逐步被以Agentic Workflow為核心的新模式所挑戰。App（應用程式）過去一直是數位服務的主要承載形式之一，用戶透過下載與安裝App來獲取特定功能。目前這種模式受到設備資源能力等限制、持續維護更新成本、跨平台適配等等問題所挑戰。

Agentic Workflow則是一種新的數位運作模式，透過AI代理人/類代理人（AI Agent/Agentic AI）運作的運作模式，讓使用者可以不同的需求即時規劃並執行任務，這些方式透過多模態整合，因此並非如同app操作需要僅依賴使用者手動操作。也因此這種模式降低了對特定應用程式的依賴，並擴大應用情境，使得AI能夠根據當前環境和需求，透過API調用不同服務，快速執行多功能整合的複雜工作。

 

為什麼Agentic Workflow會取代App？

1. 動態任務執行：傳統App通常是靜態的、被動的，使用者只能按照預設功能操作，無法自適應(self-adaptive)需求，白話就是沒辦法根據使用者不同環境狀況而快速改變操作功能。而Agentic Workflow可根據使用者輸入和環境變化，動態規劃並執行最適配的任務作業流程。
2. 降低使用門檻：由於用戶只要開啟任務導向的Agentic AI對話窗口，面對不同任務，用戶無需分別下載、安裝或更新多個應用程式，AI代理人/類代理人可以自行選擇適合的API組合，提供即時且最佳化的服務。
3. 跨平台無縫整合：App往往受限於特定操作系統或設備，例如Agentic Workflow可以透過web-based平台與API串聯，相對app模式，更容易在各種設備和平台上直接運行完成任務。
4. 提升效率：傳統App模式需要手動切換應用並由使用者觸發各種執行步驟，而Agentic Workflow則可透過AI平台API自動設計、規劃與完成任務，減少人為介入操作複雜程度，提高執行效率，提升生產力。
5. 即時擴展與適應：企業或個人用戶可透過Agentic Workflow平台快速接入最新的AI功能，而無需等待App的更新或開發新應用。

未來AI應用服務發展趨勢很有可能將會以API為核心，結合Agentic Workflow，並輔以可選擇的AI工作站及多模態互動式GUI介面，提供更直覺且高效的操作體驗並完成多種不同需求的任務。在MCP(Model context protocal)開源後，勢必將會有更多科技勢力切入這種模式，提供更多樣化的AIaaS(AI as a service) API串接平台，在這樣的情況下，API網路生態系將會形成一股更高效能的新應用模式，而這樣的模式，在我的想像中，應該可以帶來下列特點：

• API串接平台可作為中心化架構或分散中心化架構之一，靈活且可擴展。
• Agentic Workflow實現更智能的任務規劃與執行，應用範圍更廣。
• 改變地端與雲端服務方式，讓AI算力架構更靈活運用，創造更高效能地端與雲端算力組合選擇。
• GUI互動介面作為Agentic Workflow使用介面，可以提升使用者體驗，更直覺的輸入方式降低操作使用門檻。

 

B. 基於API多層次互串的商業模式

API多層次架構的背景

AI技術的快速發展與企業數位轉型的需求擴增下的複雜應用場景，傳統單一API接口越來越不容易滿足雙軸數位轉型下高效應用場景的多複合需求。基於agentic workflow 整合API多層次的AIaaS商業模式架構或將應運而生，以適應各行各業不同的企業、產業以及多重應用環境下聯合產生的複雜需求。透過多層次API組合的設計，結合多模態AI模型，讓API能夠實現更高效的資源調度、靈活的服務整合，以及更強的擴展性。

為什麼API多層次架構會出現？

1. 需求多樣性：不同企業或產業對AI服務的需求差異極大，多層API可以根據需求提供不同粒度層次的服務。
2. 資源優化與管理：透過層次化API架構，可有效分配與管理AI資源，避免單一節點出現的效能瓶頸，減緩技術債的堆疊，提高計算效率與數據處理能力。
3. 靈活的商業模式：基於Agentic Workflow的多層次API架構，能靈活支援不同的商業應用場景，如更精準的即時數據處理、更流暢的企業內部流程自動化、適合多情境的產業專用的解決方案，提高企業商業模式靈活性產品服務價值等。
4. API可組合性：不同層級的API可以自由組合，形成更強大的agentic工作流，提高企業數位轉型也能同時應對市場變化的商業靈活度。

API多層次架構與商業模式基礎架構

在此架構下，API將形成多層次互串，從提供提礎算力與應用AI模型的基礎AI模型層、隨需求可自動規劃並執行任務的智能Agent的智能Agent服務層、根據產業需求開發優化之AI模型與服務的產業專用AI層，應因數位轉型的企業內部作業流程，實現高效率的自動化流程的企業Agentic流程整合層、應對動態且多元場景需求的客戶端點應用服務層，透過各層級API相互串接，創造出豐富且多樣化的服務組合，形成新型態的Agentic workflow與API組合的新AI生態系。

主要商業模式包括：

• API即服務（Model-as-a-Service, MaaS）。
• Agent-as-a-Service (AGaaS)。
• 產業專用AI API服務。
• 企業內部自動化AI API整合。
• 應用級AI API服務，如多模態的智能客服、動態資源調度、滿足臨時需求的工作排程設計等。

透過多層次API互串，企業可以靈活運用不同AI能力，提升產業競爭力，創造更豐富的應用與更龐大的商業價值。

 

C. 產業鏈AI API生態系的構建與價值

AI API生態系的背景

AI API生態系的發展源於AI技術的快速成長與應用場景的擴展。其架構可分為三個主要層次，這樣的基礎架構主要是根據我過去輔導多種不同行業的AI技術應用開發專案的成果總結(詳細內容可參考我臉書置頂文)：

1. 基礎AI技術層
• 提供核心AI計算能力與基礎模型，例如ChatGPT、LaMDA、Grok、Claude、Llama等。
2. AI應用架構層
• 包括基礎層次的整合與API基礎架構，如Postman、Apigee等組合架構。
• 數據模組的銜接，確保AI API的高效運行與應用。
3. 應用層
• 面向不同應用場景的API開發。
• 此層可整合GUI介面，提供更直覺的用戶體驗。

透過這種生態系統架構，各層級API相互串聯，實現更高效的應用開發與數據運行。

 

 

D. 心得

我相信在不久的未來，以Agentic Workflow與API多層次架構為核心，加上AI工作站與互動式GUI介面的模式將帶來重大商機。透過產業鏈AI API生態系的建構，讓企業能有效整合各種資源，實現數位雙軸轉型並加速產業升級與ESG永續經營。

AI輔助創新- 生成式AI 在軟體開發的應用層、架構層與核心層解析與成功專案心得 (生成式AI加速產業技能典範移轉)

背景：

#生成式AI加速產業技能典範移轉

改變從軟體產業開始

AI加速coding automation的發展，也因此軟體技能將開始出現典範移轉現象，這也是為什麼可以常看到大老們呼籲現在小朋友不要學寫程式，但我認為程式開發還是需要人來進行，CODING可以由AI幫忙。

#軟體技能典範移轉

前言：

2024年，今年，最令人震驚的就是諾貝爾物理獎和化學獎分別頒給了AI的科學家以及使用AI工具的科學家！從頂尖領域來看，這說明了AI不僅是輔助工具，更是推動科學突破的重要力量。學習如何利用AI來輔助創新，已成為當前迫在眉睫的需求。掌握好應用AI的技能，將使我們得以在各領域的創新中保持競爭力，迎接充滿未知的未來挑戰。

隨著 AI 技術的重要性刺激AI巨頭們的競爭而飛快加速了全球AI的技術發展，無疑地，生成式 AI 在軟體開發中的應用逐步拓展，根據筆者目前的成功專案經驗，發現生成式AI尤其在提升效率和縮短技術應用開發週期方面成效顯著。然而，不同層次的開發需求對 AI 的依賴程度也有所不同。

關鍵字：AI, 生成式AI, GAI, 創新, 技術應用開發, TRIZ, 動態系統分析, 軟體技能, 典範移轉

根據筆者參與軟體產品開發10多年的經驗，我們可以將軟體技術應用開發粗分為三大類：

應用層、架構層和核心層。

後面將分別針對應用層、架構層和核心層三大領域進行說明，根據實際的專案成果，介紹生成式 AI (GAI)在軟體開發中的潛力與挑戰。

1. 應用層：

這一層主要包括前端和後端的業務邏輯實施呈現，如網頁開發、應用程式的功能實現、以及簡單的API串接等。

這裡面的工作通常包括許多標準化、重複性的程式撰寫任務，也因此GAI的應用較為成熟。例如，GitHub Copilot、Tabnine等AI輔助程式設計工具已經能根據提示或現有的程式碼片段，生成具體的程式碼。這不僅提高了應用程式的開發效率，還能減少程式撰寫中的錯誤。

在應用層中，GAI具備逐步取代人類工程師的潛力，但這通常是針對一些簡單、重複性高的任務，#並非全面性替代。

整體來看，在這一塊，#生成式AI僅能有限度的提高程式撰寫的效率。

2. 架構層：

架構層涉及軟體技術系統的設計規劃，如微服務架構設計、資料庫結構選擇、伺服器配置，以及系統模組的整體執行步驟流程整合。

這些工作牽涉到較多的專業知識和判斷力，需要根據業務需求和具體場景來設計最佳的系統架構。例如，針對高流量應用，設計一個具備伸縮性的系統架構，而針對低延遲需求的應用，設計低延遲的數據處理流程。

目前GAI在這方面的應用目前仍受限，因為它很難理解複雜的不同情境的實際業務需求，因此很難也靈活地產生應對方案。

架構層的設計需要工程師根據經驗和業務需求進行決策，因此目前仍難以被GAI取代。

#生成式AI在架構層的輔助未來將會越來越重要！

根據筆者目前輔導成功的最佳應用案例指出，GAI結合TRIZ動態系統分析工具應用，在輔助軟體技術系統應用架構設計開發時間，相對傳統系統架構設計開發，目前已經可以提高至 5倍(500%!!) 的效率，可以縮短將近一年半的時間！

3. 核心層：

核心層涵蓋了底層技術的研發和系統的基礎架構支持，例如操作系統開發、資料處理引擎、人工智慧模型優化以及高效能計算等。

這一層次的工作具有高度的技術性和創新需求，往往涉及大量的專業知識和對新技術的探索。

例如，開發一個新的深度學習架構、設計高效能的處理算法，或是優化資料庫的查詢效率，甚至優化現有的預測模型，這些案例出現在筆者今年完成的GAI輔助創新的企業客製化專案中！

這些工作實際上需要深入理解相關技術和引入創造性思維與工具(TRIZ, 設計思考, 軟體產品開發流程等等)。然而，目前GAI技術難以在這些方面與人類專家相提並論，完全不同層次。

#核心層的技術開發仍然需要人類工程師的主導。

GAI已經無庸置疑可以輔助程式撰寫，但仍然需要專業技能與創新能力足夠的工程師進行檢視與改善。

總結而論，#生成式AI的應用效果隨工程師能力而指數提升，筆者今年企業輔導成功案例指出，在六個不同的專案中，分別至少可以縮短75%到500%的時間。

在AI持續猛進發展的基礎下，目前可以肯定的是應用層的程式撰寫，GAI的輔助比例越來越高，甚至在可預測的未來很有可能不排除會完全被GAI取代，而架構層和核心層，需要人類工程師根據情境需求設計！

#整體來看在可見的未來AI仍難以取代同時具備專業與創新能力人類工程師。

—-

以上這些都是2024年筆者應用TRIZ系統創新工具結合生成式AI輔導的AI軟體開發專案輔導的成果心得，客戶學員們在10月成果發表的時候，確實獲得客戶高層領導主管們認可，也讓筆者對未來AI輔助創新的發展更有信心!

Jou-Li Wang 2024©汪周禮@智合創新

GAI輔助創新與技術應用開發

如有任何問題，歡迎與筆者聯絡：

service@iiiinnovation.com

如何重新定義數位商業模式：從Amazon one-click buy 到 SaaS的演化

在當前的數位化時代，商業模式的創新是企業成功的關鍵。 Amazon的「一鍵購買」（One-Click Buy）和SaaS（軟體即服務）領域的發展，都是對此的生動證明。本文將根據筆者的認知，探討從互動式服務到主動式服務，再到多情境整合的全時服務，這一系列的服務模式是如何重新塑造我們對數位商業的認知。

關鍵字：SaaS, 數位商業模式, one-click, ai, 全時服務, 跨領域商模

一鍵購買：簡化消費的極致

1999年，Amazon獲得了一項改變遊戲規則的專利：“一鍵購買”，這一創新大大簡化了在線購物流程，用戶無需反复輸入地址和支付信息，只需點擊一次即可完成購買。這種簡化不僅大大提高了使用者體驗，也提升了轉換率，為Amazon帶來了顯著的競爭優勢。

SaaS的演進：從互動式到主動式服務

隨著雲端運算和人工智慧技術的發展，SaaS平台的服務模式也不斷進化。傳統的互動式服務響應用戶的直接請求，而現代的SaaS越來越多地採用主動式服務。這種服務不僅能夠滿足用戶當前的需求，還能透過數據分析預測未來需求，主動提供解決方案。例如，透過分析使用者行為，SaaS平台可以預測使用者可能感興趣的新產品或服務，甚至在問題發生前提出預警和解決方案。

全時服務：多情境整合的未來

多情境整合的全時服務是SaaS發展的最新趨勢。這種服務模式透過整合使用者在不同情境下的行為和環境數據，提供全天候、個人化的服務體驗。從智慧家庭到健康監測，從企業資源規劃到客戶關係管理，全時服務利用AI和大數據技術，不僅響應用戶的即時需求，還能預測並主動滿足未來的需求。

挑戰與機會並存

儘管全時服務帶來了無限的商業機會，但也面臨著資料隱私和安全性的挑戰。隨著服務對個人資料的依賴性增強，如何有效保護用戶信息，防止資料外洩和濫用，是每個數位服務提供者必須面對的問題。因此，在數位商業模式快速發展的同時，如何平衡服務的個人化和使用者的隱私權也將是一個越來越緊迫的重要議題。

為了能讓消費者完全體驗高效能的全時服務，跨領域的密切合作將會日益增加，如何降低跨領域合作的障礙，將會成為全時服務SaaS商模的競爭關鍵。

結論：

數位極致服務的新商業模式

從Amazon的一鍵購買到SaaS的全時服務，這些創新模式都強調了一點：以使用者為中心。未來的商業模式將更依賴技術的進步，創造更自然的服務流程，從互動服務到主動服務以及全時服務，無一不在地逐漸串聯在整個商業服務價值鏈體系中，以提供更個人化、便利、智慧的使用者體驗。企業需要不斷創新，而這樣的創新不僅僅在於技術的突破，更重要的是在於如何將技術服貼整合進消費者生活中，才能在激烈的市場競爭中保持領先。

透過深入理解用戶需求和不斷的技術創新，成功的企業必定可以打造出專屬的SaaS競爭優勢。數位商業模式的未來，無疑將是一個多情境、全時、高度個人化的服務時代。歡迎進入全時服務的新時代，讓我們共同見證這場由數據和智慧驅動的商業革命。

從解決問題、產品開發到商業模式與策略創新：探索TRIZ的力量

 

數位轉型、ESG與生成式AI並存的時代，讓產品技術創新變得更複雜，這種情況下，在時代切換的時刻，如何快速提升綠色產品開發效率，將成為企業創造龐大市場商機的關鍵議題！

背景：

#問題描述

#問題定義

在解決問題的時候，針對問題情況還原分析並且仔細描述非常重要，透過問題描述可以逐步釐清自己對問題是否出現認知盲點，利用工具檢驗描述問題的內容，可以縮短突破慣性思考模式的時間。

#系統分析

#系統定義

#商業模式開發

No problem can be solved from the same level of consciousness that created it. -- Albert Einstein

在面臨複雜的現代技術工業體系，有些問題往往很難單純從定義問題的層次解決，這時候需要引入問題所在的技術系統，進行系統分析，並且重新定義技術(工程)系統。 系統分析與系統定義的應用，讓TRIZ工具可以從解決技術問題順利跨進解決管理問題，甚至，讓商模分析、改善以及開發新商業模式(XaaS)成為可能！

#問題模型

問題模型無疑是現代TRIZ最強的解決問題概念，以往只有數學式才能代表的問題模型，利用特定形式的文字表達方法，呈現出基於文字描述的問題模型，然而這種方法在68年前就被發現了！ 透過問題模型，我們可以輕易地完成愛因斯坦對於解決問題的建議。 古典或現代TRIZ 創新工具在分析系統定義問題、分析問題定義問題、挖掘問題建立問題模型上，有獨到之處！

#知識架構

經過68年的發展，為了更好的解決不同領域的技術問題或管理問題，於是TRIZ 工具越來越多，但隨著應用上的工具知識體系太過複雜，易學難精(大約5%~20%左右完成TRIZ知識培訓的學員，可以毋需旁人幫助下，在工作中直接應用TRIZ)，這成為TRIZ推廣的困境，因此如何去蕪存菁，建構更好用且更容易學習的知識體系，成為全球TRIZ 頂尖專家們爭先突破的首要課題！

#TRIZ

#創新工具

#系統定義

#問題定義

#問題模型

#知識架構

關鍵字(key words)：TRIZ, 創新, 系統定義, 問題定義, 問題模型

在快速變化的商業環境中，創新已成為企業持續成長的關鍵。然而，創新不僅是關於新產品的開發，它還涉及解決複雜問題的能力和策略創新的實踐。

本文將探討如何通過TRIZ工具系統來實現這些目標，並透過案例分析展示這些方法如何在實際環境中應用。

問題描述與定義的重要性

解決問題的第一步是準確地描述和定義問題!!

這一過程不僅需要對問題的本質有深刻的理解，還要識別出可能的認知盲點。這是TRIZ方法論的核心部分，它強調使用工具來仔細檢驗問題描述，從而加快突破慣性思維模式的過程。透過明確問題的範疇和邊界，創新人員能夠更有效地定位解決方案。

系統分析與重新定義

愛因斯坦曾說：“我們不能用創造問題的同一層次的思維去解決它。”

這句話在TRIZ中尤其適用，它要求從更高的系統層面來分析問題。這涉及到超越問題的表象，理解各個元件如何在整個技術或管理系統中相互作用。這樣的系統分析不僅有助於重新定義技術系統，還能夠推動管理問題的解決，並為開發新的商業模式（如XaaS）奠定可檢驗的流程化基礎。

問題模型的創新應用

問題模型是現代TRIZ中一個強大的概念。

這些模型將問題抽象化，使得解決方案可以跨越具體情境，具有廣泛的適用性。TRIZ的問題模型化能使我們跳脫傳統思維的限制，從而發現創新的解決策略。即使是基於文字的問題描述，也能夠有效地用於建立問題模型，這種模型在68年前就已被提出，至今仍顯示其獨到之處。

知識架構的優化

隨著TRIZ工具的知識體系變得日益複雜，不同領域與不同企業打造著專屬於自己的獨門TRIZ 應用流程，這更增加了一班大眾學習TRIZ的門檻，如何簡化學習過程並使其更易於實際應用成為一大挑戰。

全球的TRIZ專家正在努力開發更直觀、更容易學習的教育材料和工具。這不僅能夠促進TRIZ的推廣，也有助於擴展其在不同領域，包括技術和管理問題解決中的應用。

實踐策略

為了深入實踐TRIZ，以下幾點策略可能尤為有效：

• 跨部門工作坊：組織跨功能團隊的工作坊，實踐系統分析和問題模型化，增強不同背景員工的理解和應用能力。
  這一塊需要企業投入足夠培訓資源，以及客製化的企業導向應用，提高應用成果。
  
  
• 自動化TRIZ流程：利用數據科技和軟件工具來自動化某些TRIZ流程，降低手動操作的複雜性，提高效率。
  例如CHATGPT結合TRIZ工具輔助創新，目前筆者已經成功將TRIZ工具轉化成MSM(Multi-Shots Model, 一種呈現高結構化內容設計的提示詞應用流程組合)配合ChatGPT使用，成功協助企業快速解決產品開發技術與管理等企業問題上的方案構想。
  
  
• 簡化教育材料：開發更直觀、易於理解的TRIZ教育材料和工具，使更多人能夠在日常工作中直接應用。
  這一塊目前也已經可以配合MSM與CHATGPT，讓使用者可以透過應用導向模式學習TRIZ工具。
  
  

通過這些策略，為企業打造專屬的創新文化與創新流程，讓企業不僅能夠提升其創新能力，還能在競爭激烈的市場中保持領先。

TRIZ不僅是一種工具，更是一種思維方式，能夠有效的幫助企業在解決問題和戰略創新上取得實質進展。

2024©汪周禮@智合創新
service@iiiinnovation.com