ChatGPT 在 2025 年十月初，推出的一款 AgentKit，讓開發者可以透過可視覺化的面板進行直覺式的開發，類似 Zapier 或 n8n 的介面，打造出串接 OpenAI Agent 的自動化程式。此舉一出也讓許多 AI 套殼新創與自動化工具應聲倒地，究竟這個改變遊戲規則的功能，會對我們的未來有哪些影響呢？
ChatGPT 在 2025 年十月初，推出的一款 AgentKit，讓開發者可以透過可視覺化的面板進行直覺式的開發，類似 Zapier 或 n8n 的介面，打造出串接 OpenAI Agent 的自動化程式。此舉一出也讓許多 AI 套殼新創與自動化工具應聲倒地，究竟這個改變遊戲規則的功能，會對我們的未來有哪些影響呢？
AI Agent workflow 將會打敗那些套殼 AI 新創
LLM 就只是一台說故事的機器
我們都知道 LLM （Large Language Model）的運作底層邏輯，是透過學習大型語言模型，閱讀了人類的各式各樣文本著作，學習人類的文字生成方式，並當人類針對 LLM 提問或傳訊息時，進行對應的回覆。
LLM 文字生成模型工作流程示意圖
簡單來說，就是靠「預測」，透過生成出來的文字，預測下一個文字出現的機率是多少，並找出機率最高的字來進行回答。而回答的依據便是依照人類餵給他的資料，人類說過什麼，他就會跟著說什麼。LLM 無法自行憑空撰寫出【絕命毒師】這樣的經典劇本，但可以將這些故事說的淋漓盡致。
我們的日常工作、遇到各種問題，第一步都會先問 ChatGPT 該怎麼做。而 ChatGPT ，也會根據用戶提問，並搜索網路上相關內容，來生成出一份回答。當然現在網路上有各式各樣的現成 Prompt ，針對不同職能提供解決方案，例如：有生成文案用的、總結簡報用的、快速彙整新聞等等。我們也透過了不一樣的 GPTs 加快了我們的工作效率，但… 我們只要這樣就夠了嗎？當你向 GPT 說：「幫我將這些資料整理成一頁式簡報，並每周定期寄給客戶」時，LLM 的問題就凸顯出來了。他終究只能給你文字內容，說故事給你聽，當你需要他幫你做事時，抱歉他辦不到。
Opne AI 官方推出的 Prompt 建議範本 Source: OpenAI
（若需要複習 LLM 是什麼的話，我有找到這篇易懂的教學文章供讀者們參考。）
人類傾向懶惰， AI 需要成為會做事的助理
為了要讓 AI 不再只是說故事，而是能真正幫助到我們的助理的話，會需要用到兩項工具 MCP 與自動化工具。以下我用行銷人常常會碰到的問題作為舉例：
雖說 LLM 是一個說故事的機器，但也能夠判斷說用戶輸入的指令代表什麼，用戶的需求是什麼。例如，我們會問 GPT：幫我整理一下這周的 Meta 廣告成效如何？ GPT 這時會知道需要進入到 Meta 廣告管理員，判斷帳戶廣告活動的各項指標，並將其數據打包到 Google Sheets 上，再生成視覺化的圖表。但 LLM 沒辦法自己做這件事，而是需要靠 MCP （Model Context Protocol），來讓 AI 能夠自動的根據你的指令，去 Access 每個「你在需求中提到的服務」，並且查詢、存取這些資訊，來達成你的任務。（當然這些工具必須要取得授權才能訪問一些）
Anthropic 推出的 MCP 運作原理示意圖 Source: Anthropic
所以我們知道了 MCP 能幫助 AI 去和外部的服務進行交互、聯絡、存取等功能。但有了這些 AI 還是很被動的執行用戶的需求，我們需要讓他自動自發的執行那些重複性的工作。這時候便需要自動化工具的協助了，例如： Zapier、Make、n8n 等自動化工具，能夠幫我們自動依照設定的步驟執行。像是我們可以設定每周固定抓取 Meta 廣告管理員資料自動化生成出廣告成效報表，並彙整成電子郵件寄給客戶，或是監測流量，當有出現異常流量或廣告成效不佳時，可透過預先設定好的邏輯，透過 AI 來去優化投放。
有了 MCP 和自動化工具的幫忙，再結合 AI ，可以幫助人類完成超過 80 % 重複性且知識含量較低的工作。（當然，最終交付的品質還是需要由人類來把關）如此，我們才能夠更加專注於解決一些 AI 目前無法解決的問題，如：情感上、生理上、策略上的一些需求。
套殼 AI 新創的惡夢 - 改變遊戲規則的 AgentKit
相信大家一定有使用過例如：股票分析小幫手、智慧選股機器人這類型的 AI 應用，而過往也有許多團隊開發這類型的 AI Chatbot 來營運甚至獲利。但這背後其實成本難度根本不高，甚至你我都能做得到。這類型的 AI 只要先將 Prompt 設定好（你是一個股票分析師、針對用戶的個股進行分析 blah blah blah…），再套上一個 Wix 做的網頁和酷炫的介面，就可以幫助用戶分析股票。
而當 OpenAI 近期更新的 AgentKit 功能更新後，讓 Agent 可以不只能夠提供他的分析、見解，更能夠直接地執行動作。並且還可以透過視覺化的面板，讓不會寫程式的用戶能直接生成一個 Workflow 或是 Agent，這無疑是大大的打擊了 n8n 這類型的自動化工具服務商。以後我們需要針對股票進行分析，那透過 OpenAI 製作出來的 Workflow 即可以完成股票的分析、存取資料、操作等一條龍服務，不再需要那些所謂的套殼 AI 了。
下方為 OpenAI 針對新推出的 AgentKit 功能的簡介，大家可以深入研究一下：
未來 AI 會淘汰掉不懂遊戲規則的人
有了這些 MCP 與自動化工具的整合，AI 能幫助我們的事情又更多了，許多重複性的工作會逐漸地被 AI 取代掉。而 AI 新創們，更應該去思考如何從用戶最根本的問題下手，來去解決我們的問題，而非只是套殼寫個 Prompt 這麼簡單。
相信在未來，應該會有越來越多的 AI 自動化應用，能夠大大的降低人類工作的成本，並且能夠淘汰掉多數的工作。我認為接下來像是行銷領域、廣告投放、文書紀錄等這些工作一定會被優先替代掉，在這些職能的人，最終只會留下 20% 那些願意跟著時代進步學習 AI 的人。
