從聊天入口走向可治理代理平台：GENIE 3.0的企業AI架構

圖片：TechLab 自製資訊圖

TechLab 編輯部（譯）·2026-09-22

iThome 報道指出，玉山銀行計劃在9月底推出新一代 GENIE 3.0，將其定位為全行代理式 AI 的統一入口。員工可從不同前端提出要求，系統先由 Root Agent 判讀意圖，再按需要調度專責 Agent、內部服務或既有 API。這意味平台的目標已不只是回答問題，而是嘗試把查詢規則、套用流程、調用工具及回寫業務系統連成一段可執行的工作流。

不過，能夠自動調用工具的 AI，風險也較一般生成式 AI 高。iThome 引述玉山方面承認，代理式 AI 受法規限制，推進速度不會太快。對企業而言，最重要的限制是：模型即使能理解指令，也不應因此獲得無限制的資料讀取權或系統操作權。若缺少權限隔離、執行範圍控制和稽核紀錄，將 SOP 交由 Agent 執行，反而會把原本分散的人手風險集中到一個自動化入口。

平台核心是調度與治理，而非多一個聊天機械人

iThome 報道所披露的設計，將 GENIE 3.0 分成 Agent、知識和技能三類可組合資源。Root Agent 是調度層：接收問題後，決定由哪一個 Agent 處理，以及經 REST API 或 MCP 調用哪些服務。知識庫則逐步收攏原先散落於各部門的內容，包括業務公告、規章和文件；這與單純把文件丟進聊天機械人截然不同，因為資料來源、檢索範圍及更新責任都要有統一管理。

系統另一個轉變，是把原有的 prompt 範本庫改成 Skill & Tool Registry，即技能與工具登記庫。iThome 指出，業務部門的 SOP 會被標準化為技能檔，描述完成某項工作所需的步驟、API 或工具；Agent 先選擇合適技能，再選取可調用的工具。以費用報支為例，平台可先檢索報支規則，再取用流程技能與申請工具，完成後把結果送回原有業務系統。

這種編排方式的價值，在於把「模型懂得怎樣回答」與「系統獲准怎樣做」分開處理。前者仍受模型推理及檢索品質影響；後者應由明確的技能定義、工具介面和授權規則約束。分析來看，企業若只建立一批各自獨立的 Agent，往往很快遇到重複開發、工具命名不一與責任不清等問題。將工具上架、登記和版本化，才較有機會讓不同場景重用同一套受控能力。

MCP令舊有服務可被調用，也擴大控制面

iThome 報道指出，GENIE 3.0 的「API 全面 Agent 化」原則，是把既有 API 封裝成可經 MCP 調用的形式，並由 Root Agent 統一管理。MCP 在這裡扮演連接協議角色，讓 Agent 能以較一致的方法發現及使用工具。對擁有多年內部系統的企業而言，這是把既有能力接到 AI 工作流的務實途徑，不必為每個新場景重新建立一組接駁程式。

但統一接入不等於可自由接入。每新增一個 MCP 工具或 API，便多一個涉及身分驗證、輸入驗證、資料外洩和越權操作的控制點。若工具描述不精確，Agent 可能選錯功能；若工具接受過寬參數，模型生成的內容也可能被直接帶入後端交易或查詢。因此，技能檔不宜只寫成自然語言指引，還要配合可機讀的輸入輸出限制、失敗處理及須否人工確認等規則，否則「自動化」會停留在最難稽核的一層。

Runtime隔離、Policy與日誌是代理落地的底線

iThome 指出，玉山為 Agentic 應用訂立四層開發框架：通路層、指揮調度層、執行作業層及管理運維層。通路層包括統一調用方式、授權認證、API Gateway 與全域安全護欄；請求先接受護欄檢查，再交由 Agent Runtime 處理。這個安排反映一項關鍵原則：輸入安全不應由每一個開發團隊自行處理，而需有可一致套用的共用控制。

在指揮調度層，iThome 報道稱每個 Agent 有獨立執行環境，並由 Policy Engine 設定個別行為限制，例如限制某類金融 Agent 的回答範圍；平台亦會列明其可調用的工具及協作 Agent。這是比「給模型一段系統指令」更具體的管治方式。分析而言，真正有效的政策應同時限制知識檢索範圍、可執行動作、可委派對象和結果回傳渠道；只限制回覆主題，未必能阻止 Agent 在工具層取得不應接觸的資料。

最底層的運維設計包括端到端追蹤、營運儀表板、稽核日誌和 FinOps，模型平台亦支援切換商用 LLM 與地端開源模型。這些能力未必在使用者介面中顯眼，卻直接決定平台能否被營運。當一次任務涉及檢索、子 Agent、資料庫及多個 API，企業需要還原每一步由誰發起、用了哪個版本的技能、讀取了甚麼資料、工具傳回甚麼結果，以及最終由誰批准。沒有這些證據鏈，出錯後很難界定責任或修正流程。

SOP技能化會改變開發模式，也要保留人工關口

iThome 報道引述玉山方面表示，法遵、法務和資安等專業人員的作業程序，可在專家確認後轉化為可供不同 Agent 重用的技能。好處是新服務不必每次由專家重新解釋流程，開發團隊也能基於已審核的模組組裝場景。不過，SOP 技能化本身是一項知識工程工作：流程中的例外情況、適用條件、資料依賴和審批責任，若未被完整表達，Agent 只會把模糊規則更快地重複執行。

因此，較適合先交給 Agent 的，通常是低風險、步驟清楚且結果容易核對的內部工作；涉及敏感資料、重大決策、資金或客戶權益的操作，則應設計明確的人手覆核、升級處理和中止機制。iThome 報道亦提到，流程仍需由真人主管監督，或由人員與 Agent 協作。這個界線尤其重要：內部員工工具可用來協助整理、檢索和準備工作，但不應據此推論平台已具備可直接面向客戶自主辦事的能力。

玉山的個案顯示，代理式 AI 的競爭重點正由單一模型的回答表現，轉向平台能否持續管理知識、技能、工具和權限。下一步值得觀察的，將是這類框架能否把不同部門的技能建立成可測試、可版本控制及可撤回的資產，並在每次工具調用中保留足夠的人工監督與稽核證據。這些基礎若未成熟，擴大 Agent 數量只會同步放大操作及合規風險。