第二期 / Python 實作

AI Agent 標準化開發基礎（Python 實作）

AGENTS.md × Agent Skill × MCP 三件套

以 Vibe Coding 為切入點，透過 AGENTS.md、Agent Skills 與 MCP 建立可控、可驗證、可持續演進的 AI Agent 標準化開發流程。

課程介紹

隨著大型語言模型（LLM）與各類 AI 工具的普及，系統開發逐漸導入 AI Agent 作為自動化與流程協作的核心角色。然而在實務上，多數 Agent 的實作仍停留於零散的 Prompt 或單一功能層級，缺乏明確的行為邊界與責任劃分，也難以支撐長期維護與擴展。

本課程以適合程式開發人員的 Vibe Coding 開發模式為切入點，在標準化約束下與 AI Agent 協作開發，透過迭代與漸增方式，將變動侷限於可控制範圍內。課程核心聚焦於 AGENTS.md、Agent Skills 與 MCP（Model Context Protocol） 三者的整合，建立具備可控性與可擴展性的 Agent 開發模式。

本課程為實務導向的標準化設計課程，重點在於建立可驗證的開發流程與責任邊界，而非工具操作或完整產品開發。適合以 Python 開發中小型專案的開發者，透過標準化機制與前後端職責分離，在可控範圍內導入 AI Agent，並取得優於完全放任 Agent 自主開發的穩定性與可維護性。

課程要點

課程目標

完成本課程後，學員將能夠：

理解 Vibe Coding 的核心思維，並以迭代與漸增方式將變動侷限於可控範圍內
定義 AGENTS.md，建立 Agent 的行為規範與使用邊界
設計 Agent Skills，建構可重複使用與可組合的任務能力模組
理解 MCP（Model Context Protocol） 的定位，並應用於工具與服務整合
將 Agent 標準化機制整合至既有專案，形成可持續演進的開發流程

課程特色

以 Vibe Coding × 標準化開發思維 為核心，建立可控且可擴展的 AI Agent 協作模式
以實際專案開發流程為主軸，透過前後端職責劃分與簡化分層，落實可實務應用的開發方式
課程全程操作示範並提供錄影，支援課後重複觀看與實作驗證
示範專案具延展性，可作為後續實際應用或進一步擴展的基礎

課程大綱

單元	內容重點
一、課程導覽與定位說明	本課程的目標與學習範圍為什麼要以「標準化」而非工具技巧切入 AI Agent 以 Vibe Coding 為導向的開發態度與小步可驗證輸出原則
二、AI Agent 標準化三件套概觀	AGENTS.md：Agent 行為與責任邊界規格 Agent Skill：可重用的任務能力模組 MCP（Model Context Protocol）：標準化工具與服務呼叫介面三者在實際應用開發流程中的分工關係與心智模型
三、示範情境說明：SproutNote 靈感筆記開發	以 SproutNote 作為示範情境，涵蓋建立、刪除、查詢與匯出筆記系統聚焦於筆記資料管理（CRUD + Export）匯出內容可交由 LLM 進行 summarize / tagging，作為延伸應用
四、示範環境與開發工具說明	VS Code 與必要插件安裝與設定以 Codex / Copilot 為主要操作示範，Claude Code 作為輔助課前環境準備指引與課中示範流程
五、專案初始化與系統開發規格	建立 Python 專案目錄結構（frontend / backend 分離）以 AGENTS.md 定義 Agent 行為與技術規範使用 FastAPI 與 SQLite 建立後端服務與資料儲存使用 prd-generator Skill 產出系統功能規格文件
六、Skill × MCP 整合實戰（一）後端功能與資料存取	使用 context7 MCP 檢索 Python / FastAPI 開發文件使用 database-design Skill + MCP 設計 SQLite 資料結構實作 API、Service 與 Database 串接，並進行單元與整合驗證
七、Skill × MCP 整合實戰（二）版本控制與協作流程	使用 GitHub CLI + MCP 建立 Branch、Commit、PR 協作流程讓需求、實作與驗證以 PR 作為單一事實來源確保版本控制操作與 AGENTS.md 規範一致
八、Skill × MCP 整合實戰（三）Web 驗證與文件產出	使用 Flet 建立 UI，串接 FastAPI、Service 與 Database 應用 Playwright 進行 Web UI 自動化操作與測試產出 API 技術文件與系統規格，完成端對端驗證
九、課程總結與後續延伸方向	檢視完整實作演練的產出與核心能力回顧說明標準化 AI Agent 在實務中的應用可能性進階主題、後續學習方向與課程問答

適合對象

本課程適合下列背景之學員參加：

具備基礎程式設計能力的軟體開發人員
已使用或準備導入 AI 輔助開發（如 Copilot、Codex、Claude Code），並希望建立可控開發流程的開發者
以 Python（亦可套用於其他程式語言）開發中小型專案，並希望導入標準化開發機制的開發者
需規劃或導入 AI Agent 開發流程的技術主管（如 PM、CTO）

講師簡介

Kenming Wang

資深軟體講師、軟體架構師、系統架構與開發顧問、設計模式專書作者。

專精於軟體架構（Soft Architecture）、軟體設計思維（Soft Design Thinking）、企業級系統開發、UML 建模與 AI 輔助開發流程。

了解更多講師背景與經歷

常見問題與備註

課程形式與授課方式

課程時數：6 小時（單日）
授課方式：線上即時講授（使用 Microsoft Teams，課前提供上課連結）
教學方式：以操作示範與實作演練為主，搭配觀念說明與流程講解
課程結束後可延長 1 到 2 小時進行即時 Q&A，並支援課後透過 Line、電郵或社群持續提問

教學情境、工具與技術說明

以「SproutNote 靈感筆記」為核心情境，涵蓋筆記建立、查詢、刪除與匯出等實際應用功能
使用 VS Code 搭配 Codex / Copilot 為主要開發工具，並輔以 Claude Code 示範 Agent 操作
採用 Python 技術框架（FastAPI + SQLite），並以前後端分離結構進行系統設計
延伸至 Flet UI 與 Playwright 自動化測試，進行端對端系統流程驗證

本段以整合驗證為主，重點在於說明系統設計與 Agent 協作方式，非工具細節教學。

教材、課程產出與備註

課前提供開發工具安裝與設定文件，以及完整課程教材
提供完整範例專案、三件套設定文件與提示詞（Prompts）範本，作為課後實作與延伸應用
提供完整錄影檔，學員可選擇課中跟隨實作或課後觀看操作示範（實作需事先完成環境設定）
本課程為工作室型態，恕無提供公司發票，但可提供相關憑據證明