常見問題

框架選擇

LangChain 和 AutoGen 有什麼差別？應該選哪個？

LangChain 適合單一 Agent 流程，強項是 RAG、Tool Use 和豐富的整合生態；AutoGen 適合需要多個 AI 角色協作、特別是需要自動執行和驗證程式碼的場景。兩者並不互斥，可以組合使用。

什麼時候需要 MCP Server？

當你想讓 Claude Desktop、Cursor、VS Code Copilot 等多個 AI 工具都能使用你的自訂工具時，MCP Server 提供標準化的介面，讓你只需開發一次就能整合到多個平台。

費用與效能

AI Agent 的 API 費用怎麼控制？

• 設定 max_tokens 限制單次輸出長度
• 使用較便宜的模型（如 gpt-4o-mini）做初步測試
• 啟用 LangChain 快取，相同問題不重複收費
• 設定 max_consecutive_auto_reply 防止 AutoGen 無限循環
• 在 OpenAI Dashboard 設定月度費用上限

Agent 回應很慢怎麼辦？

• 使用串流輸出（streaming）讓使用者看到即時進度
• 將不相依的工具呼叫改為並行執行
• 縮短 System Prompt 和 Context 長度
• 考慮使用速度更快的模型版本

常見錯誤

出現 RateLimitError 怎麼處理？

from langchain_openai import ChatOpenAI
import time

# 方法一：使用內建重試機制
llm = ChatOpenAI(
    model="gpt-4o-mini",
    max_retries=3       # 自動重試 3 次
)

# 方法二：手動處理
from openai import RateLimitError

try:
    result = llm.invoke("你的問題")
except RateLimitError:
    time.sleep(60)      # 等待 1 分鐘後重試
    result = llm.invoke("你的問題")

Context 太長超過 token 限制怎麼辦？

• 使用 ConversationSummaryMemory 將舊對話壓縮成摘要
• 使用 ConversationBufferWindowMemory 只保留最近 N 輪對話
• 選用支援更長 Context 的模型（如 Claude 3.5 Sonnet 支援 200K tokens）

AutoGen 程式碼執行失敗如何除錯？

# 設定 verbose=True 查看完整執行過程
user_proxy = autogen.UserProxyAgent(
    name="執行者",
    human_input_mode="NEVER",
    code_execution_config={
        "work_dir": "coding",
        "use_docker": False,
        "last_n_messages": 5,  # 增加 context 範圍
        "timeout": 120         # 增加執行超時時間（秒）
    }
)

# 查看 work_dir 中生成的程式碼檔案
import os
for f in os.listdir("coding"):
    print(f)

MCP Server 問題

Claude Desktop 找不到我的 MCP Server？

• 確認設定檔路徑正確（macOS: ~/Library/Application Support/Claude/claude_desktop_config.json）
• 確認 Python 路徑是絕對路徑，不是相對路徑
• 重新啟動 Claude Desktop 後才會載入新設定
• 查看 Claude Desktop 的 MCP 日誌確認錯誤訊息

MCP Server 如何傳遞機密設定？

{
  "mcpServers": {
    "my-server": {
      "command": "python",
      "args": ["/path/to/server.py"],
      "env": {
        "DATABASE_URL": "postgresql://...",
        "API_SECRET": "your-secret"
      }
    }
  }
}