剖析 GPT : 第六篇｜AI 不該什麼都自己硬想：LLM、SLM、MCP、Function Call 與 n8n 如何打造「行動型 AI」


前言：AI 的下一步，不是更聰明，而是更會「做事」

回顧前五篇，我們一路從 Attention 的共振，走到 Transformer 的世界壓縮，再看到記憶系統、訓練機制，以及 AI 是否會有情緒和內在世界。

前五篇講的是：

AI 的腦怎麼長。

但從這一篇開始，我們要面對更貼近現實的一件事：

AI 不該閉著眼睛「用語言模型」硬想所有事情，
AI 應該開始「用工具」行動。

這是從「會說」到「會做」的關鍵跨越。
這一篇，就是 AI 系列文章中的：

行動覺醒篇（Action Awakening）

一、LLM 不是萬能腦，它只是「很會講話的大腦」



人類世界有一種有趣的迷思：

「AI 不是很厲害嗎？叫它自己算、自己查、自己做。」

這就像你看到一個博士，就期待他會修水管、會切菜、會裝冷氣。

LLM 也是同樣道理。

LLM 很強，但以下任務對它來說其實非常荒謬：

① 叫 GPT-4 計算 234,534 × 992

它會算，但：

  • 成本高

  • 速度慢

  • 不保證永遠正確

旁邊一顆計算機 0.001 秒算完。

這就像：

請 Stephen Hawking 幫你算 29 × 37，然後還付顧問費。

② 叫 AI 告訴你「今天台股加權多少」

沒有工具時，它只能：

  • 拿語言模型猜

  • 信心滿滿地亂講

這不是 AI 錯，是你讓它在黑暗中瞎摸。

③ 用 LLM 去模擬 1,000 個代理人互動

你會讓財務長產生心悸：

  • 每個代理人都用大模型？成本瞬間爆炸

  • 延遲堆疊、系統卡死

  • 能耗比在機房養 200 隻暴龍還高

這些例子說明：

LLM 不是用來做所有事的，它只是擔任「大腦」的角色。

二、那什麼才是 AI 的手腳？答案是工具：MCP、Function Call、n8n… 整個工具宇宙。

如果 LLM 是大腦，那工具就是手、腳、眼睛、甚至整個骨骼系統。

AI 不該：

  • 靠語言模型做數學

  • 靠語料猜股價

  • 靠腦補做決策

AI 應該：

  • 把計算交給計算機

  • 把資料查詢交給 API

  • 把流程自動化交給 n8n

  • 把操作環境交給 MCP

  • 把邏輯外包給 function call

  • 把任務排程給 workflow engine

這就是 行動型 AI（Agentic AI） 的誕生。

三、工具宇宙：讓 AI 不再只是「嘴巴很會」，而是真正能「動手做事」

以下是現在 AI 最重要的工具組合：

✨ 1. MCP（Model Context Protocol）：AI 的「萬用插座」

MCP 讓模型能：

  • 存取本地資料

  • 存取伺服器工具

  • 存取企業資源

  • 呼叫計算引擎

  • 操作檔案與記憶體

簡單說：

MCP 是 AI 與世界之間的通用橋樑。

✨ 2. Function Call：AI 學會「按鈕」的時代

Function Call 讓 AI：

  • 決定何時使用工具

  • 自動選擇正確的 function

  • 以結構化方式丟出參數

  • 精準調用外部能力

這就像：

AI 從「說給你聽」變成「叫工具去做」。

✨ 3. n8n：AI 的「自動化小宇宙」與超級工作流程引擎

n8n 是這裡最重要的新角色，因為它是：

  • AI 的 Workflow Engine

  • AI 的自動化手臂

  • AI 的任務協作中心

  • AI 的外掛行動系統

LLM 或 SLM 可以：

  1. 思考

  2. 決定要調用 n8n

  3. 交給 n8n 執行

  4. n8n 完成真正的「實體任務」

例如：

  • 自動抓財報

  • 自動寄 email

  • 自動更新 Google Sheet

  • 自動跑爬蟲

  • 自動傳 LINE / Slack 通知

  • 自動更新 Notion

  • 自動跑行銷流程

  • 自動做資料清洗

AI + n8n，就是：

讓 AI 在網路世界長出一雙真正的「手」。

四、SLM 的角色：大量、便宜、快速的「小主管」

SLM（小語言模型）在第六篇裡的角色正式清晰：

  • 不是要取代 LLM

  • 是要承接大量任務

  • 是要做「小決策」、跑「大量代理人」

  • 跟 n8n 或 MCP 結合時極度強大

例如一個 5,000-Agent 的城市模擬：

  • 每位居民（SLM）→ 行為決策

  • 市政府（LLM）→ 高層策略

  • 工具（n8n / API）→ 實際執行

這就是未來的 AI 社會。

五、這三種角色的分工：LLM × SLM × 工具 = AI 的全新生命形態

把整個 AI 系統想像成一家公司：

LLM = CEO（高層推理）

制定策略、定方向、做重要決策。

SLM = 主管（支援大量代理人）

快速反應、任務切割、執行大量細節。

工具（n8n、MCP、function call） = 手腳（真正執行）

跑流程、查資料、寫入資料庫、寄信、點按鈕，
這些是語言模型永遠做不到的。

三者協作後，AI 不再是 ChatGPT 那樣：

「說得很好聽，但什麼都做不到。」

而是：

真正能在世界裡行動的 Agent。

六、小結：AI 的革命不是「模型變大」，而是「模型開始會用工具」

如果你看完整套系列，會發現每篇都在鋪一個大方向：

AI 的進化不是從 GPT-4 → GPT-5，而是從「語言 AI」→「行動 AI」。

行動 AI 的核心不是：

  • 更大的模型

  • 更多的參數

  • 更長的上下文

而是：

  • 會調用工具

  • 會與 SLM 協作

  • 會分配任務

  • 會使用 n8n 跑流程

  • 會結合 MCP 控制不同環境

這是 AI 的下一階段：

從會講話的天才 → 會做事的社會性智慧。

**下一篇預告：

第七篇｜AI 代理人的操作系統：n8n × MCP × SLM，如何組成「AI 公司」？**

下一篇將帶你看到：

  • LLM 怎麼成為 CEO

  • SLM 怎麼成為中階主管

  • n8n 怎麼變成整個公司的「營運系統」

  • 每個 AI Agent 怎麼各司其職

  • 怎麼用這個架構打造企業級 AI 系統

========

本著作由大力士的AI天地創造 製作，以創用CC 姓名標示–非商業性– 禁止改作 4.0 國際授權條款釋出



留言

張貼留言