【本書特色】
•一本專屬 AI Agent 與 MCP 的開發實戰手冊
•從 Single-Agent 到 Multi-Agent
•深入解析 Agent 與 MCP(Model Context Protocol) 的設計與實作
首本 MCP 多平台整合實戰書──OpenAI 只是起點！
一次搞懂 AI Agent、Function Calling 與 MCP
本書含最新 OpenAI GPT-5 範例
《AI Agent 奇幻旅程》集結七大章、五位實戰講師，從宏觀願景到微觀程式碼完整展示 AI Agent 與 MCP 的威力。本書不僅描繪 AI 代理的未來藍圖，更以 OpenAI Agent SDK、Claude Desktop、Semantic Kernel、GitHub Copilot、Line 等熱門主角，逐章帶你實現「Agent × MCP」跨平台串接──讓桌面、雲端、聊天機器人一次打通。每章皆附範例專案程式碼，幫助讀者快速複製情境到自己專案。無論你想開發企業級智慧工作流，或打造個人化多代理應用，本書都是一把從概念到落地的「萬用鑰匙」。
打開《AI Agent 奇幻旅程：MCP 通往異世界金鑰》這本書之前，讓我們先確認一件事：你是否已經接觸過大型語言模型（LLM），知道什麼是 prompt、token、embedding，也嘗試過呼叫像是 ChatGPT 的 API，做出一些能與人對話的範例程式？
如果你的答案是「是的」，那麼，恭喜你——你已經準備好踏上下一階段的冒險，來探索 AI 模型不只是會說話，而是能夠行動，能夠呼叫工具、整合服務、進行決策，甚至協調多個代理角色，真正變成你的智慧夥伴。
這本書的焦點不在於再教一次 LLM 的基礎，而是要帶你直奔最精華、也最刺激的主題：Model Context Protocol（MCP） 以及 AI Agent 架構。從願景出發，到實作落地，我們安排了七大章節，由五位具備實戰經驗的講師聯手執筆，深入淺出地展現如何打造多平台整合的 AI Agent。
全書圍繞「Agent × MCP」這個核心，帶你逐步實現桌面端（Claude Desktop）、雲端平台（OpenAI Agent SDK）、本地框架（Semantic Kernel）、AI 輔助工具（GitHub Copilot），甚至社群應用（LINE 機器人）的跨平台連結。每一章都搭配完整範例專案，讓你不只學得會，還能直接套用到自己的實務場景中。
▋ 建議搭配《Python 原力爆擊》
如果你還沒實際寫過生成式 AI 程式碼，我們也誠摯推薦你搭配閱讀我們的姊妹作《Python 原力爆擊：OpenAI / Gemini / AWS / Ollama 生成式 AI 應用新手指南》，作為進入本書的前導篇章。《AI Agent 奇幻旅程》不只是一場技術實作的學習之旅，更是一把通往下一代智慧應用的大門鑰匙。希望你在閱讀過程中，不只學會「怎麼做」，更對 AI Agent 的未來，產生無限想像與創造力。
本書範例原始碼 : https://github.com/iangithub/mcpbooktemp
•一本專屬 AI Agent 與 MCP 的開發實戰手冊
•從 Single-Agent 到 Multi-Agent
•深入解析 Agent 與 MCP(Model Context Protocol) 的設計與實作
首本 MCP 多平台整合實戰書──OpenAI 只是起點！
一次搞懂 AI Agent、Function Calling 與 MCP
本書含最新 OpenAI GPT-5 範例
《AI Agent 奇幻旅程》集結七大章、五位實戰講師，從宏觀願景到微觀程式碼完整展示 AI Agent 與 MCP 的威力。本書不僅描繪 AI 代理的未來藍圖，更以 OpenAI Agent SDK、Claude Desktop、Semantic Kernel、GitHub Copilot、Line 等熱門主角，逐章帶你實現「Agent × MCP」跨平台串接──讓桌面、雲端、聊天機器人一次打通。每章皆附範例專案程式碼，幫助讀者快速複製情境到自己專案。無論你想開發企業級智慧工作流，或打造個人化多代理應用，本書都是一把從概念到落地的「萬用鑰匙」。
打開《AI Agent 奇幻旅程：MCP 通往異世界金鑰》這本書之前，讓我們先確認一件事：你是否已經接觸過大型語言模型（LLM），知道什麼是 prompt、token、embedding，也嘗試過呼叫像是 ChatGPT 的 API，做出一些能與人對話的範例程式？
如果你的答案是「是的」，那麼，恭喜你——你已經準備好踏上下一階段的冒險，來探索 AI 模型不只是會說話，而是能夠行動，能夠呼叫工具、整合服務、進行決策，甚至協調多個代理角色，真正變成你的智慧夥伴。
這本書的焦點不在於再教一次 LLM 的基礎，而是要帶你直奔最精華、也最刺激的主題：Model Context Protocol（MCP） 以及 AI Agent 架構。從願景出發，到實作落地，我們安排了七大章節，由五位具備實戰經驗的講師聯手執筆，深入淺出地展現如何打造多平台整合的 AI Agent。
全書圍繞「Agent × MCP」這個核心，帶你逐步實現桌面端（Claude Desktop）、雲端平台（OpenAI Agent SDK）、本地框架（Semantic Kernel）、AI 輔助工具（GitHub Copilot），甚至社群應用（LINE 機器人）的跨平台連結。每一章都搭配完整範例專案，讓你不只學得會，還能直接套用到自己的實務場景中。
▋ 建議搭配《Python 原力爆擊》
如果你還沒實際寫過生成式 AI 程式碼，我們也誠摯推薦你搭配閱讀我們的姊妹作《Python 原力爆擊：OpenAI / Gemini / AWS / Ollama 生成式 AI 應用新手指南》，作為進入本書的前導篇章。《AI Agent 奇幻旅程》不只是一場技術實作的學習之旅，更是一把通往下一代智慧應用的大門鑰匙。希望你在閱讀過程中，不只學會「怎麼做」，更對 AI Agent 的未來，產生無限想像與創造力。
本書範例原始碼 : https://github.com/iangithub/mcpbooktemp
Chapter 1 AI Agent 與智慧自決的未來藍圖
1.1 生成式 AI 與鑑別式 AI 概論
1.2 生成式 AI 與鑑別式 AI 代表模型
1.3 生成式 AI 與鑑別式 AI 應用場景
1.4 揭開 AI Agent 的神秘面紗
1.5 AI Agent 與 Function Calling ╱工具整合
1.6 Single-Agent 與 Multi-Agent 協作架構
1.7 模型選擇與推理能力
Chapter 2 解密智慧連接：深度解析 MCP 核心技術
2.1 MCP 起源與核心理念
2.2 MCP 協議技術架構
2.3 極速啟動開發環境：使用 uv 建立 MCP Server
Chapter 3 丞相起風了，OpenAI Agent SDK 震撼連接 MCP
3.1 OpenAI 雲端版安裝 MCP
3.2 Agent SDK 入門觀念
3.3 用Agent SDK 與Responses API 整合 MCP
3.4 Agent SDK 進階：使用其他模型、生命週期、平行運算、視覺化等議題
Chapter 4 從 Amazon Bedrock 到 Claude Desktop：AI Agent 與 MCP 的應用實踐
4.1 Amazon Bedrock - AI Agent 簡介
4.2 建立一個 Amazon Bedrock Agent
4.3 使用程式連結 Amazon Bedrock Agent
4.4 Computer Use - 利用 AI Agent 操控電腦
4.5 Claude Desktop - 設定與建立 MCP Server
Chapter 5 Semantic Kernel Agent Framework 與 MCP 共舞
5.1 快速理解 Semantic Kernel
5.2 如何設計讓 AI 易於使用的函數
5.3 玩轉 Agent Framework：快速打造企業 AI 智慧應用
5.4 多代理潛能把系統變戰隊：Multi-Agent 超級聯盟
5.5 打通任督二脈！用 MCP 架起 AI Agent 與多系統的高速公路
Chapter 6 GitHub Copilot Agent 與 MCP：開啟 AI 協作開發新視界
6.1 GitHub Copilot Agent 模式簡介
6.2 Agent 模式設定與使用說明
6.3 GitHub Copilot Agent 模式強大功能 - 工具多樣性
6.4 GitHub MCP Server
Chapter 7 Gemini 聯手MCP：打造 LINE 多重智慧代理新體驗
7.1 部署 LINE Bot MCP Server 伺服器
7.2 進入 Claude for Desktop 的 AI Agent 世界
7.3 認識 LINE Bot MCP Server 架構設計
7.4 使用 Gemini SDK 開發支援 MCP 的 AI Agentasnd Chapter 1 AI Agent 與智慧自決的未來藍圖
1.1 生成式 AI 與鑑別式 AI 概論
1.2 生成式 AI 與鑑別式 AI 代表模型
1.3 生成式 AI 與鑑別式 AI 應用場景
1.4 揭開 AI Agent 的神秘面紗
1.5 AI Agent 與 Function Calling ╱工具整合
1.6 Single-Agent 與 Multi-Agent 協作架構
1.7 模型選擇與推理能力
Chapter 2 解密智慧連接：深度解析 MCP 核心技術
2.1 MCP 起源與核心理念
2.2 MCP 協議技術架構
2.3 極速啟動開發環境：使用 uv 建立 MCP Server
Chapter 3 丞相起風了，OpenAI Agent SDK 震撼連接 MCP
3.1 OpenAI 雲端版安裝 MCP
3.2 Agent SDK 入門觀念
3.3 用Agent SDK 與Responses API 整合 MCP
3.4 Agent SDK 進階：使用其他模型、生命週期、平行運算、視覺化等議題
Chapter 4 從 Amazon Bedrock 到 Claude Desktop：AI Agent 與 MCP 的應用實踐
4.1 Amazon Bedrock - AI Agent 簡介
4.2 建立一個 Amazon Bedrock Agent
4.3 使用程式連結 Amazon Bedrock Agent
4.4 Computer Use - 利用 AI Agent 操控電腦
4.5 Claude Desktop - 設定與建立 MCP Server
Chapter 5 Semantic Kernel Agent Framework 與 MCP 共舞
5.1 快速理解 Semantic Kernel
5.2 如何設計讓 AI 易於使用的函數
5.3 玩轉 Agent Framework：快速打造企業 AI 智慧應用
5.4 多代理潛能把系統變戰隊：Multi-Agent 超級聯盟
5.5 打通任督二脈！用 MCP 架起 AI Agent 與多系統的高速公路
Chapter 6 GitHub Copilot Agent 與 MCP：開啟 AI 協作開發新視界
6.1 GitHub Copilot Agent 模式簡介
6.2 Agent 模式設定與使用說明
6.3 GitHub Copilot Agent 模式強大功能 - 工具多樣性
6.4 GitHub MCP Server
Chapter 7 Gemini 聯手MCP：打造 LINE 多重智慧代理新體驗
7.1 部署 LINE Bot MCP Server 伺服器
7.2 進入 Claude for Desktop 的 AI Agent 世界
7.3 認識 LINE Bot MCP Server 架構設計
7.4 使用 Gemini SDK 開發支援 MCP 的 AI Agentaskw Chapter 1 AI Agent 與智慧自決的未來藍圖
1.1 生成式 AI 與鑑別式 AI 概論
1.2 生成式 AI 與鑑別式 AI 代表模型
1.3 生成式 AI 與鑑別式 AI 應用場景
1.4 揭開 AI Agent 的神秘面紗
1.5 AI Agent 與 Function Calling ╱工具整合
1.6 Single-Agent 與 Multi-Agent 協作架構
1.7 模型選擇與推理能力
Chapter 2 解密智慧連接：深度解析 MCP 核心技術
2.1 MCP 起源與核心理念
2.2 MCP 協議技術架構
2.3 極速啟動開發環境：使用 uv 建立 MCP Server
Chapter 3 丞相起風了，OpenAI Agent SDK 震撼連接 MCP
3.1 OpenAI 雲端版安裝 MCP
3.2 Agent SDK 入門觀念
3.3 用Agent SDK 與Responses API 整合 MCP
3.4 Agent SDK 進階：使用其他模型、生命週期、平行運算、視覺化等議題
Chapter 4 從 Amazon Bedrock 到 Claude Desktop：AI Agent 與 MCP 的應用實踐
4.1 Amazon Bedrock - AI Agent 簡介
4.2 建立一個 Amazon Bedrock Agent
4.3 使用程式連結 Amazon Bedrock Agent
4.4 Computer Use - 利用 AI Agent 操控電腦
4.5 Claude Desktop - 設定與建立 MCP Server
Chapter 5 Semantic Kernel Agent Framework 與 MCP 共舞
5.1 快速理解 Semantic Kernel
5.2 如何設計讓 AI 易於使用的函數
5.3 玩轉 Agent Framework：快速打造企業 AI 智慧應用
5.4 多代理潛能把系統變戰隊：Multi-Agent 超級聯盟
5.5 打通任督二脈！用 MCP 架起 AI Agent 與多系統的高速公路
Chapter 6 GitHub Copilot Agent 與 MCP：開啟 AI 協作開發新視界
6.1 GitHub Copilot Agent 模式簡介
6.2 Agent 模式設定與使用說明
6.3 GitHub Copilot Agent 模式強大功能 - 工具多樣性
6.4 GitHub MCP Server
Chapter 7 Gemini 聯手MCP：打造 LINE 多重智慧代理新體驗
7.1 部署 LINE Bot MCP Server 伺服器
7.2 進入 Claude for Desktop 的 AI Agent 世界
7.3 認識 LINE Bot MCP Server 架構設計
7.4 使用 Gemini SDK 開發支援 MCP 的 AI Agent
1.1 生成式 AI 與鑑別式 AI 概論
1.2 生成式 AI 與鑑別式 AI 代表模型
1.3 生成式 AI 與鑑別式 AI 應用場景
1.4 揭開 AI Agent 的神秘面紗
1.5 AI Agent 與 Function Calling ╱工具整合
1.6 Single-Agent 與 Multi-Agent 協作架構
1.7 模型選擇與推理能力
Chapter 2 解密智慧連接：深度解析 MCP 核心技術
2.1 MCP 起源與核心理念
2.2 MCP 協議技術架構
2.3 極速啟動開發環境：使用 uv 建立 MCP Server
Chapter 3 丞相起風了，OpenAI Agent SDK 震撼連接 MCP
3.1 OpenAI 雲端版安裝 MCP
3.2 Agent SDK 入門觀念
3.3 用Agent SDK 與Responses API 整合 MCP
3.4 Agent SDK 進階：使用其他模型、生命週期、平行運算、視覺化等議題
Chapter 4 從 Amazon Bedrock 到 Claude Desktop：AI Agent 與 MCP 的應用實踐
4.1 Amazon Bedrock - AI Agent 簡介
4.2 建立一個 Amazon Bedrock Agent
4.3 使用程式連結 Amazon Bedrock Agent
4.4 Computer Use - 利用 AI Agent 操控電腦
4.5 Claude Desktop - 設定與建立 MCP Server
Chapter 5 Semantic Kernel Agent Framework 與 MCP 共舞
5.1 快速理解 Semantic Kernel
5.2 如何設計讓 AI 易於使用的函數
5.3 玩轉 Agent Framework：快速打造企業 AI 智慧應用
5.4 多代理潛能把系統變戰隊：Multi-Agent 超級聯盟
5.5 打通任督二脈！用 MCP 架起 AI Agent 與多系統的高速公路
Chapter 6 GitHub Copilot Agent 與 MCP：開啟 AI 協作開發新視界
6.1 GitHub Copilot Agent 模式簡介
6.2 Agent 模式設定與使用說明
6.3 GitHub Copilot Agent 模式強大功能 - 工具多樣性
6.4 GitHub MCP Server
Chapter 7 Gemini 聯手MCP：打造 LINE 多重智慧代理新體驗
7.1 部署 LINE Bot MCP Server 伺服器
7.2 進入 Claude for Desktop 的 AI Agent 世界
7.3 認識 LINE Bot MCP Server 架構設計
7.4 使用 Gemini SDK 開發支援 MCP 的 AI Agentasnd Chapter 1 AI Agent 與智慧自決的未來藍圖
1.1 生成式 AI 與鑑別式 AI 概論
1.2 生成式 AI 與鑑別式 AI 代表模型
1.3 生成式 AI 與鑑別式 AI 應用場景
1.4 揭開 AI Agent 的神秘面紗
1.5 AI Agent 與 Function Calling ╱工具整合
1.6 Single-Agent 與 Multi-Agent 協作架構
1.7 模型選擇與推理能力
Chapter 2 解密智慧連接：深度解析 MCP 核心技術
2.1 MCP 起源與核心理念
2.2 MCP 協議技術架構
2.3 極速啟動開發環境：使用 uv 建立 MCP Server
Chapter 3 丞相起風了，OpenAI Agent SDK 震撼連接 MCP
3.1 OpenAI 雲端版安裝 MCP
3.2 Agent SDK 入門觀念
3.3 用Agent SDK 與Responses API 整合 MCP
3.4 Agent SDK 進階：使用其他模型、生命週期、平行運算、視覺化等議題
Chapter 4 從 Amazon Bedrock 到 Claude Desktop：AI Agent 與 MCP 的應用實踐
4.1 Amazon Bedrock - AI Agent 簡介
4.2 建立一個 Amazon Bedrock Agent
4.3 使用程式連結 Amazon Bedrock Agent
4.4 Computer Use - 利用 AI Agent 操控電腦
4.5 Claude Desktop - 設定與建立 MCP Server
Chapter 5 Semantic Kernel Agent Framework 與 MCP 共舞
5.1 快速理解 Semantic Kernel
5.2 如何設計讓 AI 易於使用的函數
5.3 玩轉 Agent Framework：快速打造企業 AI 智慧應用
5.4 多代理潛能把系統變戰隊：Multi-Agent 超級聯盟
5.5 打通任督二脈！用 MCP 架起 AI Agent 與多系統的高速公路
Chapter 6 GitHub Copilot Agent 與 MCP：開啟 AI 協作開發新視界
6.1 GitHub Copilot Agent 模式簡介
6.2 Agent 模式設定與使用說明
6.3 GitHub Copilot Agent 模式強大功能 - 工具多樣性
6.4 GitHub MCP Server
Chapter 7 Gemini 聯手MCP：打造 LINE 多重智慧代理新體驗
7.1 部署 LINE Bot MCP Server 伺服器
7.2 進入 Claude for Desktop 的 AI Agent 世界
7.3 認識 LINE Bot MCP Server 架構設計
7.4 使用 Gemini SDK 開發支援 MCP 的 AI Agentaskw Chapter 1 AI Agent 與智慧自決的未來藍圖
1.1 生成式 AI 與鑑別式 AI 概論
1.2 生成式 AI 與鑑別式 AI 代表模型
1.3 生成式 AI 與鑑別式 AI 應用場景
1.4 揭開 AI Agent 的神秘面紗
1.5 AI Agent 與 Function Calling ╱工具整合
1.6 Single-Agent 與 Multi-Agent 協作架構
1.7 模型選擇與推理能力
Chapter 2 解密智慧連接：深度解析 MCP 核心技術
2.1 MCP 起源與核心理念
2.2 MCP 協議技術架構
2.3 極速啟動開發環境：使用 uv 建立 MCP Server
Chapter 3 丞相起風了，OpenAI Agent SDK 震撼連接 MCP
3.1 OpenAI 雲端版安裝 MCP
3.2 Agent SDK 入門觀念
3.3 用Agent SDK 與Responses API 整合 MCP
3.4 Agent SDK 進階：使用其他模型、生命週期、平行運算、視覺化等議題
Chapter 4 從 Amazon Bedrock 到 Claude Desktop：AI Agent 與 MCP 的應用實踐
4.1 Amazon Bedrock - AI Agent 簡介
4.2 建立一個 Amazon Bedrock Agent
4.3 使用程式連結 Amazon Bedrock Agent
4.4 Computer Use - 利用 AI Agent 操控電腦
4.5 Claude Desktop - 設定與建立 MCP Server
Chapter 5 Semantic Kernel Agent Framework 與 MCP 共舞
5.1 快速理解 Semantic Kernel
5.2 如何設計讓 AI 易於使用的函數
5.3 玩轉 Agent Framework：快速打造企業 AI 智慧應用
5.4 多代理潛能把系統變戰隊：Multi-Agent 超級聯盟
5.5 打通任督二脈！用 MCP 架起 AI Agent 與多系統的高速公路
Chapter 6 GitHub Copilot Agent 與 MCP：開啟 AI 協作開發新視界
6.1 GitHub Copilot Agent 模式簡介
6.2 Agent 模式設定與使用說明
6.3 GitHub Copilot Agent 模式強大功能 - 工具多樣性
6.4 GitHub MCP Server
Chapter 7 Gemini 聯手MCP：打造 LINE 多重智慧代理新體驗
7.1 部署 LINE Bot MCP Server 伺服器
7.2 進入 Claude for Desktop 的 AI Agent 世界
7.3 認識 LINE Bot MCP Server 架構設計
7.4 使用 Gemini SDK 開發支援 MCP 的 AI Agent
陳葵懋（Ian Chen）
高雄師範大學資訊教育研究所碩士，目前任職於一等一科技股份有限公司，同時也是微軟AI領域的最有價值專家（Microsoft AI MVP），以及微軟國際認證講師（Microsoft MCT）。
他專注於 .NET、Azure 雲端、生成式 AI 解決方案、容器化服務等技術，於 Microsoft Tech days、Microsoft DevDays Asia、Modern Web Conference 等大型技術研討會擔任講者。政府公務單位、大專院校與跨國上市企業 AI 培訓講師，同時也是高雄技術社群K.NET的聯合創辦人，經營「Semantic Kernel Developers Taiwan」臉書社團，樂於分享經驗。
柯克（Ko Ko）
柯克（Ko Ko）連續當選多年微軟 AI 領域的最有價值專家（Microsoft AI MVP），曾任職於財星世界 500 強企業、美國矽谷科技新創、澳洲雪梨科技新創、美國上市公司等企業，擅長於AI技術與軟體開發。他曾在 ModernWeb、.NET Conference、PyCon APAC、PyCon HK、DevDays Asia 等等的國際大型年會擔任講者，也曾在四大會計、上市櫃公司、大專院校等擔任內訓講師，累計已超過萬名聽眾。他是技術社群 Chatbot Developers Taiwan 的核心成員，在社群裡也分享過許多自然語言處理和聊天機器人相關的實戰和心得。他熱愛向大眾分享他的經驗與所學，並且相信這樣分享的過程中能讓彼此都更進步。經營臉書粉絲專頁「大魔術熊貓工程師」。
Ryan Chung
行動開發學院 MobileDev.TW 創辦人，曾獲微軟人工智能大賽特別獎，目前為製造業上櫃公司 AI 顧問、微軟 MVP Summit Pre-Day / Reactor / DevDaysAsia / .NET Conf Taiwan 講師、中央大學AI學程兼任講師、元智大學資工系兼任助理教授級專業技術人員。專長於雲端生成式 AI 應用整合開發， 使用 Azure OpenAI / Azure AI / Google Gemini AI / Amazon Bedrock AI。2022年起，獲選為微軟 AI MVP 人工智慧最有價值專家。
謝政廷（Duran Hsieh）
專長於開發、測試、效能調教、GitHub Copilot、DevOps、Azure 開發相關技術，曾擔任微軟 CS-Digital & Application Innovation現場工程師、技術顧問與雲端解決方案架構師，提供國內外20+家企業技術諮詢與數位轉型。GitHub Star、Study4TW 社群核心成員、微軟最有價值專家、書籍作家、大學業界講師、技術部落客。
陳佳新
彰化軟體公司奇步應用（ChiBuApp Inc.）執行長，是國際資訊大廠官方認證的 LINE API Expert 聊天機器人技術專家暨微軟 AI MVP 人工智慧最有價值技術專家，同時也是 Chatbot Developers Taiwan 中部分舵、GDG Changhua、彰化 AMA 小聚等社群活動的主辦人，經常在 COSCUP、MOPCON、.NET Conf 等開發者年會擔任講者，致力於提升故鄉彰化的數位化能力，立志成為地方創生和永續發展最強而有力的數位轉型支持系統。
高雄師範大學資訊教育研究所碩士，目前任職於一等一科技股份有限公司，同時也是微軟AI領域的最有價值專家（Microsoft AI MVP），以及微軟國際認證講師（Microsoft MCT）。
他專注於 .NET、Azure 雲端、生成式 AI 解決方案、容器化服務等技術，於 Microsoft Tech days、Microsoft DevDays Asia、Modern Web Conference 等大型技術研討會擔任講者。政府公務單位、大專院校與跨國上市企業 AI 培訓講師，同時也是高雄技術社群K.NET的聯合創辦人，經營「Semantic Kernel Developers Taiwan」臉書社團，樂於分享經驗。
柯克（Ko Ko）
柯克（Ko Ko）連續當選多年微軟 AI 領域的最有價值專家（Microsoft AI MVP），曾任職於財星世界 500 強企業、美國矽谷科技新創、澳洲雪梨科技新創、美國上市公司等企業，擅長於AI技術與軟體開發。他曾在 ModernWeb、.NET Conference、PyCon APAC、PyCon HK、DevDays Asia 等等的國際大型年會擔任講者，也曾在四大會計、上市櫃公司、大專院校等擔任內訓講師，累計已超過萬名聽眾。他是技術社群 Chatbot Developers Taiwan 的核心成員，在社群裡也分享過許多自然語言處理和聊天機器人相關的實戰和心得。他熱愛向大眾分享他的經驗與所學，並且相信這樣分享的過程中能讓彼此都更進步。經營臉書粉絲專頁「大魔術熊貓工程師」。
Ryan Chung
行動開發學院 MobileDev.TW 創辦人，曾獲微軟人工智能大賽特別獎，目前為製造業上櫃公司 AI 顧問、微軟 MVP Summit Pre-Day / Reactor / DevDaysAsia / .NET Conf Taiwan 講師、中央大學AI學程兼任講師、元智大學資工系兼任助理教授級專業技術人員。專長於雲端生成式 AI 應用整合開發， 使用 Azure OpenAI / Azure AI / Google Gemini AI / Amazon Bedrock AI。2022年起，獲選為微軟 AI MVP 人工智慧最有價值專家。
謝政廷（Duran Hsieh）
專長於開發、測試、效能調教、GitHub Copilot、DevOps、Azure 開發相關技術，曾擔任微軟 CS-Digital & Application Innovation現場工程師、技術顧問與雲端解決方案架構師，提供國內外20+家企業技術諮詢與數位轉型。GitHub Star、Study4TW 社群核心成員、微軟最有價值專家、書籍作家、大學業界講師、技術部落客。
陳佳新
彰化軟體公司奇步應用（ChiBuApp Inc.）執行長，是國際資訊大廠官方認證的 LINE API Expert 聊天機器人技術專家暨微軟 AI MVP 人工智慧最有價值技術專家，同時也是 Chatbot Developers Taiwan 中部分舵、GDG Changhua、彰化 AMA 小聚等社群活動的主辦人，經常在 COSCUP、MOPCON、.NET Conf 等開發者年會擔任講者，致力於提升故鄉彰化的數位化能力，立志成為地方創生和永續發展最強而有力的數位轉型支持系統。
Details
Review
0 ratings
1 stars
0%
2 stars
0%
3 stars
0%
4 stars
0%
5 stars
0%
Write a review
Eligible to write reviews after purchasing products or add to Library
