節點類型參考指南
本文件說明 AgentCraftLab Workflow Studio 中所有可用的節點類型，包含用途、主要設定欄位與適用場景。
總覽表
| 節點類型 | 分類 | 說明 |
|---|---|---|
start | Meta | 工作流程起點 |
end | Meta | 工作流程終點 |
agent | 可執行 / Agent | 本地 LLM Agent，呼叫語言模型處理任務 |
a2a-agent | 可執行 / Agent | 遠端 A2A Agent，透過 Agent-to-Agent 協定呼叫外部服務 |
autonomous | 可執行 / Agent | ReAct 迴圈自主 Agent，可建立 sub-agent 協作 |
condition | 可執行 / 控制流程 | 條件分支，依表達式走不同路徑 |
loop | 可執行 / 控制流程 | 迴圈，重複執行直到條件滿足或達最大次數 |
router | 可執行 / 控制流程 | 多路由分類，由 LLM 判斷輸入應走哪條路徑 |
human | 可執行 / 控制流程 | 暫停工作流程，等待使用者輸入 |
code | 可執行 / 轉換 | 確定性文字轉換，不消耗 LLM token |
iteration | 可執行 / 控制流程 | foreach 迴圈，將輸入拆分後逐項處理 |
parallel | 可執行 / 控制流程 | 並行 fan-out/fan-in，多分支同時執行 |
http-request | 可執行 / 整合 | 確定性 HTTP 呼叫外部 API |
rag | 資料節點 | 掛載 RAG 知識來源（上傳檔案或知識庫） |
Meta 節點
start — 起點
用途： 標示工作流程的入口。使用者輸入的訊息從此節點開始傳遞。
設定欄位： 無需設定。
適用場景： 每個工作流程必須有且僅有一個 start 節點。
end — 終點
用途： 標示工作流程的結束。最後一個 Agent 的輸出到達此節點後，整個工作流程完成。
設定欄位： 無需設定。
適用場景： 每個工作流程必須有至少一個 end 節點。在有分支的工作流程中可有多個 end 節點。
Agent 節點
agent — 本地 LLM Agent
用途： 呼叫語言模型執行任務。是工作流程中最常用的節點類型，可掛載工具、RAG 知識與 Middleware。
主要設定欄位：
| 欄位 | 說明 | 預設值 |
|---|---|---|
provider | LLM 供應商（openai / azure-openai / ollama / foundry / github-copilot / anthropic / aws-bedrock） | openai |
model | 模型名稱 | gpt-4o |
instructions | 系統指令，定義 Agent 的行為與角色 | 空 |
temperature | 生成溫度（0~2），越高越有創意 | 未設定（使用模型預設） |
topP | Top-P 取樣 | 未設定 |
maxOutputTokens | 最大輸出 token 數 | 未設定 |
tools | 掛載的內建工具 ID 清單 | 空 |
mcpServers | 掛載的 MCP Server 名稱清單 | 空 |
httpApis | 掛載的 HTTP API 名稱清單 | 空 |
outputFormat | 輸出格式（text / json / json_schema） | text |
middleware | 啟用的 Middleware（GuardRails / PII / RateLimit / Retry / Logging） | 空 |
適用場景： 文字摘要、翻譯、分析、程式碼生成、客服回覆等所有需要 LLM 推理的任務。
a2a-agent — 遠端 A2A Agent
用途： 透過 Agent-to-Agent（A2A）協定呼叫遠端 Agent 服務。適用於跨服務、跨組織的 Agent 協作。
主要設定欄位：
| 欄位 | 說明 | 預設值 |
|---|---|---|
a2aUrl | 遠端 Agent 的 A2A 端點 URL | 空（必填） |
a2aFormat | 協定格式（auto / google / microsoft） | auto |
適用場景： 呼叫已部署為 A2A 服務的外部 Agent，例如企業內部的專業 Agent、第三方 Agent 服務。auto 模式會依序嘗試兩種格式。
autonomous — ReAct 迴圈自主 Agent
用途： 以 ReAct（Reasoning + Acting）迴圈運作的自主 Agent。可自行建立 sub-agent、分配任務、收集結果，適合複雜的多步推理任務。
主要設定欄位： 透過 Agent 節點的基本欄位設定（provider、model、instructions），執行時由 ReactExecutor 接管。
適用場景： 需要多步推理、動態決策的複雜任務。例如：研究報告撰寫（自動拆解子任務）、多來源資料彙整、需要反覆驗證的分析工作。內建 12 種 meta-tools 支援 sub-agent 管理。
控制流程節點
condition — 條件分支
用途： 根據條件表達式將流程導向不同路徑。支援 output_1（條件為真）和 output_2（條件為假）兩個輸出埠。
主要設定欄位：
| 欄位 | 說明 | 預設值 |
|---|---|---|
condition.kind | 條件判斷方式 | 空 |
condition.value | 條件表達式（套用在前一節點的輸出上） | 空 |
適用場景： 依據前一個 Agent 的輸出決定後續流程。例如：情感分析結果為正面走路徑 A、負面走路徑 B。
loop — 迴圈
用途： 重複執行迴圈內的節點，直到條件滿足或達到最大迭代次數。
主要設定欄位：
| 欄位 | 說明 | 預設值 |
|---|---|---|
maxIterations | 最大迴圈次數 | 5 |
conditionExpression | 終止條件表達式 | 空 |
適用場景： 需要反覆精煉的任務。例如：文章潤飾直到品質達標、翻譯校對直到無誤。
router — 多路由分類
用途： 由 LLM 判斷輸入內容的類別，將流程導向對應的分支路徑。支援多個輸出埠。
主要設定欄位：
| 欄位 | 說明 | 預設值 |
|---|---|---|
instructions | 路由判斷的指令，描述各路徑的分類條件 | 空 |
適用場景： 智慧分流。例如：客服系統依問題類型（帳務 / 技術 / 一般）分派給不同 Agent 處理。
human — 人工輸入
用途： 暫停工作流程執行，等待使用者提供輸入後再繼續。支援三種互動模式。
主要設定欄位：
| 欄位 | 說明 | 預設值 |
|---|---|---|
prompt | 顯示給使用者的提示訊息 | 空 |
inputType | 輸入模式：text（自由文字）/ choice（選項）/ approval（核准/拒絕） | text |
choices | 選項清單（逗號分隔），僅 choice 模式使用 | 空 |
timeoutSeconds | 等待逾時秒數（0 = 無限等待） | 0 |
適用場景： 人機協作流程。例如：AI 產生草稿後請使用者確認、流程中需要人工審批、請使用者從選項中選擇方向。
iteration — foreach 迴圈
用途： 將輸入拆分為多個項目，逐項送入子節點處理。類似程式語言的 foreach。
主要設定欄位：
| 欄位 | 說明 | 預設值 |
|---|---|---|
split | 拆分方式：json-array（JSON 陣列）/ delimiter（分隔符號） | json-array |
iterationDelimiter | 分隔符號（僅 delimiter 模式） | 換行符 |
maxItems | 最大處理項目數 | 50 |
適用場景： 批次處理。例如：對一組產品名稱逐一產生行銷文案、對 JSON 陣列中的每筆資料逐一分析。
parallel — 並行執行
用途： fan-out/fan-in 模式，多個分支同時並行執行，全部完成後合併結果。
主要設定欄位：
| 欄位 | 說明 | 預設值 |
|---|---|---|
branches | 分支名稱（逗號分隔） | Branch1,Branch2 |
merge | 結果合併策略：labeled（加標籤）/ join（串接）/ json（JSON 物件） | labeled |
適用場景： 需要同時處理多個獨立子任務。例如：同時翻譯成多種語言、同時從多個角度分析同一份資料。
轉換節點
code — 確定性轉換
用途： 不呼叫 LLM，以確定性規則轉換文字。零 token 消耗，適合格式整理、資料擷取等前後處理。
主要設定欄位：
| 欄位 | 說明 |
|---|---|
kind | 轉換模式（見下方九種模式） |
template | 模板字串（template / script 模式使用） |
pattern | 正則表達式（regex-extract / regex-replace / json-path 使用） |
replacement | 替換字串（regex-replace 使用） |
maxLength | 截斷長度（trim 使用） |
delimiter | 分隔符號（split-take 使用） |
splitIndex | 取第幾段（split-take 使用） |
scriptLanguage | 腳本語言：javascript（預設）或 csharp（script 模式使用） |
九種轉換模式：
| 模式 | 說明 |
|---|---|
template | 模板替換， |
regex-extract | 正則擷取匹配的內容 |
regex-replace | 正則搜尋與替換 |
json-path | 從 JSON 中擷取指定路徑的值 |
trim | 截斷至指定長度 |
split-take | 按分隔符號拆分，取指定索引的段落 |
upper | 轉大寫 |
lower | 轉小寫 |
script | 執行沙箱腳本（JavaScript 或 C#，需啟用 AgentCraftLab.Script） |
Script 模式雙語言支援：
| 語言 | 引擎 | 特色 |
|---|---|---|
| JavaScript | Jint 沙箱 | 用 input 變數讀取輸入，設定 result 變數輸出 |
| C# | Roslyn 動態編譯 | 參數 input 為字串，用 return 回傳結果。可用 LINQ、JsonSerializer、Regex |
兩種語言都在安全沙箱中執行：禁止 File/Network/Process 操作，有 timeout 和記憶體限制。
Script Studio（全螢幕編輯器）：
側邊面板顯示程式碼唯讀預覽，點擊打開 Script Studio 全螢幕 Modal：
- 上方 — AI 生成：輸入自然語言描述，LLM 自動生成腳本程式碼 + 測試資料
- 中間 — Monaco Editor（VS Code 核心）：語法高亮、括號配對、自動縮排、minimap
- 下方 — Test Run：填入測試輸入，即時執行並檢視結果
- Format 按鈕 — 自動格式化程式碼（Shift+Alt+F）
- 點擊「套用」將程式碼帶回節點設定
適用場景： Agent 輸出的後處理（擷取 JSON 欄位、格式化模板、正則清洗）、節點間的資料轉換、複雜 LINQ 查詢與資料處理（C#）。
整合節點
http-request — HTTP 呼叫
用途： 發送確定性的 HTTP 請求至外部 API，不經過 LLM。適合呼叫已知格式的 REST API。
主要設定欄位：
| 欄位 | 說明 | 預設值 |
|---|---|---|
httpApiId | 引用的 HTTP API 定義 ID | 空（必填） |
httpArgsTemplate | JSON 參數模板，{input} 會被替換為前一節點輸出 | {} |
HTTP API 定義（在工作流程層級設定）包含：URL、Method（GET/POST/PUT/DELETE）、Headers、BodyTemplate。
適用場景： 呼叫第三方 REST API、Webhook 通知、從外部系統取得資料。
資料節點
資料節點本身不執行邏輯，而是為 Agent 節點提供額外能力。透過連線將資料節點連接到 Agent 節點即可生效。
rag — RAG 知識來源
用途： 為 Agent 掛載檢索增強生成（RAG）的知識來源。Agent 回答時會先搜尋相關文件片段，注入上下文後再生成回應。
主要設定欄位（RagConfig）：
| 欄位 | 說明 | 預設值 |
|---|---|---|
dataSource | 資料來源類型 | upload |
chunkSize | 分塊大小（字元數） | 1000 |
chunkOverlap | 分塊重疊區域 | 100 |
topK | 檢索時取前 K 個相關片段 | 5 |
embeddingModel | 嵌入模型 | text-embedding-3-small |
也可透過 knowledgeBaseIds 連接已建立的知識庫。
適用場景： 讓 Agent 基於特定文件回答問題。例如：上傳產品手冊後提供客服問答、基於公司內部文件產生報告。
tool — 工具
用途： 為 Agent 掛載內建工具。Agent 在推理過程中可自行決定是否呼叫這些工具。
主要設定欄位： 透過 UI 從工具目錄選擇要掛載的工具。
工具來源包含四層：Tool Catalog（內建工具）、MCP Servers、A2A Agents、HTTP APIs。
適用場景： 讓 Agent 具備搜尋網路、查詢天氣、計算數學等外部能力。例如：掛載 Web Search 工具讓 Agent 能搜尋最新資訊。
策略自動偵測
工作流程的執行策略會根據節點組合自動選擇：
- 若包含任何需要 Imperative 的節點（condition / loop / router / human / code / iteration / parallel / http-request / a2a-agent / autonomous）→ 使用 Imperative 策略
- 若任一 Agent 有多條 outgoing 連線 → 使用 Handoff 策略
- 其他情況 → 使用 Sequential 策略
也可在工作流程設定中手動指定策略（auto / sequential / concurrent / handoff / imperative）。