從觀望到全公司落地：AI Agentic Coding 導入實戰 — 流程整合與安全治理

活動資訊

日期：2026.07.01
活動：2026 Cloud Summit 台灣雲端大會
講者：appleboy
摘要
2025 - 2026 年 AI Agentic Coding 時代全面爆發，軟體開發正經歷前所未有的典範轉移。本場演講將分享講者帶領團隊從最初的觀望與不敢嘗試，到全員導入 AI 開發工具的實戰歷程。

內容涵蓋

團隊轉型的關鍵挑戰：如何克服成員對 AI 工具的疑慮與抗拒，建立信任並逐步推動採用
實際導入策略：從個人試用到團隊標準化流程的落地方法
流程整合與安全治理：不論是 CLI 工具還是 MCP 服務，所有工具串接內部系統都必須透過統一認證機制管理，讓全公司能安心、快速地使用 AI 工具
開發效益與轉變：導入前後在程式碼品質、開發速度與團隊協作上的具體變化
加速部署迭代：如何運用 AI 工具優化從開發、測試到部署的完整軟體交付流程

適合對象

正在評估 AI 工具的技術主管
想推動團隊轉型的工程師

講師簡介

現任聯發科技後端架構工程師，負責公司內部 Technology Platform 開發與維運。擅長以 Go 語言構建微服務架構，熱衷導入 DevOps 與自動化流程改善團隊協作效率。長期貢獻於 Open Source 專案，曾擔任多場技術研討會講師。目前專注於 AI 工具導入，探索 AI 能為軟體團隊帶來多少價值，加速開發流程與決策效率。

GitHub: https://github.com/appleboy
Speakerdeck: https://speakerdeck.com/appleboy

https://cloudsummit.ithome.com.tw/2026/session/4553

Transcript

1. 2026 CLOUD SUMMIT / TAIWAN 01 / 24 AI AGENTIC CODING · ADOPTION 從觀望 到全公司落地 兩年 AI Agentic Coding 導入實戰 流程整合與安全治理 appleboy 2026.07.01
2. // 02 OUTLINE · 今天的三個 PART 這場分享，跟著我們真實走過的順序 大綱 01 PART 1 這一年的全貌與成果 · 心態轉換：從「AI 幫我們」到 「我們幫 AI」 · 導入時間軸：工具問世到全公司 落地 · GAISF Gateway 總覽 · 成果數 據 02 PART 2 從觀望到全員 · 工程師為什麼不用？三種心態 · 主管的兩難：缺一條安全的路 · 用成果說話 · Agent Skill 標準 化 03 PART 3 流程整合與安全治理 · 專案爆炸 · Skill 與 MCP 的分工 · 被 AI 放大的三大資安風險 · 統一認證閘道 · Device Flow + PKCE · Token 治理 · Audience 綁定 · MCP 上架審查 · Marketplace + CI 重頭戲
3. // 03 SPEAKER appleboy 聯發科技 · 後端架構工程師 Technology Platform 開發與維運 在公司負責推動 AI 工具導入，探索 AI 能為軟體 團隊加速多少開發流程與決策效率。 Go 微服務 Open Source 帶領三個 Team Backend Kubernetes DevOps GitHub @appleboy blog.wu-boy.com
4. 2026 CLOUD SUMMIT / TAIWAN SECTION 01PART 01 這一年的全貌與成果 · 心態轉換：從「AI 幫我們」到「我們幫 AI」 · 導入時間軸：工具問世到全公司落地 · GAISF Gateway 架構總覽 · 成果數據 01 全貌與成果 02 從觀望到全員 03 流程整合與安全治理
5. // 04 心態的轉換 · MINDSET SHIFT 一年之間，我們和 AI 的關係反過來了 去年 2025 我們在想：AI 怎麼「協助我們」改善工作效率 AI 協助 → 我們 AI 是工具，我們是主角 今年 2026 我們在想：如何「協助 AI」加速工作效率 我們 協助 → AI 幫 AI 鋪好基礎，讓它替我們加速 主詞與受詞對調 —— 從「AI 幫我們」到「我們幫 AI」 → 後面講的，全是在幫 AI 建基礎設施 其實 = 帶團隊 主管不是自己埋頭做，是幫團隊鋪好路、讓他們跑得更快 —— 對 AI，是同一個道理
6. // 05 ADOPTION TIMELINE 從工具問世，到全公司落地的這一年 外部生態 內部整合 規模落地 2025 2026 2025 · 02 Claude Code 橫 空出世 AI coding agent 正式登 場，外部生態的起點。 2025 · 03 整合 AI Gateway IT 協助把 Claude Code 串進內部 AI Gateway。 2025 · 05 串接 Observability IT 接上可觀測性，開始 量化導入效益。 2025 · 09 導入 SWRD 部門 落地軟體研發相關部 門。 2025 · 10 Anthropic 推出 Skill 改變了整個 Workflow 生態。 2026 · 04 落地 HWRD 部門 擴展到硬體研發相關部 門。
7. // 06 ARCHITECTURE · GAISF GATEWAY CLI 等開發者工具，都先整合進 GAISF Gateway，才連上三大雲與自建模型 不論 CLI、Web 還是 Browser，開發者端每一次 AI 呼叫都統一從這道閘門進出 —— 再由 Gateway 分流到公有雲與自建 GPU。 C-DOMAIN · 開發者端 使用者入口 CLI 工具 Web Service Browser → RD-DMZ · 單一進出口 GAISF Gateway 所有請求集中進出，統一治理與分流 Grafana & Loki Log Service Usage Log 已過濾 Request / Response Body ，只留稽核所需 → CLOUD PROVIDER · 公有雲 AWS Bedrock Claude Azure AOAI GPT GCP Gemini INTERNAL DOMAIN · 自建 GPU Qwen3 GPU GLM-5.2 GPU E5-Embedding GPU 單一進出口，於是我們能 四件事一次到位 01 USAGE 使用量分析 誰用了多少、用在哪，靠 Grafana & Loki 全看得見。 02 AUDIT 內部稽核 每次呼叫都進 Log Service 留痕，事 後可追溯。 03 COST 控管流量花費 集中計量與設限，雲端與 GPU 成本不 再失控。 04 ACCESS 權限控管 依部門與角色，決定可用的模型與範 圍。
8. // 07 THE DATA · MONTHLY TREND AI 暴衝、工程師平盤，差距持續拉開 AI 佔比從 2025.08 的 66%，一路爬升到近期的 97%；同時月產出量也成長近 10×。 AI 產出 工程師親寫 08 66% 09 80% 10 80% 11 81% 12 88% 01 92% 02 94% 03 91% 04 95% 05 96% 06 97% 2025 2026 0.22M 0.57M 0.46M 0.76M 1.18M 1.56M 1.40M 1.31M 1.89M 2.08M 2.26M 66% → 97% AI 佔比，10 個月一路爬升
9. 2026 CLOUD SUMMIT / TAIWAN SECTION 02PART 02 從觀望到全員 · 一年前 vs 今天：工程師為什麼不用？ · 主管的兩難：缺一條安全的路 · 用成果說話 · 把個人技巧標準化成 Agent Skill 02 從觀望到全員 01 全貌與成果 03 流程整合與安全治理
10. // 08 BEFORE / AFTER 一年前 少數人偷偷試 沒人敢接內部系統 金鑰寫死在 config 今天 全員日常使用 CLI · MCP 安全接內部資源 零金鑰外洩 最難的不是讓 AI 寫 code，是讓它「安全地」接到公司系統
11. // 09 從觀望開始 工程師為什麼不用？三種真實心態 01 不信任品質 — AI 寫的還要全部重看，不如自己寫 02 怕被取代 — 學這個是不是在淘汰自己？ 03 資安疑慮 — code／公司資料會不會被送出去？接內部系統怎麼授權？ ↳ 第 ③ 點才是真正卡住規模化的那一個
12. // 10 從觀望開始 主管的兩難 = 缺一條「安全的路」 不推 被別的團隊用 AI 把效率拉開 硬推 有人把金鑰寫進 Git、 機敏資料丟外部 → 鍋自己背 缺的不是決心，是一條技術上「安全可控」的路 → 後面鋪這條路
13. // 11 從個人到全員 用成果說話，不要用命令 ✕ 由上而下「規定大家都要用」→ 開帳號放著、應付了事 01 個人試用 找愛玩、有影響力的 2–3 人，做出 同事會羨慕的成果 → 02 團隊標準化 把個人技巧封裝成共用資產，全團 隊複用 → 03 全公司落地 靠 AI Skill Marketplace 平台統一 分發，後端介接公司內部 Git 服務
14. // 12 標準化 把個人技巧封裝成 Agent Skill 每個 Skill 就是流程裡的一步 —— 從 plan 到 merge 的指令地圖 人為把關 AI 主導 01 人 · 對齊 方向 規劃 Plan /plan- feature → plan.md → ↻ AI 自動迭代迴圈 — 中間沒有人逐行介入 02 AI 開發 Develop 依 plan.md 實作 → 03 AI 品質把關 Quality /simplify /security- review /code-review max --fix → 04 AI 提交 Commit /commit- message → Conventional Commit → 05 AI 開 PR PR Prepare /pr-prepare → PR 描述 → 06 AI ↻ 審查迴圈 Review /loop /copilot- review 查 → 修 → 再審 → 07 人 · 最終 把關 合併 Merge CI 綠燈 → Merge → main → 全團隊 / 全 CI 共用，並定規範：哪些 AI 自己跑、哪些一定要人把關
15. // 13 流程統一 · CI CI 把開發流程統一成一條流水線 —— PM / Team Lead 才能做最好的 Tracking 每張工單都跑同一條 CI：自動測試、自動流轉狀態、自動回報。人只在頭尾把關，中間交給 AI 與 CI —— 看板就永遠等於真實進度。 BACKLOG 3 Refresh Token 輪替 MCP-212 多租戶 Scope 隔離 MCP-213 Token 撤銷清單 MCP-214 人 · PM 建立 OPEN 2 MCP Server 註 冊 AI MCP-209 .well-known 探 索端點 AI MCP-210 ↻ AI 自動 IN PROGRESS 2 Device Flow + PKCE AI MCP-205 AuthGate Token 簽發 AI MCP-208 ↻ AI 自動 CODE REVIEW 2 Kong mcp- oauth2 外掛 AI PR #248 ↻ 401 → WWW- Authenticate AI PR #251 ↻ ↻ CI · AI 自動 UNDER TEST 2 Audience 綁定 驗證 AI CI 測試中 JWT 驗簽中介層 AI CI 測試中 ↻ CI · AI 自動 RESOLVED 2 OAuth 探索握手 ✓ deployed Scope 轉發 Header ✓ deployed ↻ AI 自動 CLOSED 2 Token Introspection ✓ MCP-202 MCP Gateway 路 由 ✓ MCP-206 人 · PM 驗收 沒有統一的 CI，看板只是手動填的表；有了 CI，每一格都是自動回報的真實進度 人把關頭尾 · AI + CI 跑中間
16. 2026 CLOUD SUMMIT / TAIWAN 重頭戲 03PART 03 流程整合與安全治理 · 專案爆炸 · Skill 與 MCP 的分工 · 被 AI 放大的三大資安風險 · 統一認證閘道 · Device Flow · Token 治理 · MCP 上架審查 · Marketplace + CI 03 流程整合與安全治理 01 全貌與成果 02 從觀望到全員
17. // 14 流程整合與安全治理 全公司落地的真正門檻：專案爆炸 5x → 2xx → 1xxx 個專案 每個團隊都用 AI 快速產出服務 → 數量短時間爆炸成長數十倍 這麼多 CLI / MCP / Agent 要接內部系統，認證與授權怎麼管？
18. // 15 觀念釐清 Agent Skill 出現，MCP 已死？其實不然 去年底 Skill 一出，很多人以為 MCP 被取代了 —— 事實上兩者分工不同、彼此互補。 AGENT SKILL 主導 整體使用知識 + 流程 把「怎麼做」封裝起來 —— 規範、workflow、判斷邏輯，決 定 Agent 整段任務怎麼跑。 使用知識與規範 整體 Workflow 編排 MCP 專責 整合第三方服務 把「接什麼」標準化 —— 連接外部系統與資料源，並負責 Auth 安全連線與驗證。 第三方服務整合 Auth 安全連線與驗證 Skill 決定「怎麼做」 ，MCP 決定「接什麼」 —— 一個管流程、一個管連線，缺一不可
19. // 16 MCP 推廣的阻力 想從 Skill 對接全公司 MCP —— 卻卡在 Token 明碼躺在 Client 端 大家都想把內部所有 MCP 服務接給 Agent 用，但 MCP 一直推不動 —— 阻力就一個：認證 Token 是明文，直接躺在開發者的 Client 端。 期待 從 Skill 一鍵對接公司所有 MCP 服務 ↓ 現實 MCP 推廣相當困難 ROOT CAUSE Token 明碼，就躺在 Client 端 寫死在 settings.json → 被 commit 進 Git 用 CLI --header 加 → 一樣明碼，還多一份 連 shell history 裡都撈得到 明碼 Token 躺在 Client 端 —— 正是下一頁三大資安風險裡最致命的那一條 → 解法看後半段
20. // 17 安全治理 被 AI 放大的三大資安風險 01 認證各自造輪子 每個服務自己接 LDAP，帳密邏輯散落、標準不一 02 金鑰寫死流入 Git 最致命 CLI / MCP 沒有瀏覽器登入流程，帳密 / API Key 寫死隨 code 推上 Git 03 Token 發出就失控 誰持有、何時過期、能否撤銷全不知道 → 無法追溯、無法止血
21. // 18 解法架構 統一認證閘道 — 所有工具走同一個門 CLIENTS CLI MCP Server AI Agent 內部服務 註冊 身分來源 LDAP · AD GitHub · Gitea Microsoft Entra Web Auth Code + PKCE CLI · Agent Device Flow 服務對服務 Client Credentials · private_key_jwt
22. // 19 機制一 · RFC 8628 Device Flow + PKCE：讓 CLI / MCP 不寫死金鑰 整個流程沒有任何一個寫死的金鑰 — 從源頭杜絕帳密流入 Git CLI / MCP 使用者 · 瀏覽器 AuthGate 閘道 要 device code + user code 1 顯示 URL + user code，請開瀏覽器 2 瀏覽器登入並授權 · 帳密只在這步，走公司 SSO 3 ↻ 同時在背景 polling，等待授權完成 4 發 access token + refresh token 5 ⤿ token 存進 OS keyring 加密，不落地 config 6
23. 20 MARKETPLACE · 內部架構 MCP Gateway 把關、IDP 發 Token，Client 不直連 MCP 每個請求都先過 MCP 上的 mcp-oauth2 驗 JWT，驗過才帶著身分與 scope 轉發進 MCP 集群。 → Bearer JWT ↑↓ fetch JWKS （快取 / 自動輪替） AUTHORIZATION SERVER IDP /authorize · /token · Auth Code + PKCE → RS256 → X-MCP-Subject / Scope 01 · CHALLENGE 無 token 請求被擋：401 + WWW- Authenticate 指向 resource_metadata 02 · DISCOVERY Client 讀 /.well-known/oauth- protected-resource 找到 IDP 03 · AUTHORIZE Auth Code + PKCE 走完授權，IDP 簽發 RS256 token 04 · VERIFY MCP 以 JWKS 驗簽章，再驗 iss / aud / exp / scope 05 · FORWARD 通過才轉發，附上 X-MCP- Subject 與 X-MCP-Scope
24. // 21 機制二 · Token 治理 把每個 MCP 當成獨立的 OAuth Resource — token 綁 audience、 scope 限縮到單一服務 RFC 8707 Resource Indicators — 簽發時就把 token 綁死在某一個 MCP，aud 不符直接被擋（防 confused deputy）；每個 MCP 各自為政、各自 更安全。 AUTHGATE 簽 audience-bound token → present token Gitea MCP resource · aud = mcp://gitea gitea:repo.read gitea:issue.write ✓ 接受 aud 相符 Jira MCP resource · aud = mcp://jira jira:issue.read jira:issue.write ✗ 拒絕 aud 不符 Confluence MCP resource · aud = mcp://confluence confluence:page.read ✗ 拒絕 aud 不符 最小權限 · 收斂爆炸半徑 token 只帶該 MCP 的 scope — 外洩只波及單一 MCP 驗證 · 在地驗章 RS256 + JWKS — Resource Server 不用每次回打 閘道 治理 · 每個 token 全程可控 可查詢 可設到期 即時撤銷 一鍵強制全體重登
25. // 22 機制二 · 完整握手序列 細看一次完整握手：從 401 到 200 以 Gitea MCP 為例——前段發現、中段授權，最後 Kong 驗章再轉發。 MCP Client MCP Gateway IDP MCP Server GET /mcp/gitea (no token) 401 + WWW-Authenticate: resource_metadata GET /.well-known/oauth-protected-resource /mcp/gitea 200 Protected Resource Metadata Auth Code + PKCE (/authorize, /token) RS256 access token fetch JWKS (cached / auto-rotated) GET /mcp/gitea + Bearer JWT verify : sig(JWKS) + iss + aud + exp + scope forward + X-MCP-Subject / X-MCP-Scope 200 200 ✓
26. 23 MARKETPLACE · 上架與認證 AI Marketplace 裡， MCP / Skill 怎麼上架與認證？ 每個團隊都在寫自己的 MCP Server 與 Skill —— 誰能上架、誰來把關、誰可以用，需要一套企業內部 的管理流程。
27. // 24 CI · 資安審查 CI 流程最關鍵的一關：資安審查 同一個 PR，三道並行的 code review 同時把關 —— 從靜態分析、漏洞掃描，到 AI 情境審查。 每個 PR 並行觸發三道掃描 三道全綠才放行 ✓ 工具掃廣度、AI 補語意 ——三層互補，沒有一道漏洞能單靠一種方法溜過去。
28. 2026 CLOUD SUMMIT / TAIWAN 24 / 24 THANK YOU FOR LISTENING 謝謝大家 聆聽 用成果說話、把關鍵一次做對 —— 歡迎會後交流。 appleboy 2026.07.01