Claude認證架構師CCA-F是什麼？怎麼考？備考資源、測試領域、場景一次看
隨著企業級 AI 應用從「聊天視窗」轉向「Agent 代理架構」，Anthropic 正式推出了官方技術認證 Claude Certified Architect – Foundations (CCA‑F)。
這張證照主要驗證考生是否具備設計「生產級」（Production-ready）AI 系統的能力。《數位時代》以下整理CCA-F認證的相關細節，包含報名條件、考試範圍以及題目類型等。
CCA‑F認證是什麼？
Claude Certified Architect – Foundations（CCA‑F）是 Anthropic 推出的官方技術認證，定位在中高階實作難度（約 301 級別），對象是已經有 Claude、Agent SDK、Claude Code 等實務經驗的工程師或技術人員，用來證明考生有能力設計「能上線、能維運」的 AI 應用架構。
誰可以報考CCA-F認證？
目前這張證照只開放給 Anthropic 合作夥伴公司的員工報考，尚未開放給一般考生。這段期間，合作夥伴公司的前 5,000 名員工可以免費應考，未來一般開放後，官方定價為一次 99 美元。
報考CCA-F需要什麼能力？
CCA-F並不是「初學者入門」型的認證，而是針對已經在用 Claude 做專案的工程師，驗證你能不能把整個系統架構、工具整合、可靠性設計好。官方建議至少具備以下能力：
- 完成 Anthropic 課程目錄中所有 200-level 課程
- 熟悉 Agent SDK
- 有實際用 Claude Code、Agent SDK、Anthropic API、Model Context Protocol（MCP）做過專案／解決方案
CCA-F怎麼考？
- 考試規格：全英文測驗，測驗時間共 120 分鐘，題數為 60 題選擇題。
- 監考模式：由 ProctorFree 平台負責遠端監考，開考前需完成身分驗證與環境檢測。
- 作答規範：必須在單一連續時段內完成，中途禁止暫停或休息，同時嚴禁查閱任何文件、筆記、網路資源或尋求他人協助。
- 成績核發：成績報告將於 2 個工作天內寄達，內容包含各技術領域的分數拆解。
- 認證獎勵：通過考試者將獲頒 CCA-F 官方數位徽章與電子證書，可直接同步至 LinkedIn 展示專業資歷。
值得注意的是，目前官方註明僅有單次應考機會（One attempt），報名前需充分準備。
CCA-F會考哪些領域？5 大核心能力與配分
正式考題共有 60 題，分布在 5 個核心能力領域，各自有不同權重：
Agentic Architecture & Orchestration（27%）
聚焦在整體 AI agent 系統設計與協作編排，包括：
- 設計 agent 的行為迴圈（loop）
- 多代理（multi‑agent）架構與協調者／子代理（coordinator / subagent）模式
- 任務拆解（task decomposition）
- session 狀態管理、工作流程規則（workflow enforcement）
Tool Design & MCP Integration（18%）
圍繞「工具怎麼設計、怎麼用 MCP 接到 Claude」：
工具介面設計與邊界切分（清楚的輸入、輸出與職責）
結構化錯誤回傳（structured error responses）
MCP server 的整合、註冊與維運
在多個 agent 間分配合適的工具
Claude Code Configuration & Workflows（20%）
測你怎麼把 Claude Code 嵌進開發流程：
CLAUDE.md 的階層設計與路徑規則（path‑specific rules）
自訂 slash commands
什麼情境用 plan mode、什麼時候直接執行
與 CI/CD pipeline 整合，例如自動 code review、測試產生等
Prompt Engineering & Structured Output（20%）
除了會寫提示詞，還懂得可維護、可機器處理的提示詞設計：
在指示中明確訂出產出標準與限制
few‑shot 提示、範例設計
透過 JSON schema 等方式強制結構化輸出
實作驗證與重試（validation & retry loops）
Context Management & Reliability（15%）
關鍵在長對話、多代理系統的穩定性與可靠度：
長時間互動中保存關鍵資訊
升級與轉人工（escalation）策略設計
多代理錯誤傳遞與處理模式
不確定性處理與信心校準（confidence calibration）
從這個配分可以看出，CCA‑F 更重視「系統設計思維」與「生產環境可維運性」，而不是 API 細節死記。
6 大實戰情境隨機抽 4 個
官方提供了 6 個考試情境，正式考試會從中隨機抽 4 個情境，每個情境底下會搭配多題選擇題，考你在真實產品場景下的設計判斷。
情境一：客服解決方案 Agent（Customer Support Resolution Agent）
使用 Claude Agent SDK 打造客服解決 agent
處理退貨、帳務爭議、帳戶問題等高模糊度需求
透過自訂 MCP 工具接後端（get_customer、lookup_order、process_refund、escalate_to_human）
目標：在知道何時該升級／轉人工的前提下，把首次解決率做到 80% 以上
會考到：Agentic Architecture、Tool Design & MCP、Context Management & Reliability
情境二：Claude Code 產生程式碼與開發加速（Code Generation with Claude Code）
團隊在日常開發中用 Claude Code 做：產碼、重構、debug、寫文件
需要整合進開發工作流程，包含自訂 slash commands、CLAUDE.md 設定
要理解何時使用 plan mode、何時直接執行
會考到：Claude Code Workflows、Context Management
情境三：多代理研究系統（Multi‑Agent Research System）
用 Claude Agent SDK 設計一個多代理研究系統
一個 coordinator agent 分派任務給多個 subagents：搜尋網路、文件分析、結論彙整、報告撰寫
系統需要產生有引用來源的完整報告
會考到：Agentic Architecture、Tool & MCP、Context & Reliability
情境四：開發者生產力工具（Developer Productivity with Claude）
用 Claude Agent SDK 打造工程師工作助理
幫忙閱讀陌生 codebase、理解 legacy 系統、產 boilerplate、自動化重複操作
使用內建工具 Read / Write / Bash / Grep / Glob 並整合 MCP servers
會考到：Tool Design & MCP、Claude Code Workflows、Agentic Architecture
情境五：把 Claude Code 放進 CI（Claude Code for Continuous Integration）
在 CI/CD pipeline 中整合 Claude Code
自動執行程式碼審查、生成測試案例、對 PR 提供建議
重點是：如何設計 prompt 來給出可行且具體的 feedback，同時降低誤報
會考到：Claude Code Workflows、Prompt Engineering & Structured Output
情境六：結構化資料抽取系統（Structured Data Extraction）
用 Claude 從非結構化文件抽取結構化資訊
藉由 JSON schema 驗證輸出、處理 edge cases
需要與下游系統整合，維持高準確度與穩定性
會考到：Prompt Engineering & Structured Output、Context & Reliability
如何準備這張認證？有哪些先修課程？
Anthropic 官方建議先修以下課程，再去挑戰考試：
目標：學會如何在日常工作中使用 Claude
內容：Claude 核心功能、常見工作情境（寫作、摘要、規劃、資料整理）
目標：學會如何把 Claude Code 深度整合進開發流程
內容：將 Claude Code 併入團隊開發流程與 CI/CD，處理實際專案情境
Introduction to Model Context Protocol
目標：學會從零開始建立 MCP server 與 client
內容：掌握 MCP 的三大核心元素：tools、resources、prompts，並把 Claude 接到外部服務與資料源
- 目標：系統性掌握 Claude API，從基礎呼叫到進階 agent 架構設計與實作整合。
- 內容：以 Python 為主，帶你從基本 API 請求、多輪對話、串流與結構化輸出，進一步學到 prompt 設計與自動化評估、工具呼叫與外部服務整合、RAG 檢索增強、MCP、Claude Code 與 Computer Use
延伸閱讀：Claude進階技巧懶人包！7個提示詞，讓AI從答題機變「會反駁你」的思考夥伴
Anthropic推出Claude Managed Agents：企業AI代理上線，從數月壓縮到數天
參考資料：Anthropic