Mục lục nội dung

Mở đầu

Nếu hai năm trước, "AI Agent" còn là một thuật ngữ nghe có vẻ xa vời, thì giờ đây nó đã trở thành một trong những chủ đề nóng nhất trong giới lập trình. Từ các trợ lý viết code như Claude Code, Cursor, đến các agent tự động hóa quy trình nghiệp vụ, xu hướng chung là rõ ràng: chúng ta đang chuyển từ việc "hỏi AI một câu, nhận một câu trả lời" sang việc "giao cho AI một mục tiêu, để nó tự lên kế hoạch và hành động".

Bài viết này chia sẻ góc nhìn tổng quan nhưng đủ sâu về lập trình AI Agent - agent là gì, kiến trúc cơ bản, các thành phần cốt lõi, những framework phổ biến, và quan trọng nhất là những bài học thực tế khi xây dựng agent trong môi trường production.

1. AI Agent là gì?

Nói đơn giản, một AI Agent là một hệ thống sử dụng mô hình ngôn ngữ lớn (LLM) làm "bộ não" để:

  1. Nhận một mục tiêu hoặc nhiệm vụ từ người dùng.
  2. Lập kế hoạch các bước cần thực hiện để đạt mục tiêu đó.
  3. Hành động bằng cách gọi các công cụ (tools/functions) như tìm kiếm web, đọc/ghi file, gọi API, chạy code...
  4. Quan sát kết quả của hành động vừa thực hiện.
  5. Lặp lại chu trình lập kế hoạch – hành động – quan sát cho đến khi hoàn thành mục tiêu hoặc gặp giới hạn nào đó.

Điểm khác biệt cốt lõi so với một chatbot thông thường là: chatbot trả lời một lượt (single-turn response), còn agent có khả năng tự trị (autonomy) ở một mức độ nhất định - nó tự quyết định bước tiếp theo dựa trên những gì nó vừa quan sát được, thay vì chỉ chờ người dùng ra lệnh tiếp theo.

Vòng lặp này thường được gọi là ReAct loop (Reasoning + Acting), một khái niệm được phổ biến từ bài báo "ReAct: Synergizing Reasoning and Acting in Language Models".

2. Kiến trúc cơ bản của một AI Agent

Một agent điển hình gồm các thành phần sau:

2.1. Bộ não (LLM Core)

Đây là mô hình ngôn ngữ đóng vai trò trung tâm ra quyết định. Nó nhận vào ngữ cảnh (context) gồm: hệ thống prompt, lịch sử hội thoại, kết quả các lần gọi công cụ trước đó, và quyết định bước tiếp theo: trả lời trực tiếp, hay gọi một công cụ nào đó.

2.2. Bộ công cụ (Tools)

Tools là "tay chân" của agent - những hàm cụ thể mà agent có thể gọi để tương tác với thế giới bên ngoài: tìm kiếm web, đọc file, truy vấn cơ sở dữ liệu, gửi email, chạy mã lệnh... Việc thiết kế tool tốt (mô tả rõ ràng, tham số hợp lý, kết quả trả về dễ hiểu) ảnh hưởng rất lớn đến độ chính xác của agent.

2.3. Bộ nhớ (Memory)

  • Bộ nhớ ngắn hạn: ngữ cảnh của phiên hội thoại hiện tại.
  • Bộ nhớ dài hạn: thông tin được lưu trữ và truy xuất lại giữa các phiên, thường dùng vector database hoặc key-value store.

2.4. Bộ lập kế hoạch (Planner)

Ở các agent phức tạp hơn, có một lớp lập kế hoạch riêng biệt, chia nhỏ nhiệm vụ lớn thành các bước con, đôi khi dùng chiến lược như Tree-of-Thought hoặc phân rã nhiệm vụ (task decomposition).

2.5. Vòng kiểm soát (Orchestrator/Executor)

Thành phần chịu trách nhiệm điều phối: gọi LLM, thực thi tool, xử lý lỗi, giới hạn số vòng lặp (để tránh agent chạy vô hạn), và quyết định khi nào dừng.

3. Vòng đời hoạt động của một Agent

Một chu trình xử lý điển hình:

Người dùng đưa ra mục tiêu
        ↓
Agent phân tích mục tiêu, lập kế hoạch bước đầu
        ↓
Agent chọn tool phù hợp và gọi nó
        ↓
Nhận kết quả từ tool → đưa vào ngữ cảnh
        ↓
Agent đánh giá: đã đủ thông tin để hoàn thành chưa?
    → Chưa: lặp lại từ bước "lập kế hoạch"
    → Rồi: tổng hợp và trả lời người dùng

Điều quan trọng là agent cần có cơ chế dừng rõ ràng - nếu không, nó có thể rơi vào vòng lặp vô tận, gọi tool liên tục mà không tiến triển, gây tốn kém chi phí API và trải nghiệm tệ.

4. Các framework phổ biến để xây dựng Agent

Một vài lựa chọn phổ biến hiện nay (lưu ý: hệ sinh thái này thay đổi rất nhanh, nên luôn kiểm tra tài liệu mới nhất trước khi chọn):

  • LangChain / LangGraph: framework phổ biến nhất, LangGraph tập trung vào việc xây dựng agent dạng đồ thị trạng thái (state graph), phù hợp với các workflow phức tạp có nhiều nhánh rẽ.
  • LlamaIndex: mạnh về RAG (Retrieval-Augmented Generation) và các agent cần truy xuất dữ liệu có cấu trúc.
  • AutoGen (Microsoft): tập trung vào multi-agent - nhiều agent giao tiếp với nhau để giải quyết vấn đề.
  • CrewAI: framework nhẹ, dễ tiếp cận, phù hợp xây dựng nhóm agent với vai trò rõ ràng (ví dụ: một agent nghiên cứu, một agent viết, một agent phản biện).
  • Anthropic Agent SDK / Claude Code: bộ công cụ chính thức từ Anthropic, cho phép xây dựng agent lập trình mạnh mẽ, có khả năng đọc/ghi file, chạy lệnh bash, và làm việc trên codebase thực tế.

Nếu bạn mới bắt đầu, lời khuyên là: đừng vội chọn framework. Hãy thử tự viết một agent loop đơn giản bằng tay (chỉ vài chục dòng code gọi API + xử lý tool call) để hiểu rõ cơ chế, rồi mới chuyển sang framework khi nhu cầu phức tạp hơn thực sự đòi hỏi.

5. Thiết kế Tool - phần quan trọng nhất mà nhiều người bỏ qua

Chất lượng của một agent phụ thuộc rất nhiều vào chất lượng thiết kế tool, không chỉ vào việc chọn mô hình LLM nào mạnh nhất. Một vài nguyên tắc:

Mô tả tool phải rõ ràng và cụ thể. LLM chọn tool dựa trên mô tả (description) của nó. Nếu mô tả mơ hồ, agent sẽ chọn sai tool hoặc dùng sai tham số.

Ít tool nhưng mạnh, hơn nhiều tool nhưng chồng chéo. Nếu có quá nhiều tool có chức năng tương tự nhau, mô hình dễ bị nhầm lẫn khi lựa chọn.

Trả về kết quả dễ đọc, có cấu trúc. Kết quả tool nên súc tích, đúng trọng tâm - tránh trả về hàng nghìn dòng JSON thô khiến ngữ cảnh bị "ngộp" (context bloat).

Xử lý lỗi rõ ràng. Khi tool thất bại, thông báo lỗi nên đủ thông tin để agent tự điều chỉnh (ví dụ: "tham số ngày tháng sai định dạng, cần theo YYYY-MM-DD") thay vì chỉ ném ra "Error 500".

Giới hạn quyền hành động. Với các tool có khả năng gây hậu quả (gửi email, xóa dữ liệu, thực hiện giao dịch), nên có bước xác nhận từ người dùng trước khi thực thi, đặc biệt là các hành động không thể hoàn tác.

6. Quản lý ngữ cảnh (Context Management)

Đây là một trong những thách thức kỹ thuật lớn nhất khi xây dựng agent phức tạp, đặc biệt là agent chạy nhiều vòng lặp dài.

  • Cửa sổ ngữ cảnh có giới hạn: dù các mô hình hiện đại có context window ngày càng lớn (có khi lên tới hàng trăm nghìn token), nhưng ngữ cảnh càng dài, chi phí càng cao và độ chính xác có xu hướng giảm khi thông tin quan trọng bị "chìm" giữa các thông tin không liên quan.
  • Tóm tắt định kỳ (context summarization): agent có thể tự tóm tắt lại lịch sử hội thoại/hành động sau mỗi N bước, giữ lại thông tin cốt lõi và loại bỏ chi tiết không cần thiết.
  • Bộ nhớ ngoài (external memory): thay vì nhồi nhét mọi thứ vào context, lưu trữ thông tin dài hạn trong vector database hoặc key-value store, và chỉ truy xuất khi cần.

7. Đánh giá và kiểm thử Agent

Khác với phần mềm truyền thống, agent có tính "không xác định" (non-deterministic) - cùng một input có thể cho ra hành vi khác nhau giữa các lần chạy. Điều này khiến việc kiểm thử trở nên khó khăn hơn nhiều.

Một số cách tiếp cận:

  • Bộ test case dạng kịch bản (scenario-based): tạo tập hợp các tình huống mẫu, kiểm tra xem agent có đạt được kết quả mong muốn không, thay vì so sánh output chính xác từng ký tự.
  • LLM-as-judge: dùng một mô hình LLM khác để đánh giá chất lượng phản hồi của agent theo tiêu chí đã định trước.
  • Theo dõi (tracing) từng bước: ghi log chi tiết mỗi lần agent gọi tool, lý do nó chọn tool đó, và kết quả - giúp debug khi agent hành xử sai.
  • Giới hạn số vòng lặp và chi phí: luôn đặt ngưỡng tối đa (max iterations, max tokens, max cost) để tránh agent "chạy trốn" ngoài tầm kiểm soát.

8. Những cạm bẫy thường gặp

Agent bị "ảo giác" khi dùng tool. Đôi khi mô hình gọi tool với tham số bịa đặt, hoặc "tưởng tượng" ra kết quả tool thay vì thực sự gọi nó. Giải pháp: có validation layer kiểm tra tham số trước khi thực thi, và luôn buộc agent phải gọi tool thật thay vì tự suy diễn.

Vòng lặp vô ích. Agent gọi đi gọi lại một tool với tham số gần giống nhau mà không tiến triển. Cần cơ chế phát hiện lặp và buộc dừng hoặc chuyển hướng.

Chi phí vượt kiểm soát. Mỗi vòng lặp agent đều tốn token - với các nhiệm vụ dài, chi phí có thể tăng theo cấp số nhân nếu không kiểm soát tốt.

Quá tin tưởng vào agent trong các quyết định quan trọng. Với các hành động có hậu quả thực tế (tài chính, dữ liệu người dùng, gửi thông tin ra ngoài), nên luôn có "human in the loop" - con người xác nhận trước khi thực thi.

Prompt injection. Nếu agent đọc dữ liệu từ nguồn không tin cậy (trang web, tài liệu do người dùng khác upload...), cần cẩn trọng vì nội dung đó có thể chứa chỉ thị ẩn nhằm thao túng hành vi của agent.

9. Xu hướng và tương lai

  • Multi-agent systems: thay vì một agent làm tất cả, nhiều hệ thống đang chuyển sang mô hình nhiều agent chuyên biệt hợp tác với nhau (ví dụ: một agent lập kế hoạch, một agent thực thi, một agent kiểm tra chất lượng).
  • Agent có khả năng dùng máy tính (computer use): các agent có thể trực tiếp thao tác trên giao diện máy tính, trình duyệt, giống như con người - mở ra khả năng tự động hóa các quy trình phức tạp mà trước đây cần tích hợp API riêng.
  • Agent lập trình chuyên sâu: các công cụ như Claude Code cho thấy xu hướng agent không chỉ trả lời câu hỏi về code, mà thực sự đọc, sửa, chạy và kiểm thử code trong một codebase thực tế.
  • Chuẩn hóa giao thức: các giao thức như MCP (Model Context Protocol) đang giúp chuẩn hóa cách agent kết nối với các nguồn dữ liệu và công cụ bên ngoài, giảm bớt công sức tích hợp riêng lẻ cho từng dịch vụ.

10. Lời khuyên cho người mới bắt đầu

  1. Bắt đầu từ agent loop đơn giản nhất có thể - tự viết tay vòng lặp gọi API + xử lý tool call trước khi dùng framework.
  2. Thiết kế tool cẩn thận - đây là nơi quyết định 80% chất lượng của agent.
  3. Luôn có giới hạn an toàn - số vòng lặp tối đa, chi phí tối đa, và xác nhận của con người với hành động quan trọng.
  4. Đo lường thực tế - xây dựng bộ test case cụ thể cho use case của bạn, đừng chỉ dựa vào cảm giác "agent chạy có vẻ ổn".
  5. Theo dõi log chi tiết 0 khi agent hành xử sai, log là thứ duy nhất giúp bạn hiểu tại sao.

Kết luận

Lập trình AI Agent không chỉ là việc gọi API LLM nhiều lần trong một vòng lặp - nó là một bài toán thiết kế hệ thống: từ việc chọn tool, quản lý ngữ cảnh, xử lý lỗi, đến việc đảm bảo an toàn và có thể kiểm soát được hành vi của agent. Công nghệ này đang phát triển với tốc độ chóng mặt, và cách tốt nhất để nắm bắt nó là bắt tay vào xây dựng một agent nhỏ, quan sát nó hoạt động, và rút kinh nghiệm từ chính những lỗi mà nó mắc phải.

Nếu bạn đang cân nhắc bước vào lĩnh vực này, lời khuyên đơn giản nhất là: đừng chờ đến khi "hiểu hết lý thuyết" mới bắt đầu code. Hãy viết một agent nhỏ giải quyết một vấn đề cụ thể trong công việc hàng ngày của bạn - đó là cách học nhanh nhất.