Bỏ qua tới nội dung
Agent Skill Hub
EN
Bài 1/11 · AI Agent cho người mới bắt đầu (Microsoft)

Giới thiệu AI agent và các trường hợp sử dụng

AI agent là gì, các loại agent, khi nào nên dùng agent và những khối nền tảng của một giải pháp agentic.

Cơ bản@shine19048 phút đọc

Chào mừng bạn đến với khoá học AI Agents for Beginners! Khoá học này trao cho bạn kiến thức nền tảng, cùng code chạy được thật, để bắt đầu xây AI agent từ đầu.

Video của bài: Intro to AI Agents.

Trước khi bắt tay vào xây dựng, chúng ta hãy chắc chắn rằng mình thật sự hiểu AI agent là gì và khi nào nên dùng nó.

Giới thiệu

Bài này đề cập:

  • AI agent là gì và có những loại nào
  • Những loại tác vụ nào phù hợp nhất với AI agent
  • Các khối nền tảng bạn sẽ dùng khi thiết kế một giải pháp agentic

Mục tiêu học tập

Học xong bài này, bạn sẽ có thể:

  • Giải thích AI agent là gì và khác một giải pháp AI thông thường ra sao
  • Biết khi nào nên dùng AI agent (và khi nào không)
  • Phác thảo một thiết kế giải pháp agentic cơ bản cho một bài toán thực tế

Định nghĩa AI agent và các loại AI agent

AI agent là gì?

Đây là một cách nghĩ đơn giản:

AI agent là các hệ thống cho phép Large Language Model (LLM) thực sự làm việc, bằng cách trao cho chúng tool và kiến thức để tác động lên thế giới, chứ không chỉ trả lời prompt.

Chúng ta hãy phân tích kỹ hơn:

  • Hệ thống: AI agent không chỉ là một thứ đơn lẻ. Nó là tập hợp nhiều phần phối hợp với nhau. Về cốt lõi, mọi agent có ba phần:
    • Môi trường (Environment): không gian agent làm việc. Với một agent đặt chuyến du lịch, đó chính là nền tảng đặt chỗ.
    • Cảm biến (Sensors): cách agent đọc trạng thái hiện tại của môi trường. Agent du lịch có thể kiểm tra phòng khách sạn còn trống hoặc giá vé máy bay.
    • Bộ chấp hành (Actuators): cách agent thực hiện hành động. Agent du lịch có thể đặt phòng, gửi xác nhận hoặc huỷ đặt chỗ.

AI agent là gì?

  • Large Language Model: agent đã tồn tại trước LLM, nhưng chính LLM làm cho agent hiện đại mạnh mẽ như vậy. Chúng hiểu ngôn ngữ tự nhiên, suy luận theo ngữ cảnh và biến một yêu cầu mơ hồ của người dùng thành một kế hoạch hành động cụ thể.

  • Thực hiện hành động: không có hệ thống agent, LLM chỉ sinh văn bản. Bên trong một hệ thống agent, LLM có thể thực sự thực thi các bước: tìm trong cơ sở dữ liệu, gọi API, gửi tin nhắn.

  • Truy cập tool: agent dùng được những tool nào phụ thuộc vào (1) môi trường nó đang chạy và (2) những gì nhà phát triển chọn trao cho nó. Một agent du lịch có thể tìm chuyến bay nhưng không sửa được hồ sơ khách hàng; tất cả tuỳ vào những gì bạn kết nối.

  • Bộ nhớ + kiến thức: agent có thể có bộ nhớ ngắn hạn (cuộc hội thoại hiện tại) và bộ nhớ dài hạn (cơ sở dữ liệu khách hàng, các tương tác trước đó). Agent du lịch có thể "nhớ" rằng bạn thích ghế cạnh cửa sổ.

Các loại AI agent

Không phải agent nào cũng được xây giống nhau. Dưới đây là các loại chính, lấy agent đặt chuyến du lịch làm ví dụ xuyên suốt:

Loại agentLàm gìVí dụ agent du lịch
Simple Reflex Agent (agent phản xạ đơn giản)Làm theo các quy tắc viết cứng, không có bộ nhớ, không lập kế hoạch.Thấy email phàn nàn → chuyển cho bộ phận chăm sóc khách hàng. Chỉ vậy thôi.
Model-Based Reflex Agent (agent phản xạ dựa trên mô hình)Giữ một mô hình nội bộ về thế giới và cập nhật khi mọi thứ thay đổi.Theo dõi lịch sử giá vé máy bay và gắn cờ các tuyến đột nhiên đắt lên.
Goal-Based Agent (agent dựa trên mục tiêu)Có một mục tiêu và tự tìm cách đạt được nó từng bước.Đặt trọn chuyến đi (vé máy bay, xe, khách sạn) từ vị trí hiện tại của bạn đến điểm đến.
Utility-Based Agent (agent dựa trên độ hữu ích)Không chỉ tìm một lời giải mà tìm lời giải tốt nhất bằng cách cân nhắc đánh đổi.Cân bằng chi phí và sự tiện lợi để tìm chuyến đi phù hợp nhất với sở thích của bạn.
Learning Agent (agent học hỏi)Tốt dần lên theo thời gian nhờ học từ phản hồi.Điều chỉnh gợi ý đặt chỗ sau này dựa trên kết quả khảo sát sau chuyến đi.
Hierarchical Agent (agent phân cấp)Một agent cấp cao chia việc thành tác vụ con và giao cho các agent cấp thấp hơn.Yêu cầu "huỷ chuyến đi" được tách thành: huỷ vé máy bay, huỷ khách sạn, huỷ thuê xe, mỗi việc do một sub-agent xử lý.
Multi-Agent System (MAS) (hệ đa agent)Nhiều agent độc lập cùng làm việc (hoặc cạnh tranh).Hợp tác: các agent riêng lo khách sạn, chuyến bay và giải trí. Cạnh tranh: nhiều agent tranh nhau lấp phòng khách sạn với giá tốt nhất.

Khi nào nên dùng AI agent

Bạn có thể dùng AI agent không có nghĩa là lúc nào cũng nên dùng. Đây là những tình huống agent thật sự toả sáng:

Khi nào nên dùng AI agent?

  • Bài toán mở: khi các bước giải quyết không thể lập trình sẵn. Bạn cần LLM tự tìm đường đi một cách linh hoạt.
  • Quy trình nhiều bước: tác vụ cần dùng tool qua nhiều lượt, không chỉ một lần tra cứu hay sinh nội dung.
  • Cải thiện theo thời gian: khi bạn muốn hệ thống thông minh dần lên dựa trên phản hồi của người dùng hoặc tín hiệu từ môi trường.

Chúng ta sẽ tìm hiểu sâu hơn khi nào nên (và không nên) dùng AI agent ở bài Xây dựng AI agent đáng tin cậy sau này.

Những điều cơ bản về giải pháp agentic

Phát triển agent

Việc đầu tiên khi xây agent là định nghĩa nó làm được gì: tool, hành động và hành vi của nó.

Trong khoá học này, chúng ta dùng Microsoft Foundry Agent Service làm nền tảng chính. Nó hỗ trợ:

  • Model từ các nhà cung cấp như OpenAI, Mistral và Meta (Llama)
  • Dữ liệu có bản quyền từ các nhà cung cấp như Tripadvisor
  • Định nghĩa tool chuẩn hoá theo OpenAPI 3.0

Agentic pattern

Bạn giao tiếp với LLM qua prompt. Với agent, bạn không thể lúc nào cũng tự viết tay từng prompt, vì agent cần hành động qua nhiều bước. Đó là lúc agentic pattern (mẫu agentic) xuất hiện. Chúng là những chiến lược tái sử dụng được để prompt và điều phối LLM theo cách dễ mở rộng và đáng tin cậy hơn.

Khoá học này được tổ chức xoay quanh các agentic pattern phổ biến và hữu ích nhất.

Agentic framework

Agentic framework trao cho nhà phát triển các template, tool và hạ tầng dựng sẵn để xây agent. Chúng giúp dễ dàng hơn trong việc:

  • Kết nối tool và các khả năng (capability)
  • Quan sát agent đang làm gì (và gỡ lỗi khi có sự cố)
  • Phối hợp giữa nhiều agent

Trong khoá học này, chúng ta tập trung vào Microsoft Agent Framework (MAF) để xây agent sẵn sàng cho production.

Code mẫu

Sẵn sàng xem nó hoạt động chưa? Đây là code mẫu của bài:

Có câu hỏi?

Tham gia Microsoft Foundry Discord để kết nối với những người cùng học, dự các buổi office hours và được cộng đồng giải đáp thắc mắc về AI agent.

Kiểm thử nhanh agent này (tuỳ chọn)

Khi đã học cách triển khai agent ở bài 16 của khoá gốc, bạn có thể thêm một bước kiểm tra sức khoẻ nhanh sau triển khai cho TravelAgent của bài này bằng bộ catalog có sẵn tests/lesson-01-smoke-tests.json. Xem tests/README.md để biết cách chạy.

Nguồn