AI agent là gì? Cách agent làm việc, khác chatbot ra sao, ví dụ thực tế và cách bắt đầu

AI agent là gì?

Theo bài “Building effective agents” của Anthropic (19/12/2024), agent là hệ thống trong đó model ngôn ngữ tự điều khiển quá trình làm việc và việc dùng công cụ của chính nó, tự quyết cách hoàn thành nhiệm vụ.

Nói gọn: bạn giao một mục tiêu, agent tự lên kế hoạch, dùng công cụ như đọc file, chạy lệnh, tìm trên web hay gọi API, xem kết quả của từng bước rồi quyết định bước tiếp theo, lặp lại tới khi xong việc hoặc cần hỏi lại bạn.

AI agent khác chatbot và workflow thế nào?

Ba kiểu dùng model AI thường bị gọi chung là “AI”, nhưng khác nhau ở chỗ ai quyết định bước làm:

• Chatbot: trả lời từng tin nhắn; muốn làm tiếp thì bạn phải hỏi tiếp.
• Workflow: model và công cụ được nối theo các bước viết sẵn trong code, ví dụ tóm tắt email rồi phân loại rồi soạn trả lời. Các mẫu hay gặp gồm nối prompt thành chuỗi, định tuyến, chạy song song, một model điều phối nhiều model con, và một model viết rồi model khác chấm. Công cụ kéo thả như n8n dựng được cả workflow lẫn agent mà không cần viết nhiều code.
• Agent: model tự chọn bước làm và công cụ, số bước không biết trước, hợp với việc mở như sửa một lỗi trong dự án lạ.

Khi nào nên dùng agent?

Anthropic khuyên tìm cách đơn giản trước và chỉ tăng độ phức tạp khi cần: nhiều ứng dụng chỉ cần một lần gọi model được tối ưu tốt, kèm truy xuất dữ liệu và vài ví dụ mẫu. Workflow hợp với việc có các bước rõ ràng, cần kết quả đều đặn; agent hợp với việc cần linh hoạt, khi không viết trước được các bước.

Cũng theo bài này, hệ thống agent thường đổi độ trễ và chi phí lấy kết quả tốt hơn, và vì tự chạy nên chi phí cao hơn và lỗi có thể chồng lên nhau qua các bước. Đó là lý do agent cần giới hạn và người kiểm tra.

Một agent gồm những gì?

Nền của mọi hệ thống agent là một model được bổ sung khả năng truy xuất dữ liệu, dùng công cụ và có bộ nhớ. Quanh nền đó là một vòng lặp: lên kế hoạch, gọi công cụ, đọc kết quả, quyết định bước tiếp.

• Model có khả năng gọi công cụ (tool calling), thường dùng qua API.
• Công cụ: đọc và ghi file, chạy lệnh, trình duyệt, tìm kiếm, API của dịch vụ khác. MCP là giao thức chung để nối công cụ vào agent; xem bài MCP là gì.
• Hướng dẫn cố định cho agent, như file AGENTS.md hay CLAUDE.md trong dự án, ghi quy ước và lệnh cần dùng.
• Ngữ cảnh và bộ nhớ: lịch sử các bước, file đã đọc, ghi chú giữ lại giữa các phiên.
• Quyền và giới hạn: agent được làm gì mà không cần hỏi, được tiêu bao nhiêu.

Ví dụ AI agent thực tế

Những agent đang được dùng nhiều, mỗi loại có bài riêng trên STEYG:

• Coding agent trong terminal và trình soạn code: Claude Code, Codex, Cursor, Kiro, OpenCode. Chúng đọc mã, sửa nhiều file, chạy test rồi báo lại thay đổi.
• Agent cho việc văn phòng: Claude Cowork làm việc trên file, trình duyệt và tài liệu; Notion Agent dùng ngữ cảnh từ workspace và ứng dụng đã kết nối; Super Agent của Genspark tự nghiên cứu rồi làm slide, bảng tính, tài liệu; agent thao tác ngay trong trình duyệt có ở bài trình duyệt AI.
• Agent chạy trên đám mây, vẫn làm khi bạn tắt máy: Codex Cloud, Cloud Agents của Cursor, cloud agent của GitHub Copilot nhận issue rồi mở pull request, Devin chạy trên máy ảo riêng, Jules của Google mở máy ảo mới cho mỗi task, Grok Bot trên máy tính đám mây riêng, Manus chạy mỗi việc trong một máy ảo riêng.
• Agent nghiên cứu: chế độ Deep Research của Perplexity và ChatGPT tìm nhiều nguồn rồi viết báo cáo có dẫn nguồn.
• Agent trò chuyện qua ứng dụng nhắn tin: OpenClaw chạy trên máy bạn và nhận việc qua các kênh chat như Zalo.

Vì sao agent tốn token?

Mỗi bước của agent là một lượt gọi model, và mỗi lượt gửi lại phần lớn ngữ cảnh trước đó: hướng dẫn, danh sách công cụ, các bước đã làm, nội dung file đã đọc. Một việc vài chục bước vì vậy tiêu nhiều token hơn nhiều so với một câu hỏi thường. Cách tính cụ thể có ở bài 1 triệu token là bao nhiêu chữ, bao nhiêu tiền, còn cách giảm có ở bài tiết kiệm token khi dùng Claude Code và Codex.

Vì agent tự chạy, nên đặt trần chi tiêu trước khi giao việc dài. Với STEYG Code, ngân sách trả trước bằng VND, tiêu hết thì tự dừng và không bao giờ bị tính quá số tiền đã trả.

Dùng AI agent an toàn

Agent làm được nhiều thì cũng làm sai được nhiều. Vài nguyên tắc:

• Chỉ cấp quyền việc đó cần: thư mục, tài khoản, lệnh được chạy. Bắt đầu ở chế độ chỉ đọc hoặc lên kế hoạch trước.
• Với code, tạo điểm lưu git trước và sau mỗi việc, và đọc lại thay đổi trước khi giữ.
• Trang web, file và email agent đọc có thể chứa lệnh ẩn nhằm điều khiển model; đừng để agent đụng tới dữ liệu nhạy cảm khi đang đọc nguồn lạ.
• Không dán API key hay mật khẩu vào cuộc trò chuyện; dùng biến môi trường và key riêng cho từng công cụ, xem bài bảo mật API key.
• Hành động khó đảo ngược như xoá dữ liệu, gửi email, thanh toán thì để agent hỏi bạn trước.

Bắt đầu dùng AI agent

Năm bước cho lần đầu:

1. Chọn một việc cụ thể, lặp lại và dễ kiểm tra kết quả, như sửa một lỗi có test hoặc gom số liệu từ vài file thành một bảng.
2. Chọn công cụ hợp với nơi việc diễn ra: mã nguồn thì coding agent, tài liệu và trình duyệt thì agent văn phòng.
3. Viết yêu cầu gồm mục tiêu, giới hạn (không được sửa gì) và thế nào là xong.
4. Cho agent lên kế hoạch trước, duyệt kế hoạch rồi mới cho làm.
5. Kiểm tra kết quả, rồi mới nới quyền hoặc giao việc dài hơn.

Câu hỏi thường gặp