Xây dựng một AI Agent hoạt động: Từ điển thực tiễn

Một AI agent là một chương trình nhận một mục tiêu, quyết định một chuỗi hành động, và thực thi những hành động đó bằng các công cụ cho đến khi mục tiêu được đạt hoặc nó từ bỏ. Điều đó khác với chatbot, chỉ đơn giản là phản hồi lại tin nhắn. Một agent lập kế hoạch, gọi hàm, kiểm tra kết quả, và điều chỉnh. Nếu bạn chỉ dùng ChatGPT qua trình duyệt, việc xây dựng agent đầu tiên của bạn là nơi mô hình ngừng là một trình tạo văn bản và bắt đầu trở thành một thành phần trong một hệ thống lớn hơn.

Vòng lặp cốt lõi

Mọi agent, dù được quảng cáo như thế nào, đều chạy một phiên bản của cùng một vòng lặp: quan sát, suy nghĩ, hành động, lặp lại. Cụ thể:

1. Agent nhận một nhiệm vụ ("tìm chuyến bay rẻ nhất tới Lisbon tháng tới và soạn tóm tắt email").
2. Nó gọi LLM với nhiệm vụ cộng với mô tả các công cụ sẵn có.
3. Mô hình trả về hoặc một câu trả lời cuối cùng hoặc một lệnh gọi công cụ, như search_flights(destination="Lisbon", month="2025-06").
4. Mã của bạn thực thi hàm đó, nhận một kết quả thực tế, và đưa nó trở lại vào context của mô hình.
5. Mô hình quyết định làm gì tiếp theo: gọi một công cụ khác, yêu cầu làm rõ, hoặc kết thúc.

Mô hình này thường được gọi là vòng lặp ReAct (reason cộng act), và nó là xương sống của các framework như agent executors của LangChain, agents của LlamaIndex, và function-calling API của OpenAI. Bạn có thể tự triển khai toàn bộ điều này trong dưới 100 dòng Python chỉ với LLM API và một while loop — các framework thêm tiện lợi, không phải phép thuật.

Công cụ là những gì tạo nên một agent

Một mô hình không có công cụ chỉ có thể nói chuyện. Cho nó các hàm và nó có thể hành động. Công cụ thường là các hàm Python đơn giản được bao bọc với một schema mô tả tên, tham số, và mục đích của chúng, để mô hình biết khi nào và cách gọi chúng. Ví dụ:

def get_weather(city: str) -> str:
    """Return current weather for a given city."""
    resp = requests.get(f"https://api.weather.example/v1/{city}")
    return resp.json()["summary"]

Với function-calling của OpenAI, bạn truyền một JSON schema cùng với hàm này, và mô hình xuất ra một lệnh gọi có cấu trúc như {"name": "get_weather", "arguments": {"city": "Lisbon"}} thay vì văn bản tự do. Mã của bạn phân tích cú pháp đó, chạy hàm thực tế, và trả về kết quả dưới dạng một tin nhắn mới trong cuộc trò chuyện. Lặp lại cho đến khi mô hình có đủ thông tin để trả lời.

Bộ nhớ và trạng thái

Một lệnh gọi API duy nhất không có bộ nhớ ngoài cửa sổ context của nó. Agent cần trạng thái rõ ràng: một danh sách tin nhắn đang chạy (lịch sử cuộc trò chuyện), và thường một kho lưu trữ riêng biệt cho các sự kiện dài hạn hơn. Đối với các tác vụ ngắn, một danh sách Python của các dicts đại diện cho cuộc trò chuyện là đủ. Đối với các agent cần nhớ những thứ qua các phiên, bạn sẽ sử dụng một vector database (Chroma, Pinecone, Qdrant) để lưu trữ và truy xuất thông tin quá khứ liên quan qua embeddings.

Đừng quá kỹ lưỡng với điều này từ sớm. Một số "agent" projects bất ngờ thất bại không phải vì LLM yếu mà vì quản lý trạng thái bất cẩn: tin nhắn trùng lặp, tăng trưởng context không bị giới hạn, hoặc mất theo dõi lệnh gọi công cụ nào thuộc về kết quả nào.

Một ví dụ tối thiểu hoạt động

Đây là hình dáng của một agent cơ bản nhất sử dụng API của OpenAI, không có framework:

messages = [{"role": "user", "content": "What's the weather in Lisbon?"}]

while True:
    response = client.chat.completions.create(
        model="gpt-4o",
        messages=messages,
        tools=[weather_tool_schema],
    )
    msg = response.choices[0].message
    if msg.tool_calls:
        for call in msg.tool_calls:
            result = get_weather(**json.loads(call.function.arguments))
            messages.append(msg)
            messages.append({
                "role": "tool",
                "tool_call_id": call.id,
                "content": result,
            })
    else:
        print(msg.content)
        break

Đó là một agent thực sự, hoạt động. Mọi thứ khác — chiến lược lập kế hoạch, phối hợp multi-agent, retrieval pipelines — xây dựng trên vòng lặp này.

Nơi nó bị lỗi

Agent thất bại theo những cách dự đoán được: vòng lặp gọi công cụ vô hạn khi mô hình không thể nói nó thành công, các tham số hàm ảo tưởng, và chi phí chạy trốn từ việc gọi lại các công cụ đắt tiền. Bảo vệ chống lại vòng lặp với một giới hạn lặp lại cứng (nói, 10 bước) và ghi nhật ký mọi lệnh gọi công cụ trong quá trình phát triển. Xác thực các tham số trước khi thực thi bất cứ thứ gì chạm vào một hệ thống thực tế — một agent có thể gửi email hoặc chạy shell commands cần cùng một sanitation đầu vào mà bạn sẽ áp dụng cho mã phải đối mặt với người dùng, vì LLM là, thực chất, một người dùng không đáng tin cậy tạo ra đầu vào đó.

Tiếp theo ở đâu

Một khi vòng lặp hoạt động, những vấn đề thú vị bắt đầu: chọn giữa các thiết kế single-agent và multi-agent, quyết định mức độ tự chủ để cấp, và kiểm tra agent một cách đáng tin cậy khi kết quả của chúng không xác định. Các track AI và Python của Korra Studio bao gồm retrieval-augmented generation, prompt design, và tool-calling patterns chi tiết hơn nếu bạn muốn tiếp tục xây dựng từ đây.