Từ Language Model đến AI Agent: Hệ thống Agentic thực sự hoạt động như thế nào

Hãy tưởng tượng Ari vừa bắt đầu ngày làm việc đầu tiên tại một công ty nhỏ.

Cuối tháng này, công ty muốn tổ chức một buổi chia sẻ cho khoảng 30 khách hàng. Chương trình diễn ra trong nửa ngày, có phần trình bày, hỏi đáp và một bữa ăn nhẹ. Ngân sách không lớn. Nhân sự trong công ty cũng đang bận với công việc thường ngày.

Người quản lý giao cho Ari một yêu cầu:

Giúp tôi chuẩn bị buổi gặp khách hàng cuối tháng. Lập kế hoạch, mời khách, theo dõi người tham dự và bảo đảm mọi thứ sẵn sàng trước ngày tổ chức.

Ari trả lời rất nhanh. Chỉ trong vài giây, Ari đã viết ra một danh sách dài: chọn ngày, đặt phòng, làm thư mời, chuẩn bị nước uống, kiểm tra máy chiếu và gửi lời nhắc.

Danh sách nghe hợp lý.

Nhưng khi người quản lý hỏi tiếp: "Phòng họp thứ Bảy còn trống không? Danh sách khách hàng nằm ở đâu? Có bao nhiêu người đã xác nhận?", Ari không trả lời được.

Ari biết cách viết một kế hoạch. Ari chưa thể tự làm công việc.

Khoảng cách đó chính là câu chuyện của bài viết này.

Chúng ta sẽ theo Ari từ lúc chỉ biết tạo câu trả lời đến khi có thể hỗ trợ một công việc thật từ đầu đến cuối. Mỗi lần Ari gặp một khó khăn, hệ thống sẽ được bổ sung thêm một lớp. Đến cuối câu chuyện, những cái tên như Model, Tools, Agent Loop, Memory hay Skills sẽ không còn là định nghĩa trừu tượng. Chúng chỉ là tên gọi cho những thứ Ari cần để làm việc tử tế.

Ari là nhân vật dùng để kể chuyện. Bên dưới vẫn là một hệ thống phần mềm nhận thông tin, chọn hành động, sử dụng Tools, đọc kết quả và tiếp tục cho đến khi công việc hoàn thành hoặc cần con người quyết định.

Giai đoạn 1 - Ari biết suy nghĩ và viết (Model)

Ở ngày đầu tiên, Ari có một Model rất tốt.

Khi nghe yêu cầu tổ chức buổi gặp khách hàng, Ari hiểu người quản lý muốn gì. Ari có thể viết kế hoạch, gợi ý nội dung thư mời và dự đoán những việc dễ bị quên.

Nếu được hỏi "một buổi gặp 30 người cần chuẩn bị gì?", Ari có thể đưa ra câu trả lời khá đầy đủ:

• Chọn ngày và giờ.
• Kiểm tra địa điểm.
• Lập danh sách khách mời.
• Gửi thư mời.
• Theo dõi xác nhận tham dự.
• Chuẩn bị chỗ ngồi, nước uống và thiết bị.
• Gửi lời nhắc trước sự kiện.

Đây là việc Model làm tốt: đọc yêu cầu, hiểu ý và tạo ra nội dung phù hợp.

Nhưng Model không biết phòng họp của công ty có đang được dùng vào ngày đó hay không. Nó không thấy danh bạ khách hàng. Nó không biết ngân sách thực tế còn bao nhiêu. Nó cũng không thể gọi cho nhà cung cấp hoặc đánh dấu một người đã xác nhận tham dự.

Model giống một người có nhiều kiến thức nhưng đang ngồi trong căn phòng kín. Người đó có thể tư vấn rất hay, nhưng chưa nhìn thấy tình hình bên ngoài và chưa chạm được vào công việc thật.

Vì vậy, Ari mới chỉ có phần "biết nghĩ". Ari chưa có môi trường để làm việc.

Giai đoạn 2 - Ari hiểu đúng việc cần làm (Prompt và Context)

Người quản lý nhận ra yêu cầu ban đầu còn quá rộng. Cô bổ sung thêm thông tin:

Buổi gặp dành cho khách hàng cũ, dự kiến 30 người. Công ty muốn tổ chức vào sáng thứ Bảy cuối tháng tại văn phòng. Ngân sách tối đa 12 triệu đồng. Không khí nên thân thiện, không quá trang trọng. Trước khi gửi thư mời hoặc đặt cọc, hãy đưa tôi kiểm tra.

Bây giờ Ari làm tốt hơn hẳn.

Ari không còn đề xuất thuê một hội trường lớn. Ari biết nên tận dụng văn phòng nếu còn chỗ. Thư mời cũng bớt kiểu nghi lễ và gần với cách công ty vẫn nói chuyện với khách hàng.

Phần yêu cầu trực tiếp là Prompt.

Những thông tin giúp Ari hiểu tình hình là Context: số khách, thời gian, địa điểm mong muốn, ngân sách, phong cách chương trình và những việc cần được duyệt.

Không cần nhớ hai từ này như một bài kiểm tra. Chỉ cần hình dung một việc quen thuộc:

Nếu nhờ ai đó "mua đồ ăn cho cả nhà", họ vẫn cần biết có bao nhiêu người, ăn vào lúc nào, có ai ăn chay không và ngân sách là bao nhiêu.

Prompt cho Ari biết cần đạt kết quả gì. Context giúp Ari không đưa ra một kế hoạch xa rời thực tế.

Nhưng dù đã hiểu yêu cầu, Ari vẫn chưa biết sáng thứ Bảy đó phòng họp có trống không. Ari cần tự kiểm tra thay vì tiếp tục hỏi người quản lý từng chi tiết.

Giai đoạn 3 - Ari có thể nhìn và làm (Tools)

Công ty kết nối Ari với một số Tools quen thuộc:

• Calendar để xem lịch sử dụng phòng.
• Danh bạ khách hàng để lấy thông tin liên hệ.
• Spreadsheet để theo dõi khách mời và chi phí.
• Email để soạn thư mời.
• Bản đồ để tìm nhà cung cấp đồ ăn gần văn phòng.
• Kho tài liệu để xem mẫu chương trình của những lần tổ chức trước.

Lần đầu tiên, Ari có thể nhìn thấy tình hình thật.

Ari mở Calendar và phát hiện phòng họp đã được đặt vào sáng thứ Bảy. Buổi chiều vẫn còn trống.

Ari đọc danh sách khách hàng và tìm được 42 người phù hợp. Ari tạo một Spreadsheet gồm tên, số điện thoại, email, trạng thái phản hồi và ghi chú về đồ ăn.

Ari tìm ba nhà cung cấp gần văn phòng rồi ghi lại mức giá tham khảo.

Ari cũng soạn một thư mời, nhưng chưa gửi vì người quản lý yêu cầu phải kiểm tra trước.

Đó là vai trò của Tools. Chúng cho Ari khả năng quan sát hoặc thay đổi một thứ nằm ngoài câu trả lời.

Calendar không tự quyết định nên chuyển chương trình sang buổi chiều. Email không tự biết thư mời đã đủ lịch sự chưa. Spreadsheet không tự biết cần mời 42 người hay chỉ 30 người.

Tools giống như tay, mắt và điện thoại của một nhân viên. Có dụng cụ chưa có nghĩa công việc sẽ tự hoàn thành. Ari vẫn phải biết dùng Tool nào, vào lúc nào và làm gì sau khi nhận kết quả.

Giai đoạn 4 - Ari biết làm việc theo từng bước (Agent Loop)

Ari bắt đầu xử lý công việc theo một nhịp đơn giản.

Đầu tiên, Ari kiểm tra Calendar. Phòng họp buổi sáng đã có người dùng.

Ari không dừng lại ở câu "phòng đã bận". Ari xem tiếp buổi chiều, kiểm tra lịch của người trình bày rồi đề xuất chuyển chương trình sang 14 giờ.

Người quản lý đồng ý.

Ari cập nhật kế hoạch, sửa thư mời và đưa bản mới để duyệt. Sau khi được đồng ý, Ari gửi thư cho 42 khách hàng.

Hai ngày sau, Ari kiểm tra phản hồi:

• 21 người xác nhận tham dự.
• 8 người từ chối.
• 13 người chưa trả lời.

Ari gửi lời nhắc nhẹ cho 13 người chưa phản hồi. Số người tham dự tăng lên 31.

Sau đó có thêm năm khách xác nhận. Tổng số thành 36, nhiều hơn số ghế ban đầu.

Ari kiểm tra kho thiết bị, phát hiện công ty chỉ có 32 ghế phù hợp. Ari đề xuất mượn thêm bốn ghế từ phòng làm việc bên cạnh thay vì thuê ngoài.

Cứ như vậy, mỗi kết quả mới lại dẫn đến một hành động tiếp theo:

Hiểu việc cần làm
        |
Kiểm tra tình hình
        |
Chọn hành động tiếp theo
        |
Sử dụng Tool
        |
Đọc kết quả
        |
Điều chỉnh kế hoạch
        |
Kiểm tra lại

Nhịp làm việc lặp lại này được gọi là Agent Loop.

Điểm quan trọng không nằm ở cái tên. Điểm quan trọng là Ari không đưa ra một kế hoạch rồi biến mất. Ari nhìn xem hành động vừa rồi tạo ra kết quả gì, sau đó tiếp tục xử lý tình hình mới.

Đó cũng là cách một người trợ lý tốt làm việc ngoài đời.

Giai đoạn 5 - Ari không quên mình đang ở đâu (Memory và State)

Khi công việc kéo dài qua nhiều ngày, Ari bắt đầu có nguy cơ nhầm lẫn.

Hôm thứ Hai có 21 người xác nhận. Đến thứ Tư là 31. Cuối tuần con số thành 36. Một khách báo ăn chay. Hai khách sẽ đến muộn. Nhà cung cấp A rẻ hơn nhưng chỉ giao trước 12 giờ. Nhà cung cấp B đắt hơn một chút nhưng có thể giao đúng 13 giờ 30.

Nếu tất cả chỉ nằm trong đoạn hội thoại dài, Ari rất dễ lấy nhầm con số cũ hoặc hỏi lại điều đã được trả lời.

Vì vậy, Ari cần giữ State của công việc:

• Thời gian đã chốt: 14 giờ, thứ Bảy cuối tháng.
• Số khách đã xác nhận: 36.
• Số phần ăn chay: 1.
• Số ghế cần bổ sung: 4.
• Nhà cung cấp đang được đề xuất: B.
• Thư mời đã gửi.
• Lời nhắc cuối chưa gửi.
• Khoản đặt cọc đang chờ duyệt.

State giống bảng công việc đang mở trên bàn. Nó cho Ari biết chuyện gì đã xảy ra và bước tiếp theo là gì.

Memory đi xa hơn một chút.

Sau vài lần làm việc với công ty, Ari có thể ghi nhớ những điều ổn định: công ty thích thư mời ngắn, không dùng ly nhựa trong sự kiện, luôn cần một phương án dự phòng khi trời mưa và mọi khoản chi trên hai triệu đồng phải được quản lý duyệt.

Những điều này không chỉ có ích cho buổi gặp hiện tại. Chúng còn giúp lần tổ chức sau đỡ phải giải thích lại từ đầu.

Memory tốt không có nghĩa lưu mọi thứ mãi mãi. Ari không nên giữ thông tin nhạy cảm không cần thiết. Ari cũng phải chấp nhận rằng quy định có thể thay đổi.

Điều cần nhớ rất đời thường:

State giúp Ari theo kịp công việc đang diễn ra. Memory giúp Ari không quên những điều hữu ích qua nhiều lần làm việc.

Giai đoạn 6 - Có đủ Tools vẫn có thể làm việc lộn xộn (Reliability Gap)

Đến đây, Ari đã có khá nhiều khả năng.

Ari có thể đọc lịch, gửi email, cập nhật danh sách, tìm nhà cung cấp và theo dõi chi phí. Nhưng nếu không có một cách làm ổn định, Ari vẫn có thể gây ra rắc rối.

Ví dụ, trong một lần chuẩn bị khác, Ari có thể:

• Gửi thư mời trước khi người quản lý xem nội dung.
• Mời nhầm cả khách hàng đã yêu cầu không nhận email sự kiện.
• Đặt 30 phần ăn theo kế hoạch ban đầu dù đã có 36 người xác nhận.
• Quên phần ăn chay vì ghi chú nằm ở một chỗ khác.
• Đặt cọc hai nhà cung cấp do không cập nhật trạng thái.
• Gửi lời nhắc hai lần cho cùng một nhóm khách.

Không phải vì Ari thiếu Tools. Vấn đề là Ari chưa có một trình tự đáng tin cậy.

Một người mới đi làm cũng thường gặp tình huống này. Họ có email, điện thoại và file theo dõi, nhưng vẫn dễ thiếu bước vì chưa quen quy trình của công ty.

Khoảng cách giữa "có thể làm" và "làm ổn định" được gọi là Reliability Gap.

Tên gọi nghe kỹ thuật, nhưng vấn đề rất quen thuộc: hôm nay làm đúng, lần sau lại quên một bước.

Ari cần một cẩm nang.

Giai đoạn 7 - Ari có một cách làm đã được kiểm chứng (Skills và Workflows)

Công ty đưa cho Ari một Workflow tổ chức sự kiện nhỏ.

Workflow này không viết dài dòng. Nó chỉ sắp xếp những việc quan trọng theo đúng thứ tự:

1. Xác nhận mục tiêu, số khách, ngày giờ và ngân sách.
2. Kiểm tra phòng và người trình bày.
3. Chuẩn bị danh sách khách mời.
4. Soạn thư mời và chờ duyệt.
5. Gửi thư, theo dõi phản hồi và cập nhật số người tham dự.
6. Hỏi nhu cầu ăn uống.
7. Chọn nhà cung cấp và xin duyệt chi phí.
8. Kiểm tra ghế, máy chiếu, âm thanh và biển hướng dẫn.
9. Gửi lời nhắc cuối.
10. Kiểm tra toàn bộ một lần nữa trước ngày tổ chức.

Workflow còn nói rõ phải làm gì nếu số khách vượt sức chứa, nhà cung cấp hủy đơn hoặc thời tiết xấu.

Khi Workflow, mẫu thư mời, bảng kiểm và cách xử lý lỗi được đóng gói để Ari có thể dùng lại, chúng tạo thành một Skill.

Skill không làm Ari thông minh hơn theo kiểu biết thêm mọi thứ trên đời. Skill giúp Ari làm một loại công việc quen thuộc chắc tay hơn.

Sự khác nhau giữa Tool và Skill lúc này khá dễ thấy:

Email là Tool. Quy trình chuẩn bị, duyệt, gửi và theo dõi thư mời là Skill.

Spreadsheet là Tool. Cách dùng bảng để theo dõi khách, đồ ăn, chi phí và việc còn thiếu là Skill.

Nhờ Skill, Ari không phải nghĩ lại toàn bộ cách tổ chức sự kiện mỗi lần nhận yêu cầu mới.

Giai đoạn 8 - Ari hiểu cách công ty này làm việc (Persistent Guidance)

Workflow giúp Ari biết các bước cần làm. Nhưng mỗi nơi lại có một cách làm khác nhau.

Công ty của Ari có những quy ước riêng:

• Thư gửi khách hàng dùng giọng thân thiện, không quá trang trọng.
• Không gửi email quảng bá cho người đã từ chối nhận thông tin.
• Không dùng ly nhựa dùng một lần.
• Ưu tiên nhà cung cấp trong bán kính năm kilomet.
• Mọi khoản chi trên hai triệu đồng cần được duyệt.
• Trước sự kiện một ngày phải gọi lại cho nhà cung cấp.
• Không chia sẻ danh sách khách mời ra ngoài công ty.

Những quy tắc này không chỉ dành cho buổi gặp cuối tháng. Chúng ảnh hưởng đến nhiều công việc khác trong cùng môi trường.

Đó là Persistent Guidance.

Có thể hiểu đơn giản: Skill là cẩm nang cho một việc. Persistent Guidance là cách làm việc chung của nơi Ari đang làm.

Nếu Ari chuyển sang hỗ trợ một trường học, cửa hàng hoặc tổ chức thiện nguyện, Guidance sẽ khác. Có nơi ưu tiên chi phí thấp. Có nơi yêu cầu mọi nội dung phải song ngữ. Có nơi không cho phép liên hệ khách hàng ngoài giờ làm việc.

Ari không nên mang nguyên quy tắc của công ty này sang một nơi khác.

Guidance cần đúng phạm vi.

Giai đoạn 9 - Ari biết việc nào được tự làm, việc nào phải hỏi (Guardrails và Permissions)

Ngày đặt cọc sắp đến. Nhà cung cấp yêu cầu chuyển ba triệu đồng để giữ đơn.

Ari đã có đủ thông tin: giá hợp lý, thời gian giao phù hợp và số lượng phần ăn đã chốt.

Nhưng Ari không tự chuyển tiền.

Quy định công ty yêu cầu mọi khoản chi trên hai triệu đồng phải được quản lý duyệt. Ari chuẩn bị phần tóm tắt, đính kèm báo giá và gửi yêu cầu xác nhận.

Sau khi được duyệt, người có quyền thanh toán mới thực hiện giao dịch.

Đây là lúc Guardrails và Permissions phát huy tác dụng.

Ari có thể:

• Đọc Calendar.
• Cập nhật Spreadsheet.
• Soạn thư mời.
• Chuẩn bị đề xuất nhà cung cấp.
• Gửi lời nhắc theo mẫu đã duyệt.

Ari không thể tự ý:

• Chi tiền.
• Gửi thư hàng loạt khi nội dung chưa được duyệt.
• Chia sẻ danh sách khách hàng ra ngoài.
• Xóa toàn bộ danh sách sự kiện.
• Thay đổi lịch của người khác nếu chưa được phép.

Guidance nói Ari nên làm gì. Permissions quyết định Ari có quyền làm gì.

Sự khác biệt này rất quan trọng. Một tờ giấy ghi "không được tự chi tiền" là lời nhắc hữu ích. Nhưng tài khoản của Ari vốn không có quyền chuyển tiền mới là lớp bảo vệ chắc chắn hơn.

Agent làm được việc thật thì cũng có thể gây ra hậu quả thật. Vì vậy, hệ thống tốt không chỉ mong Ari luôn nhớ đúng. Nó còn giới hạn những hành động có rủi ro cao.

Giai đoạn 10 - Mọi thứ được đặt vào đúng chỗ (Runtime Configuration)

Đến đây, Ari đã có đủ các phần cần thiết để hỗ trợ buổi gặp khách hàng:

• Model giúp Ari hiểu yêu cầu và soạn nội dung.
• Prompt và Context cho Ari biết mục tiêu, ngân sách và tình hình thực tế.
• Tools kết nối Ari với Calendar, danh bạ, Spreadsheet, email và bản đồ.
• Agent Loop giúp Ari tiếp tục xử lý sau mỗi thay đổi.
• Memory và State giữ đúng số khách, việc đã làm và việc đang chờ.
• Skill cung cấp Workflow tổ chức sự kiện.
• Persistent Guidance giữ Ari trong cách làm việc của công ty.
• Guardrails và Permissions chặn những hành động Ari không được tự quyết.

Phần còn lại là kết nối chúng thành một môi trường vận hành.

Hệ thống phải biết Model nào được dùng, Tools nào đang mở, tài khoản nào được kết nối, Skill nào có sẵn và hành động nào cần người quản lý duyệt. Cách sắp xếp đó được gọi là Runtime Configuration.

Buổi gặp cuối tháng rồi cũng đến.

Trước giờ đón khách, Ari kiểm tra lại danh sách:

• 36 khách đã xác nhận.
• 40 ghế đã sẵn sàng.
• Một phần ăn chay đã được ghi chú riêng.
• Nhà cung cấp xác nhận giao lúc 13 giờ 30.
• Máy chiếu và micro đã được thử.
• Biển hướng dẫn đã in.
• Lời nhắc cuối đã gửi.
• Khoản đặt cọc đã được người có quyền phê duyệt và thanh toán.

Ari không đứng trên sân khấu. Ari cũng không thay người quản lý tiếp khách.

Ari chỉ giúp những việc nhỏ được nối với nhau, không bị quên và được xử lý đúng lúc.

Đó là lúc Ari không còn chỉ là một hệ thống tạo câu trả lời. Ari đã trở thành một agent có thể hỗ trợ công việc.

Nhìn lại câu chuyện của Ari

Nếu bỏ hết thuật ngữ, hành trình của Ari rất đơn giản:

Ban đầu, Ari chỉ biết viết kế hoạch.
        |
Ari được cung cấp thông tin thật về công việc.
        |
Ari được kết nối với lịch, danh sách, email và bảng theo dõi.
        |
Ari làm từng bước, đọc kết quả rồi điều chỉnh.
        |
Ari ghi nhớ tiến độ và những điều quan trọng.
        |
Ari làm theo một quy trình đã được kiểm chứng.
        |
Ari tuân theo cách làm việc của công ty.
        |
Ari chỉ thực hiện những hành động được phép.

Các thuật ngữ kỹ thuật chỉ đặt tên cho từng phần trong câu chuyện:

Trong câu chuyện	Tên kỹ thuật
Khả năng hiểu yêu cầu và viết nội dung	Model
Yêu cầu và thông tin về buổi gặp	Prompt và Context
Calendar, email, Spreadsheet và bản đồ	Tools
Làm, kiểm tra kết quả rồi tiếp tục	Agent Loop
Danh sách việc đang diễn ra và điều cần nhớ	State và Memory
Cẩm nang tổ chức sự kiện	Skill và Workflow
Quy tắc làm việc của công ty	Persistent Guidance
Việc được phép làm và việc phải xin duyệt	Guardrails và Permissions
Cách toàn bộ hệ thống được kết nối	Runtime Configuration

Bạn không cần thuộc lòng bảng này để hiểu AI agent.

Chỉ cần nhớ một điều:

Model có thể đưa ra một câu trả lời hay. Agent phải có khả năng theo công việc đến cùng, nhìn thấy kết quả và biết khi nào cần dừng để hỏi con người.

Tìm hiểu tiếp với Codex

Codex là một ví dụ cụ thể cho nhiều lớp trong câu chuyện của Ari.

Codex có thể kết nối với hệ thống bên ngoài qua MCP Tools. Skills giúp Codex làm những việc lặp lại theo một cách ổn định. AGENTS.md cho Codex biết quy tắc của người dùng và repository. Agent Loop nối các bước thành một quá trình làm việc có thể kiểm tra.

Đọc tiếp Codex hoạt động như thế nào: MCP Tools, Skills và AGENTS.md.

Lời kết

AI agent không nhất thiết phải bắt đầu từ những công việc phức tạp.

Hãy bắt đầu bằng một việc rất bình thường: chuẩn bị một buổi gặp, sắp xếp lịch, theo dõi người tham dự, nhắc những việc dễ quên và xin phép trước khi thực hiện hành động quan trọng.

Qua một công việc như vậy, chúng ta có thể thấy điều gì làm nên một agent đáng tin cậy.

Không phải chỉ vì Model thông minh.

Mà vì cả hệ thống giúp Model hiểu đúng tình hình, sử dụng đúng Tools, giữ được mạch công việc, làm theo quy trình, tôn trọng quy tắc và dừng lại đúng lúc khi cần con người quyết định.