AI Agents & Agentic AI
Trang chủ / Module 10
🕸️ Module 10 / 16 · 2 tuần

Multi-agent Systems — Khi nào nhiều agent tốt hơn một

Lý do thật sự để dùng nhiều agent (cách ly context, song song hoá), các kiểu tổ chức, nghệ thuật viết bản giao việc, và những trường hợp multi-agent làm mọi thứ tệ đi.

Multi-agentSubagentOrchestrationHandoff
📌 Vì sao module này quan trọng

Multi-agent là chủ đề hấp dẫn nhất và bị lạm dụng nhiều nhất. Sơ đồ có "Agent nghiên cứu", "Agent viết", "Agent kiểm duyệt" trông rất thuyết phục — nhưng mỗi ranh giới giữa hai agent là một chỗ thông tin bị rơi rụng, và tổng chi phí token có thể gấp hàng chục lần một lời gọi chat. Lý do chính đáng để tách agent không phải là "mỗi agent một vai trò cho giống đội người", mà là quản lý context và chạy song song. Module này giúp bạn tách đúng chỗ, và quan trọng không kém, không tách ở chỗ không nên.

🎯 Mục tiêu học tập

  • Nêu được hai lý do kỹ thuật chính đáng để dùng multi-agent và cái giá phải trả
  • Phân biệt các kiểu tổ chức: orchestrator-subagent, handoff, pipeline, người thẩm định độc lập
  • Cài đặt subagent như một tool, chạy song song, với model và bộ tool riêng
  • Viết bản giao việc đủ để subagent làm đúng mà không có context của agent cha
  • Nhận diện các kiểu thất bại đặc thù của multi-agent và khi nào nên quay về một agent

Lý do thật sự để tách agent

Lý do chính đángGiải thích
Cách ly contextSubagent đọc 50 file / 30 trang web trong context riêng, chỉ trả về 1-2 nghìn token tóm tắt. Context của agent chính sạch, tập trung vào điều phối
Song song hoáCác phần việc độc lập chạy đồng thời — rút thời gian từ giờ xuống phút
Chuyên biệt hoá cấu hìnhBộ tool, quyền hạn, model khác nhau cho từng phần: subagent chỉ đọc dùng model nhỏ rẻ; agent chính dùng model mạnh
Góc nhìn độc lậpNgười thẩm định không thấy quá trình làm nên không bị dẫn dắt bởi lập luận đã sinh lỗi
Cái giáChi tiết
TokenTheo số liệu Anthropic công bố từ hệ nghiên cứu của họ: agent đơn dùng khoảng 4 lần token so với chat, hệ multi-agent khoảng 15 lần
Mất thông tin ở ranh giớiSubagent chỉ biết những gì bản giao việc nói; agent cha chỉ biết những gì bản tóm tắt nói
Quyết định mâu thuẫnHai subagent song song tự đưa ra các giả định ngầm khác nhau, sản phẩm không khớp
Khó debugLỗi lan qua nhiều context; cần tracing tốt (Module 15)
💡 Phép thử nhanh

Multi-agent đáng dùng khi công việc (a) chia được thành các phần độc lập, (b) mỗi phần cần đọc nhiều nhưng kết quả cô đọng được, và (c) giá trị đủ cao để bù chi phí. Nghiên cứu, rà soát diện rộng, khám phá codebase: hợp. Viết một tính năng mà các phần phụ thuộc chặt vào nhau: thường không hợp.

Các kiểu tổ chức

KiểuCách hoạt độngMạnhYếu
Orchestrator-subagentAgent chính giao việc cho subagent như gọi tool, nhận kết quả, quyết định tiếp. Người dùng chỉ nói chuyện với agent chínhĐiều khiển tập trung, dễ hiểu; phổ biến nhấtAgent chính là nút cổ chai; chi phí tóm tắt
HandoffAgent A chuyển hẳn cuộc hội thoại (và quyền điều khiển) cho agent B chuyên tráchMỗi agent prompt/tool gọn; hợp CSKH nhiều bộ phậnMất ngữ cảnh khi chuyển; có thể chuyển qua lại vòng vo
PipelineChuỗi cố định các agent, mỗi agent một giai đoạnDự đoán được; mỗi giai đoạn test riêngCứng; lỗi đầu chuỗi lan xuống
Người làm + người thẩm địnhMột agent làm, một agent context sạch tìm lỗiBắt lỗi agent tự xét không thấyGấp đôi chi phí; có thể bắt bẻ vô ích
Phân cấp nhiều tầngSubagent lại có subagentViệc rất lớnMất thông tin qua mỗi tầng; hiếm khi cần
Ngang hàng / tranh luậnCác agent trao đổi tự doNghiên cứu, mô phỏngKhó kiểm soát, dễ lặp vô tận; ít dùng trong production

Mặc định hợp lý cho production: orchestrator-subagent, một tầng. Chỉ thêm độ phức tạp khi có bằng chứng là cần.

Code: subagent như một tool, chạy song song

from concurrent.futures import ThreadPoolExecutor

SUBAGENT_SYSTEM = '''Bạn là agent nghiên cứu phụ. Bạn nhận một nhiệm vụ cụ thể từ agent điều phối.
Hoàn thành đúng phạm vi được giao, rồi trả về báo cáo cô đọng theo định dạng được yêu cầu.
Người đọc báo cáo là một agent khác, không thấy quá trình làm việc của bạn — mọi thứ quan trọng phải nằm
trong báo cáo cuối.'''

def run_subagent(brief: str) -> str:
    # Context hoàn toàn mới: chỉ có system prompt và bản giao việc
    runner = client.beta.messages.tool_runner(
        model="claude-haiku-4-5",                 # việc đọc/tìm: model nhỏ hơn, rẻ hơn
        max_tokens=16000,
        system=SUBAGENT_SYSTEM,
        tools=[kb_search, kb_read],               # bộ tool hẹp, chỉ đọc
        messages=[{"role": "user", "content": brief}],
    )
    final = runner.until_done()
    return "".join(b.text for b in final.content if b.type == "text")

@beta_tool
def delegate_research(briefs: list[str]) -> str:
    '''Giao các nhiệm vụ nghiên cứu độc lập cho các agent phụ chạy song song.

    Mỗi agent phụ bắt đầu với context trống: nó KHÔNG thấy hội thoại này. Mỗi bản giao việc phải tự đủ:
    mục tiêu và nó phục vụ cho điều gì, phạm vi (làm gì và không làm gì), những gì đã biết, và định dạng
    kết quả mong muốn. Chỉ tách thành nhiều nhiệm vụ khi chúng thật sự độc lập với nhau.

    Args:
        briefs: Danh sách bản giao việc, tối đa 5.
    '''
    with ThreadPoolExecutor(max_workers=5) as pool:
        reports = list(pool.map(run_subagent, briefs[:5]))
    return "\n\n".join(f"### Báo cáo {i+1}\n{r}" for i, r in enumerate(reports))

lead = client.beta.messages.tool_runner(
    model="claude-opus-5-5",                      # điều phối và tổng hợp: model mạnh
    max_tokens=16000,
    system=LEAD_SYSTEM,
    tools=[delegate_research, kb_search],
    messages=[{"role": "user", "content": question}],
)

Những điểm thiết kế đáng chú ý:

  • Subagent là một lời gọi tool từ góc nhìn agent chính — không cần giao thức gì đặc biệt.
  • Mô tả tool dạy agent chính cách giao việc — đây là prompt quan trọng nhất của cả hệ.
  • Giới hạn cứng số subagent mỗi lần và không cho subagent tool giao việc tiếp (chặn đệ quy vô hạn).
  • Giữ vòng chính trên một model để tận dụng cache; việc rẻ đẩy xuống subagent.
  • Agent chính vẫn có kb_search để tự làm việc nhỏ — không phải việc gì cũng cần giao.

Nghệ thuật viết bản giao việc

Lỗi phổ biến nhất của hệ multi-agent: bản giao việc quá ngắn. Agent chính đã đọc 40 lượt hội thoại nên với nó "tìm hiểu về vụ thiếu chip" là đủ rõ; subagent nhận đúng 6 chữ đó và phải đoán mọi thứ còn lại.

Thành phầnVí dụ
Mục tiêu và nó phục vụ điều gì"Tìm nguyên nhân thiếu hụt chip ô tô 2021. Kết quả dùng cho phần 'bối cảnh' của báo cáo rủi ro chuỗi cung ứng cho ban giám đốc"
Thế nào là xong"3-5 nguyên nhân chính, mỗi nguyên nhân có ít nhất một nguồn gốc"
Phạm vi và ranh giới"Chỉ ngành ô tô, giai đoạn 2020-2022. Không phân tích tác động tài chính — phần đó đã có agent khác làm"
Những gì đã biết"Đã xác nhận nhu cầu điện tử tiêu dùng tăng là một nguyên nhân — không cần tìm lại"
Điểm khó"Nhiều bài lẫn lộn thiếu chip nói chung với thiếu chip node cũ dùng cho ô tô — cần phân biệt"
Định dạng trả về"Danh sách gạch đầu dòng; đánh dấu rõ điều đã xác minh và điều suy luận; kèm URL"

Chiều ngược lại cũng quan trọng: kết quả subagent là bằng chứng, không phải sự thật. Subagent có thể thay thế bài toán khó bằng bài dễ hơn, báo thành công cho việc chưa xong, hoặc bịa chi tiết. Agent chính nên kiểm tra mức độ tương xứng với rủi ro — và prompt nên nói rõ điều đó.

Với sản phẩm lớn (file, bộ dữ liệu), cho subagent ghi ra nơi lưu chung rồi chỉ trả về đường dẫn kèm tóm tắt — tránh "trò chơi truyền tin" khi nội dung dài bị chép lại qua nhiều tầng.

Khi nào KHÔNG nên dùng multi-agent

Lập luận phản biện nổi tiếng (từ đội Cognition, tác giả Devin): trong các tác vụ mà các phần phụ thuộc nhau, mỗi hành động đều mang theo quyết định ngầm. Hai subagent làm song song không thấy quyết định của nhau, nên tạo ra các phần không ăn khớp — một bên vẽ nền theo phong cách này, bên kia vẽ nhân vật theo phong cách khác. Hai nguyên tắc rút ra:

  1. Chia sẻ context đầy đủ, không chỉ thông điệp rời rạc.
  2. Hành động hàm chứa quyết định; quyết định mâu thuẫn cho kết quả tồi.

Hai quan điểm (Anthropic: multi-agent rất hiệu quả cho nghiên cứu; Cognition: đừng xây multi-agent) thực ra nhất quán khi nhìn vào loại việc:

Loại việcKhuyến nghị
Chủ yếu đọc, các phần độc lập (nghiên cứu, rà soát, khám phá)Multi-agent song song hợp
Chủ yếu ghi, các phần phụ thuộc chặt (viết một tính năng, một tài liệu thống nhất)Một agent ghi; subagent chỉ để thu thập thông tin
Ghi song song thật sự cần thiếtPhân vùng rõ (mỗi agent một nhóm file riêng), chốt giao diện/quy ước trước, và có bước tích hợp
Tác vụ nhỏ, context vừa đủMột agent — chi phí điều phối lớn hơn lợi ích

Các kiểu thất bại đặc thù

Thất bạiBiểu hiệnPhòng tránh
Giao việc mơ hồSubagent làm sai việc hoặc trùng việc nhauBản giao việc đủ 6 thành phần; nêu ranh giới giữa các subagent
Huy động quá mức10 subagent cho câu hỏi đơn giảnQuy tắc mở rộng theo độ khó trong prompt; giới hạn cứng
Trò chơi truyền tinChi tiết quan trọng rơi rụng qua tóm tắtĐịnh dạng trả về có cấu trúc; ghi sản phẩm ra file chung
Tin kết quả mù quángAgent chính báo lại nguyên văn điều subagent bịaYêu cầu bằng chứng; kiểm tra chéo điểm quan trọng
Vòng lặp chuyển giaoA chuyển B, B chuyển lại AĐếm số lần chuyển; điều kiện kết thúc rõ
Không ai kết thúcMỗi agent nghĩ agent khác sẽ xác minh/hoàn tấtMột chủ thể duy nhất chịu trách nhiệm kết quả cuối
Xung đột khi ghiHai agent sửa cùng filePhân vùng; một agent ghi; không gian làm việc tách (git worktree)

🏋️ Bài tập thực hành

Đo lợi ích thật của multi-agent

Lấy agent nghiên cứu ở Module 8. Xây phiên bản orchestrator-subagent theo mẫu code trên, với prompt cho agent điều phối có quy tắc mở rộng theo độ khó và hướng dẫn viết bản giao việc. Trên 12 câu hỏi (4 đơn giản, 4 so sánh, 4 rộng), so sánh agent đơn và multi-agent theo: chất lượng (chấm theo danh sách điểm cần có), tổng token, thời gian. Đọc transcript và phân loại mọi lỗi của bản multi-agent theo bảng thất bại ở trên. Sau đó làm thí nghiệm phản chứng: giao cho hệ multi-agent một tác vụ ghi phụ thuộc chặt (ví dụ ba subagent mỗi cái viết một module của cùng một chương trình nhỏ, không có đặc tả giao diện chung) và ghi lại các chỗ không ăn khớp. Kết luận: với bài toán của bạn, ranh giới nên đặt ở đâu?

📚 Tài nguyên học tập

✅ Tự đánh giá hoàn thành

  • Nêu được hai lý do kỹ thuật chính đáng để tách agent và ước lượng được cái giá
  • Cài đặt được subagent như một tool với context, model và bộ tool riêng, chạy song song
  • Bản giao việc của mình có đủ mục tiêu, tiêu chí xong, phạm vi, điều đã biết, định dạng trả về
  • Giải thích được vì sao việc 'đọc' hợp multi-agent hơn việc 'ghi'
  • Có số liệu so sánh agent đơn và multi-agent trên bài toán của mình