Agent Anatomy
Agent Anatomy
Bài 79 trả lời 'Agent là gì?' (hành vi). Bài này trả lời 'Bộ phận nào tạo ra hành vi đó?' (cấu trúc): 8 bộ phận — Goal, Reasoning, Planning, Memory, Tools, Execution Loop, Observation, Feedback — giúp bạn chẩn đoán agent không hoạt động đúng đang thiếu bộ phận nào.
Nắm vững nguyên lý và khái niệm nền tảng trước khi đi vào công cụ thực tế.
Áp dụng quy trình từng bước, case study thực chiến và template mẫu có sẵn.
Kiểm tra checklist hoàn thành, né tránh các sai lầm kinh điển để vận hành bền vững.
Nắm vững các khái niệm nền tảng, cơ chế hoạt động và mô hình tư duy cốt lõi.
1. Khái niệm cốt lõi
Agent Anatomy là tập hợp các bộ phận cấu thành bên trong 1 agent — phối hợp với nhau để tạo ra hành vi “theo đuổi mục tiêu, tự quyết định, điều chỉnh” đã học ở bài 79.
Ở mức tổng quát nhất, 1 agent gồm 3 lớp:
- Model — bộ não suy luận, ra quyết định (hiện thực hóa 2 đặc điểm Reasoning và Planning đã học bài 79).
- Tools — cách agent chạm vào thế giới thật để hành động (hiện thực hóa đặc điểm Tool use — cơ chế kỹ thuật cụ thể đã học đầy đủ ở Level 7, không nhắc lại ở đây).
- Instructions — hướng dẫn định hình hành vi agent (mục tiêu, ràng buộc, ranh giới).
Bài này đi sâu hơn 3 lớp trên, tách thành 8 bộ phận cụ thể để bạn có thể chẩn đoán 1 agent không hoạt động đúng đang thiếu/yếu ở bộ phận nào, thay vì coi agent là 1 “hộp đen.”
2. Tại sao nội dung này quan trọng
Nếu bài 79 giúp bạn quyết định có nên xây agent hay không, bài này giúp bạn hiểu 1 agent thực sự vận hành nhờ những gì — điều kiện tiên quyết trước khi đọc bài 81 (khung Trigger→Process→Skills→Tools) và bài 82-83 (khi nào tách 1 agent thành nhiều agent). Không hiểu đúng các bộ phận này, bạn sẽ khó nhận ra agent của mình đang thiếu bộ phận nào khi nó hoạt động không như mong đợi — ví dụ: nhầm lẫn “agent suy luận kém” (vấn đề Reasoning) với “agent quên mất thông tin quan trọng” (vấn đề Memory) — 2 vấn đề khác nhau, cần sửa khác nhau.
3. Cơ chế hoạt động — 8 bộ phận cấu thành agent
(Chỉ mô tả vai trò từng bộ phận trong kiến trúc — cơ chế kỹ thuật chi tiết của Memory/Tools/Multi-Agent thuộc các bài sau, không đào sâu ở đây.)
- Goal (mục tiêu) — đầu vào định hình toàn bộ hành vi agent; không phải 1 lệnh gọi đơn lẻ, mà là trạng thái đích agent cần đạt tới.
- Reasoning (bộ phận suy luận) — phần “Model” xử lý thông tin hiện có (Goal + Observation) để quyết định bước tiếp theo nên là gì.
- Planning (bộ phận lập kế hoạch) — phần sắp xếp Goal thành 1 chuỗi bước khả thi, và sửa lại kế hoạch khi Observation cho thấy kế hoạch cũ không còn phù hợp.
- Memory (bộ phận ghi nhớ, chỉ ở mức khái quát) — nơi giữ lại thông tin liên quan xuyên suốt vòng lặp (và có thể xuyên nhiều phiên) để Reasoning/Planning dùng lại thay vì “quên” ngay sau mỗi bước. (Cơ chế lưu trữ cụ thể — file, database, cửa sổ ngữ cảnh — là nội dung bài 85, không đào sâu ở đây.)
- Tools (bộ phận hành động) — cách agent thực sự làm điều gì đó ngoài việc suy nghĩ/trả lời — kết nối agent với hệ thống/dữ liệu bên ngoài. (Cơ chế kỹ thuật của việc gọi tool đã học đầy đủ ở Level 7 — bài này chỉ xác nhận vị trí của Tools trong kiến trúc tổng thể.)
- Execution Loop (vòng lặp thực thi) — bộ phận kết nối 7 bộ phận còn lại thành 1 chu trình lặp lại liên tục — chính là “khung xương” giữ cho agent tiếp tục hoạt động cho tới khi đạt Goal.
- Observation (bộ phận quan sát) — cách agent nhận lại kết quả thật sau khi Tools đã hành động — không có Observation, agent hành động “mù,” không biết hành động vừa rồi có hiệu quả không.
- Feedback (bộ phận phản hồi) — cách Observation được đưa trở lại vào Reasoning/Memory để ảnh hưởng quyết định ở vòng lặp tiếp theo — đây là bộ phận biến agent từ “làm 1 lần” thành “học được trong lúc làm.”
4. Visual hoặc diagram cần thiết
Quy trình thực thi từng bước, case study cụ thể và bộ prompt/template áp dụng ngay.
5. Hướng dẫn từng bước — 1 chu trình Execution Loop hoàn chỉnh
- Goal được nạp vào — agent nhận mục tiêu cần đạt.
- Planning tạo bản kế hoạch sơ bộ — chia Goal thành các bước khả thi ban đầu.
- Reasoning chọn hành động đầu tiên — dựa trên kế hoạch + bất kỳ thông tin nào đã có trong Memory.
- Tools thực thi hành động đó — agent thực sự chạm vào thế giới bên ngoài (gọi 1 dịch vụ, đọc 1 dữ liệu, gửi 1 tin nhắn…).
- Observation ghi nhận kết quả thật — không giả định hành động thành công, luôn kiểm tra lại.
- Feedback cập nhật Memory/Reasoning — kết quả vừa quan sát được đưa vào để ảnh hưởng bước tiếp theo.
- Planning kiểm tra lại: kế hoạch cũ còn phù hợp không, hay cần sửa dựa trên Observation vừa rồi?
- Execution Loop lặp lại từ bước 3, cho tới khi Reasoning xác nhận đã đạt Goal, hoặc buộc phải dừng (điều kiện dừng cụ thể là nội dung bài 87, Guardrails — không đào sâu ở đây).
6. Ví dụ thực tế
Áp dụng 8 bộ phận cho Travel Planning Agent (đã giới thiệu ở bài 79) — chỉ ánh xạ khái niệm, không đi vào cách xây:
| Bộ phận | Trong Travel Planning Agent |
|---|---|
| Goal | “Lên kế hoạch chuyến đi 5 ngày, ngân sách X” |
| Reasoning | Cân nhắc: nên ưu tiên giá vé máy bay hay vị trí khách sạn trước? |
| Planning | Chuỗi bước sơ bộ: tìm vé → tìm khách sạn → kiểm tra thời tiết → hoàn thiện lịch trình |
| Memory | Nhớ lại: người dùng đã nói thích hãng bay X ở bước trước đó |
| Tools | Công cụ tìm chuyến bay, công cụ tìm khách sạn, công cụ tra cứu thời tiết |
| Execution Loop | Vòng lặp: thử 1 chuyến bay → quan sát còn chỗ không → nếu hết chỗ, quay lại tìm phương án khác |
| Observation | Kết quả tra cứu thực tế: “chuyến bay X đã hết chỗ hạng phổ thông” |
| Feedback | Vì chuyến bay X hết chỗ, Planning điều chỉnh: tìm chuyến bay thay thế hoặc đổi ngày đi |
7. Prompt/template/workflow — Worksheet mô tả giải phẫu 1 agent
Goal: [mục tiêu cụ thể agent này cần đạt]Reasoning cần cân nhắc gì: [loại quyết định agent phải đưa ra]Planning: [các bước sơ bộ, có thể thay đổi]Memory cần giữ lại gì: [thông tin nào cần nhớ xuyên suốt]Tools cần có: [liệt kê công cụ/hệ thống bên ngoài agent cần chạm tới]Observation: [agent cần kiểm tra kết quả gì sau mỗi hành động]Feedback: [kết quả quan sát ảnh hưởng quyết định tiếp theo như thế nào]Điều kiện dừng: [khi nào coi là đã đạt Goal — chi tiết đầy đủ ở bài 87]8. Bài tập thực hành
Quay lại đúng tình huống bạn xác định là “ứng viên cho Agent” ở bài tập bài 79. Điền đầy đủ worksheet mục 7 cho tình huống đó — với mỗi bộ phận, mô tả cụ thể nó sẽ làm gì trong tình huống của bạn (không cần biết cách lập trình, chỉ cần mô tả bằng lời).
Checklist kiểm tra mức độ sẵn sàng, nhận diện các bẫy sai lầm và nguyên tắc vàng vận hành.
9. Checklist
10. Lỗi thường gặp
(Suy luận từ nguyên tắc [S19, S20], không phải quan sát độc lập.)
- Nhầm “Model” (bộ não) với toàn bộ agent — Model chỉ là bộ phận Reasoning/Planning; 1 model mạnh vẫn tạo ra agent yếu nếu Tools hoặc Memory được thiết kế kém.
- Không xác định rõ Memory cần giữ lại gì — dẫn tới agent “nhớ lung tung” hoặc ngược lại “quên” thông tin quan trọng — cả 2 đều là vấn đề thiết kế bộ phận Memory, không phải lỗi Reasoning.
- Coi Tools chỉ là “kết nối API” mà không gắn với Goal cụ thể — 1 agent có nhiều Tools nhưng không rõ Tools nào phục vụ mục tiêu gì sẽ Reasoning sai hướng.
- Bỏ qua thiết kế Observation/Feedback — giả định hành động của Tools luôn thành công, khiến agent “hành động mù,” không phát hiện lỗi giữa chừng.
11. Nội dung nâng cao — Bản đồ những gì bài này CHƯA giải thích
(Đúng chủ đích, không phải thiếu sót)
- Khi nào tách 1 agent thành nhiều agent, và các bộ phận này thay đổi ra sao ở cấp multi-agent → bài 82 (Single Agent), bài 83 (Multi-Agent).
- Khung đặt tên Trigger→Process→Skills→Tools (1 cách nhìn khác về cấu trúc agent, ở cấp ứng dụng thực tế) → bài 81.
- Cơ chế Memory thực sự lưu trữ/truy xuất thế nào → bài 85.
- Khi nào bắt buộc dừng Execution Loop để chờ con người → bài 84 (Human-in-the-loop), bài 87 (Guardrails).
- Cách đánh giá agent hoạt động tốt hay không → bài 86.
- Đưa agent vào vận hành thật (production) → bài 88.
- Chất lượng thiết kế Tools cụ thể (ACI — agent-computer interface, 5 nguyên tắc thiết kế tool tốt) — đã học ở phần nền tảng Level 8 trước đó, không nhắc lại chi tiết ở đây, chỉ xác nhận: đây chính là “chất lượng” của bộ phận Tools trong sơ đồ giải phẫu bài này.
- Cơ chế Tool Calling/MCP nội bộ — đã học đầy đủ ở Level 7, không lặp lại.
📚 12. Nguồn tham khảo
Building Effective Agents, Anthropic — nguyên tắc ACI (chất lượng bộ phận Tools), đánh đổi khi thêm bộ phận phức tạp · A Practical Guide to Building Agents, OpenAI — khung 3 lớp Model/Tools/Instructions, làm nền cho 8 bộ phận chi tiết hóa ở bài này · Dẫn chiếu (không trích dẫn mới): bài 79 (Agent Feedback Loop, dùng làm khung sơ đồ giải phẫu); Level 7 (cơ chế Tool Calling, MCP); phần nền tảng Level 8 trước đó (nguyên tắc ACI chi tiết).