Multi-agent system (MAS) là hệ thống gồm nhiều AI agent chuyên trách cùng phối hợp để hoàn thành một nhiệm vụ phức tạp, mỗi agent đảm nhận một phần việc.
Multi-agent system là gì?
Multi-agent system (hệ thống đa tác tử) là hệ thống trí tuệ nhân tạo trong đó nhiều agent độc lập cùng làm việc để đạt một mục tiêu chung. Mỗi AI agent là một mô hình ngôn ngữ tự sử dụng công cụ theo vòng lặp, có vai trò, chỉ dẫn và bộ công cụ riêng.
Điểm khác biệt nằm ở cách chia việc. Một agent đơn lẻ xử lý toàn bộ nhiệm vụ theo trình tự. Hệ thống nhiều agent tách nhiệm vụ thành nhiều phần, giao cho các agent chuyên trách xử lý song song hoặc nối tiếp, rồi tổng hợp kết quả.
Gartner mô tả multi agent AI là hướng đi vượt qua giới hạn của mô hình AI đa năng đơn khối: mỗi bước trong quy trình được giao cho agent phù hợp nhất, và agent đã kiểm chứng có thể dùng lại ở nhiều quy trình khác.
→ Xem thêm tại Ai Agent là gì
5 thành phần chính của MAS
Multi-agent system gồm 5 thành phần chính: các agent chuyên trách, cơ chế điều phối, bộ nhớ dùng chung, công cụ kết nối dữ liệu và giao thức giao tiếp giữa các agent. Thiếu một trong 5 thành phần này, các agent sẽ làm trùng việc hoặc bỏ sót việc.
- Agent chuyên trách: mỗi agent được giao một vai trò hẹp như tìm kiếm thông tin, phân tích số liệu, viết nội dung hay kiểm tra kết quả. Gartner dự báo đến năm 2027, 70% hệ thống nhiều agent sẽ dùng agent chuyên biệt.
- Cơ chế điều phối: quyết định agent nào làm gì, theo thứ tự nào, khi nào dừng. Vai trò này thường do một agent điều phối hoặc một quy trình lập trình sẵn đảm nhận.
- Bộ nhớ dùng chung: nơi lưu kế hoạch, kết quả trung gian và trạng thái nhiệm vụ để các agent không mất ngữ cảnh khi phiên làm việc kéo dài.
- Công cụ và dữ liệu: công cụ tìm kiếm, cơ sở dữ liệu, phần mềm doanh nghiệp mà agent được phép truy cập. Kết nối này ngày càng được chuẩn hóa qua giao thức MCP.
- Giao thức giao tiếp: quy định cách các agent gửi nhiệm vụ, trao đổi kết quả và báo trạng thái cho nhau.
Hệ thống multi agent AI hoạt động như thế nào?
Hệ thống multi agent AI hoạt động theo 4 bước: phân tích nhiệm vụ, chia việc cho các agent con, các agent con xử lý độc lập, rồi agent điều phối tổng hợp kết quả. Vòng lặp này có thể lặp lại nhiều lần cho tới khi đủ thông tin để trả lời.
Ví dụ:
- Lập kế hoạch: agent chính nhận câu hỏi, phân tích và lưu kế hoạch vào bộ nhớ để giữ ngữ cảnh khi phiên làm việc vượt quá giới hạn 200.000 token.
- Chia việc: agent chính tạo ra nhiều agent con, mỗi agent nhận một khía cạnh riêng của câu hỏi cùng mục tiêu, định dạng kết quả và phạm vi cụ thể.
- Xử lý song song: các agent con tự tìm kiếm, đánh giá kết quả và gửi phát hiện về agent chính.
- Tổng hợp và kiểm chứng: agent chính quyết định cần tìm thêm hay đã đủ, sau đó chuyển kết quả cho một agent chuyên gắn trích dẫn nguồn trước khi trả lời người dùng..
Multi-agent system có những kiểu kiến trúc nào?
Multi-agent system có 4 kiểu kiến trúc phổ biến: điều phối tập trung, phân cấp, ngang hàng và tuần tự. Mỗi kiểu phù hợp với một dạng nhiệm vụ và có mức độ kiểm soát khác nhau.
1. Kiến trúc điều phối tập trung
Kiến trúc điều phối tập trung có 1 agent điều phối nhận nhiệm vụ, chia việc cho các agent thực thi và tổng hợp kết quả. Đây là kiểu phổ biến nhất trong doanh nghiệp vì dễ giám sát và dễ truy vết lỗi. Hạn chế là agent điều phối trở thành điểm nghẽn khi số lượng agent con tăng lên.
2. Kiến trúc phân cấp
Kiến trúc phân cấp chia agent thành nhiều tầng, giống sơ đồ tổ chức: agent cấp cao giao việc cho agent quản lý nhóm, agent quản lý nhóm giao tiếp cho agent thực thi. Kiểu này phù hợp với quy trình lớn gồm nhiều mảng nghiệp vụ, như xử lý một hồ sơ vay qua các khâu thẩm định, pháp lý và giải ngân.
3. Kiến trúc ngang hàng
Kiến trúc ngang hàng không có agent điều phối trung tâm, các agent tự trao đổi và thương lượng với nhau. Kiểu này linh hoạt và chịu lỗi tốt, nhưng khó dự đoán hành vi và khó kiểm soát chi phí. Doanh nghiệp ít dùng kiến trúc này cho quy trình có yêu cầu tuân thủ.
4. Kiến trúc tuần tự
Kiến trúc tuần tự xếp các agent thành dây chuyền, đầu ra của agent trước là đầu vào của agent sau. Ví dụ: agent thu thập dữ liệu, agent phân tích, agent soạn báo cáo, agent kiểm tra. Kiểu này dễ thiết kế và dễ kiểm tra từng khâu, phù hợp với quy trình có các bước cố định.
Multi-agent system khác AI agent đơn lẻ ở điểm nào?
Multi-agent system xử lý tốt hơn một AI agent đơn lẻ ở nhiệm vụ cần khám phá nhiều hướng cùng lúc, nhưng tốn chi phí cao hơn và khó điều phối hơn. AI agent đơn lẻ vẫn là lựa chọn tốt hơn cho nhiệm vụ tuần tự, ít bước và cần ngữ cảnh liền mạch.
| Tiêu chí | AI agent | Multi-agent system |
| Cách xử lý | Một agent làm tuần tự từ đầu tới cuối | Nhiều agent chia việc, chạy song song hoặc nối tiếp |
| Nhiệm vụ phù hợp | Quy trình ngắn, các bước phụ thuộc chặt vào nhau | Nhiệm vụ rộng, chia được thành nhiều phần độc lập |
| Lượng token tiêu thụ | Khoảng 4 lần một cuộc trò chuyện thông thường | Khoảng 15 lần một cuộc trò chuyện thông thường |
| Giới hạn ngữ cảnh | Bị giới hạn bởi cửa sổ ngữ cảnh của một mô hình | Mỗi agent có cửa sổ ngữ cảnh riêng, tổng dung lượng lớn hơn |
| Độ phức tạp vận hành | Thấp, dễ gỡ lỗi | Cao, lỗi có thể lan và cộng dồn giữa các agent |
| Người thường thiết kế | Kỹ sư AI, đội nghiệp vụ dùng nền tảng không cần lập trình | Kiến trúc sư AI cùng đội kỹ thuật |
| Ví dụ trong doanh nghiệp | Agent xử lý yêu cầu hoàn tiền | Hệ thống nghiên cứu thị trường, điều phối chuỗi cung ứng |
Hệ thống nhiều agent mạnh hơn chủ yếu vì nó cho phép dùng nhiều token hơn để giải bài toán. Tuy nhiên để khai thác hiệu quả nhất sẽ cần nhân sự chuyên trách trong thiết kế kiến trúc và hạ tầng AI.
→ Xem thêm tại: AI architect là gì.
Ứng dụng trí tuệ nhân tạo đa tác tử trong doanh nghiệp
Các ứng dụng trí tuệ nhân tạo đa tác tử (multi agent AI) trong doanh nghiệp tập trung ở các lĩnh vực như nghiên cứu và tổng hợp thông tin, chuỗi cung ứng, chăm sóc khách hàng, an ninh mạng và phát triển phần mềm:
- Nghiên cứu và tổng hợp thông tin: nhiều agent cùng tìm kiếm các khía cạnh khác nhau của một câu hỏi, như phân tích đối thủ, rà soát văn bản pháp lý hay lập báo cáo thị trường.
- Chuỗi cung ứng: agent dự báo nhu cầu, agent theo dõi tồn kho, agent làm việc với nhà cung cấp phối hợp để lập kế hoạch đặt hàng.
- Chăm sóc khách hàng: agent phân loại yêu cầu chuyển việc cho agent chuyên về đổi trả, thanh toán hoặc kỹ thuật, agent giám sát kiểm tra câu trả lời trước khi gửi.
- An ninh mạng: agent giám sát phát hiện bất thường, agent điều tra phân tích nguyên nhân, agent phản ứng đề xuất biện pháp xử lý.
- Phát triển phần mềm: agent lập kế hoạch, agent viết mã, agent kiểm thử và agent rà soát cùng xử lý một yêu cầu thay đổi.
Lưu ý, các hệ thống này tự động hóa và hỗ trợ một phần công việc, chưa thay được con người ở các bài toán phức tạp. Để khai thác giá trị lớn nhất từ AI, cần sự phân công hợp lý giữa người và agent.
→ Xem thêm về bức tranh tổng thể về cách doanh nghiệp, tổ chức vận hành khi ứng dụng agent tại: agentic enterprise là gì.
Khi nào doanh nghiệp không nên dùng multi-agent system?
Doanh nghiệp không nên dùng multi-agent system khi nhiệm vụ có các bước phụ thuộc chặt vào nhau. Có 4 trường hợp phổ biến mà kiến trúc nhiều agent phối hợp làm việc chưa thực sự cần thiết hay phù hợp:
- Các bước không chia song song được: Phần lớn tác vụ lập trình có ít phần việc độc lập với nhau, nên lợi ích của nhiều agent thấp hơn so với tác vụ nghiên cứu.
- Các agent cần chung toàn bộ ngữ cảnh: khi mọi agent phải biết mọi thông tin, chi phí đồng bộ vượt quá lợi ích chia việc.
- Giá trị một lần xử lý thấp: với chi phí token khoảng 15 lần một cuộc trò chuyện, hệ thống nhiều agent chỉ hợp lý khi kết quả mỗi lần chạy có giá trị cao.
- Quy trình đã cố định: quy trình có các bước biết trước nên dùng chuỗi xử lý lập trình sẵn, vì kết quả ổn định và dễ kiểm soát hơn.
Vì sao nhiều multi-agent system thất bại?
Multi-agent system thất bại chủ yếu vì 3 nhóm nguyên nhân: thiết kế hệ thống sai, các agent hiểu lệch nhau và thiếu khâu kiểm chứng kết quả.
Cụ thể hơn:
- Lỗi thiết kế hệ thống: chỉ dẫn nhiệm vụ mơ hồ, vai trò agent chồng chéo, điều kiện dừng không rõ khiến agent lặp lại công việc hoặc dừng quá sớm.
- Lệch pha giữa các agent: agent không chia sẻ thông tin cần thiết, bỏ qua đầu vào của agent khác hoặc đi lệch khỏi mục tiêu chung.
- Thiếu kiểm chứng: không có bước kiểm tra kết quả cuối, hoặc bước kiểm tra quá sơ sài nên lỗi lọt tới người dùng.
Ngoài ra còn một vài rủi ro vận hành đáng cân nhắc khác như rủi ro tấn công bảo mật lớn hơn, nhu cầu tích hợp và giám sát tăng, chi phí khó dự báo, và lỗi cộng dồn khi số lượt tương tác giữa các agent tăng lên.
Nếu đội ngũ của bạn đang thử nghiệm agent và cần người đủ năng lực thẩm định kiến trúc, chi phí và rủi ro trước khi mở rộng, chúng tôi sẵn sàng tư vấn lộ trình học dựa trên vai trò hiện tại của bạn.
→ Đăng ký tại trang chương trình PMDS hoặc gọi hotline 098 360 4487.