Hệ thống Multi-Agent: Khi Nào Cần Nhiều Hơn Một AI

Nguyên tắc mặc định: Bắt đầu với Single Agent

Trước khi nói đến multi-agent, hãy thống nhất điều này: phần lớn doanh nghiệp không cần multi-agent. Một agent được thiết kế kỹ với đủ tool có thể xử lý 80% use case thực tế.

Multi-agent không phải "AI mạnh hơn" — đó là kiến trúc phức tạp hơn với chi phí và độ trễ cao hơn. Chỉ chuyển sang khi có lý do cụ thể.

Khi Nào Single Agent Là Đủ

Single agent phù hợp khi: tác vụ hoàn thành trong một context window, các bước xử lý tuần tự, đội kỹ thuật nhỏ không đủ năng lực maintain nhiều agent, hoặc budget token bị hạn chế.

Một agent hỗ trợ khách hàng với 15 tool (tra đơn hàng, xử lý hoàn tiền, cập nhật thông tin) hoàn toàn chạy hiệu quả như single agent — không cần thêm complexity.

4 Dấu Hiệu Thực Sự Cần Multi-Agent

1. Chuyên môn hóa theo domain

Một agent generalist xử lý code review, phân tích pháp lý và viết content marketing trong cùng một luồng sẽ kém hơn ba agent chuyên biệt. Khi system prompt, bộ tool và thậm chí model phù hợp khác nhau hoàn toàn giữa các tác vụ — đó là dấu hiệu cần tách agent.

Ví dụ thực tế: pipeline phân tích hợp đồng cần một agent pháp lý (GPT-4 fine-tuned), một agent trích xuất điều khoản (structured output), và một agent tóm tắt rủi ro. Ba domain, ba cấu hình hoàn toàn khác nhau.

2. Xử lý song song thực sự

Giả sử pipeline nghiên cứu thị trường cần thu thập dữ liệu từ 5 nguồn. Single agent xử lý tuần tự: 5 phút. Multi-agent fork ra 5 worker đồng thời: ~1 phút. Khi bottleneck là I/O và API calls — parallel agents thực sự giảm latency đáng kể.

3. Cách ly lỗi (Failure isolation)

Trong workflow phức tạp, nếu agent phân tích gặp lỗi timeout, bạn không muốn mất toàn bộ output của agent viết báo cáo đang chạy. Multi-agent cho phép retry từng component độc lập, checkpoint state, và resume từ điểm thất bại mà không restart cả pipeline.

4. Giới hạn context window

Nếu input + tool results + conversation history vượt 128K–200K token, bạn cần tách. Mỗi agent chỉ nhận phần context cần cho tác vụ của nó — không mang toàn bộ lịch sử theo một cách không cần thiết.

Framework Phổ Biến

LangGraph

LangGraph xây trên khái niệm stateful directed graph: workflow là đồ thị có hướng, mỗi node là một agent hoặc function, edge định nghĩa luồng chạy.

from langgraph.graph import StateGraph, END

workflow = StateGraph(AgentState)
workflow.add_node("researcher", research_agent)
workflow.add_node("writer", writer_agent)
workflow.add_node(, review_agent)

workflow.add_edge(, )
workflow.add_conditional_edges(
    ,
    should_review,
    {: , : END}
)

Nguyên tắc mặc định: Bắt đầu với Single Agent

Multi-agent không phải "AI mạnh hơn" — đó là kiến trúc phức tạp hơn với chi phí và độ trễ cao hơn. Chỉ chuyển sang khi có lý do cụ thể.

Khi Nào Single Agent Là Đủ