Nhiều doanh nghiệp đang tập trung vào việc phát triển AI agent, nhưng thường mắc sai lầm khi cố gắng xây dựng một “siêu agent” đa năng thay vì tạo ra một nhóm các agent chuyên biệt phối hợp với nhau. Các agent nguyên khối (monolithic) này thường quá tải, cho kết quả thiếu chính xác và khó mở rộng. Giải pháp hiệu quả hơn là một đội ngũ các agent AI chuyên biệt, mỗi agent là một chuyên gia trong lĩnh vực của mình, mang lại độ chính xác cao hơn, khả năng kiểm soát tốt hơn và có thể mở rộng thực sự.

Để giải quyết thách thức trong việc xây dựng các workflow đa agent phức tạp, Google đã giới thiệu bộ công cụ Agent Development Kit (ADK). ADK cung cấp một framework để thiết kế, xây dựng và điều phối các hệ thống agentic (hệ thống AI có khả năng tự chủ hành động) tinh vi, tận dụng sức mạnh của các mô hình Gemini. Bài viết này sẽ hướng dẫn cách xây dựng một workflow đa agent bằng ADK qua 4 bước.

Bước 1: Tạo các agent chuyên biệt và điều phối viên

Thay vì một agent nguyên khối cố gắng làm mọi thứ, phương pháp này chia nhỏ bài toán. Ví dụ, với một ứng dụng du lịch, chúng ta có thể tạo ra một nhóm các agent chuyên biệt:

• FlightAgent: Chỉ xử lý các thông tin về chuyến bay.
• HotelAgent: Chuyên gia về đặt phòng khách sạn.
• SightseeingAgent: Hướng dẫn viên du lịch chuyên nghiệp.

Để quản lý các agent này, một workflow điều phối được xây dựng với một agent gốc (root agent) là TripPlanner. Nhiệm vụ duy nhất của nó là hiểu yêu cầu của người dùng và điều hướng đến đúng agent chuyên biệt.

Cách tiếp cận này hoạt động tốt với các truy vấn đơn giản (ví dụ: “Tìm cho tôi chuyến bay đến Paris”). Tuy nhiên, khi gặp yêu cầu phức tạp như “Đặt chuyến bay đến Paris rồi tìm khách sạn”, agent điều phối sẽ gọi FlightAgent rồi dừng lại. Nó đã hoàn thành nhiệm vụ điều hướng ban đầu nhưng không thể điều phối một workflow nhiều bước, vì quyền kiểm soát đã được chuyển hoàn toàn cho agent con, làm mất đi ngữ cảnh tổng thể của yêu cầu.

Bước 2: Nâng cấp điều phối viên thành “quản lý dự án”

Để khắc phục hạn chế trên, agent điều phối cần được nâng cấp. Thay vì chỉ chuyển tiếp yêu cầu, nó cần khả năng sử dụng các agent chuyên biệt như những công cụ để hoàn thành một dự án lớn hơn. Đây là lúc mô hình Dispatcher Agent với AgentTools ra đời.

Sử dụng ADK, các agent chuyên biệt được chuyển đổi thành AgentTools. Agent gốc lúc này có thể suy luận về một truy vấn phức tạp và quyết định sử dụng nhiều công cụ để hoàn thành công việc.

Với truy vấn “Đặt chuyến bay đến Paris rồi tìm khách sạn”, agent gốc sẽ hiểu và gọi flight_tool, nhận kết quả, sau đó gọi hotel_tool. Nó cũng có thể đề xuất các địa điểm tham quan bằng Sightseeing_tool. Sự giao tiếp qua lại giữa agent gốc và các công cụ chuyên biệt đã tạo ra một workflow đa bước thực sự. Tuy nhiên, một điểm chưa hiệu quả xuất hiện: việc tìm chuyến bay và tìm khách sạn là hai tác vụ độc lập, tại sao không thể thực hiện chúng cùng lúc?

Bước 3: Tối ưu hóa với thực thi song song

Hệ thống đã thông minh, nhưng chưa đủ nhanh. Đối với các tác vụ không phụ thuộc vào nhau, chúng có thể được chạy đồng thời để tiết kiệm thời gian. ADK cung cấp ParallelAgent cho mục đích này. Doanh nghiệp có thể sử dụng nó để tìm thông tin chuyến bay và khách sạn cùng một lúc.

Toàn bộ workflow được điều phối bởi một SequentialAgent. Đầu tiên, nó lấy thông tin tham quan, sau đó “fan-out” (phân nhánh) đến ParallelAgent để xử lý chuyến bay và khách sạn, và cuối cùng, “gather” (tổng hợp) tất cả kết quả bằng một TripSummaryAgent. Workflow lúc này không chỉ xử lý các truy vấn phức tạp mà còn thực hiện một cách hiệu quả. Nhưng liệu bản tóm tắt cuối cùng có đủ tốt?

Bước 4: Xây dựng vòng lặp phản hồi để đảm bảo chất lượng

Để hệ thống có thể tự xem xét công việc của mình, một vòng lặp phản hồi (feedback loop) là cần thiết. Ý tưởng là thêm hai agent nữa vào chuỗi xử lý:

• TripSummaryReviewer: Một agent có nhiệm vụ duy nhất là đánh giá bản tóm tắt do TripSummaryAgent tạo ra, kiểm tra tính đầy đủ và cấu trúc, sau đó đưa ra kết quả “pass” (đạt) hoặc “fail” (không đạt).
• ValidateTripSummaryAgent: Một agent tùy chỉnh kiểm tra trạng thái của reviewer và cung cấp đầu ra cuối cùng đã được xác thực hoặc một thông báo lỗi.

Mô hình này hoạt động bằng cách cho các agent giao tiếp thông qua một shared state (trạng thái chia sẻ). TripSummaryAgent ghi kết quả vào khóa trip_summary, và TripSummaryReviewer đọc từ chính khóa đó để thực hiện đánh giá.

Với bước cuối cùng này, hệ thống AI không còn là một “thiên tài” đơn độc dễ bị nhầm lẫn, mà đã trở thành một đội ngũ chuyên gia hiệu quả cao và có khả năng tự điều chỉnh. Nó có thể xử lý các truy vấn phức tạp, nhiều bước với khả năng thực thi song song để tăng tốc độ và quy trình đánh giá cuối cùng để đảm bảo chất lượng.

Bắt đầu với Google ADK

Doanh nghiệp có thể bắt đầu xây dựng các workflow đa agent của riêng mình với các tài nguyên sau từ Google:

• Khám phá mã nguồn của dự án mẫu.
• Xem tài liệu về Agent Development Kit để tìm hiểu sâu hơn về các tính năng.
• Tham khảo thêm các ví dụ và hướng dẫn về ADK trên GitHub.