The Agency: Biến đổi quy trình làm việc với đội ngũ Chuyên gia AI thực thụ

Tóm tắt (TL;DR)

Hộp Trả Lời Nhanh (Quick Answer Box cho Google Search):

• agency-swarm là gì? Framework điều phối đa tác nhân (Multi-Agent System) mã nguồn mở, tổ chức các AI agent theo mô hình công ty phân cấp (CEO, quản lý, chuyên gia) với luồng giao tiếp Pydantic định kiểu chặt chẽ.
• Vì sao mô hình phân tầng tốt hơn Group Chat phẳng? Group chat phẳng khiến số lượng tin nhắn bùng nổ theo hàm bậc hai, làm agent nói đè lên nhau và lãng phí token. Mô hình phân tầng giới hạn giao tiếp dọc theo quyền hạn, tiết kiệm hơn 60% chi phí token.
• Genesis Agent là gì? Meta-agent tích hợp sẵn có nhiệm vụ phỏng vấn lập trình viên và tự động sinh mã nguồn cho toàn bộ các agent và công cụ trong agency.
• Kho mã nguồn: Vrsen/agency-swarm trên GitHub.

agency-swarm là framework điều phối đa tác nhân mã nguồn mở, tổ chức các AI agent theo mô hình phân tầng doanh nghiệp (CEO, quản lý, chuyên gia) với luồng giao tiếp định kiểu chặt chẽ.

• Phân tầng doanh nghiệp: Loại bỏ phòng chat phẳng hỗn loạn nơi hàng tá bot nói đè lên nhau: các agent chỉ trao đổi dọc theo các luồng phân quyền xác định.
• Genesis agent: Tích hợp một meta-agent tự động phỏng vấn lập trình viên và tự sinh code class agent cùng schema công cụ Pydantic chuẩn mực.
• Giao tiếp có định kiểu: Agent trao đổi dữ liệu có cấu trúc thay vì chat lan man, tiết kiệm tới 60% chi phí token.
• Kho lưu trữ: Vrsen/agency-swarm

---

Bản đồ Tư duy (Beginner Map)

Lối Tắt 3 Phút: Tự Động Tạo Đội Ngũ Agent (The Fast Path)

Nếu bạn muốn tạo một agency đa tác nhân hoàn chỉnh trong 3 phút mà không cần tự viết code:

1. Cài đặt: pip install agency-swarm.
2. Kích hoạt Genesis: Khởi chạy Genesis Agent bằng script:

   from agency_swarm import GenesisAgency
   agency = GenesisAgency()
   agency.run_demo()

3. Phỏng vấn mục tiêu: Trả lời các câu hỏi của Genesis về bài toán của bạn (ví dụ: “Tôi cần 1 agent cào dữ liệu và 1 agent phân tích báo cáo”).
4. Nhận kết quả: Genesis sẽ tự động tạo thư mục chứa đầy đủ code Python, schema công cụ Pydantic và sơ đồ phân quyền giao tiếp hoàn chỉnh.

Nếu bạn đang muốn phối hợp nhiều AI agent để tự động hóa quy trình nghiệp vụ, hãy triển khai qua 4 bước:

1. Nền tảng: Mô hình tư duy phân cấp doanh nghiệp thay vì để các agent cãi nhau trong một group chat phẳng.
2. Khảo sát: Cách thức Genesis Agent phỏng vấn và tự động biên dịch class agent cùng công cụ Pydantic.
3. Chẩn đoán: Nhận diện vấn đề bùng nổ token bậc hai và nguy cơ deadlock giao tiếp giữa các agent.
4. Thực chiến: Hướng dẫn cài đặt và vận hành bộ máy nhân sự AI đầu tiên với ranh giới trách nhiệm rõ ràng.

---

Phần 1: Nền tảng (Mô hình tư duy - Mental Model)

Hầu hết mọi người tương tác với LLM như một “trợ lý ảo” đa năng. Bạn đặt câu hỏi, nó trả lời. Nhưng với tư cách là lập trình viên, chúng ta biết rằng sự chuyên sâu không bao giờ là chung chung. Một lập trình viên frontend có tư duy khác hoàn toàn với một kiến trúc sư backend. Một kỹ sư bảo mật sẽ tìm kiếm những lỗ hổng mà một người chuyên làm prototype nhanh có thể bỏ qua.

Mô hình tư duy của The Agency rất đơn giản: Đừng nói chuyện với một AI chung chung; hãy thuê một đội ngũ chuyên gia.

Thay vì tốn hàng giờ để viết một “câu lệnh hoàn hảo” (prompt engineering), bạn chỉ cần kích hoạt một Chuyên gia (Specialist) đã được cấu hình sẵn. Đây không chỉ là những mẫu prompt; chúng là những “cá tính” AI với danh tính, nhiệm vụ, sản phẩm bàn giao cụ thể và quy trình làm việc đã được kiểm chứng.

Phần 2: Cuộc điều tra (The Investigation)

Khi đi sâu vào repository agency-agents, bạn sẽ thấy một cấu trúc cực kỳ quy củ được chia thành các “Phòng ban” (Divisions):

• Engineering (Kỹ thuật): Frontend Developer, Backend Architect, DevOps Automator, Mobile App Builder…
• Design (Thiết kế): UI Designer, UX Researcher, và cả “Whimsy Injector” (người thổi hồn cá tính vào sản phẩm!).
• Marketing: Reddit Community Builder, Growth Hacker, SEO Specialist.
• Testing (Kiểm thử): Evidence Collector, Reality Checker.
• Specialized (Chuyên biệt): MCP Builder, Agentic Identity Architect.

Mỗi chuyên gia được định nghĩa bởi một file markdown bao hàm “linh hồn” của họ:

• Identity & Personality: Cách họ tư duy và giao tiếp.
• Core Mission: Mục tiêu tối thượng họ cần đạt được.
• Technical Deliverables: Những dòng code hoặc tài liệu chính xác mà họ sẽ tạo ra.
• Workflows: Quy trình từng bước họ thực hiện.

Phần 3: Chẩn đoán (The Diagnosis)

Các câu lệnh chung chung thường thất bại vì thiếu ràng buộc cụ thể theo ngữ cảnh. Một AI thông thường có thể gợi ý cho bạn một giải pháp “nhanh nhưng bẩn”, vi phạm các tiêu chuẩn kiến trúc của dự án.

The Agency giải quyết vấn đề này bằng cách áp đặt kỷ luật riêng cho từng vai trò.

Ví dụ thực tế: “Evidence Collector”

Trong phòng ban Kiểm thử, agent Evidence Collector có một quy tắc sắt đá: “Tôi mặc định sẽ tìm ra ít nhất 3-5 lỗi và yêu cầu bằng chứng hình ảnh cho mọi thứ.”

Khi bạn kích hoạt agent này, nó sẽ không nói “Ok rồi đó” một cách hời hợt. Nó sẽ chủ động săn tìm các trường hợp biên và yêu cầu ảnh chụp màn hình hoặc log để chứng thực tính năng. Đó là sự khác biệt giữa một công cụ và một người đồng đội.

Đi sâu vào kỹ thuật: Tích hợp đa công cụ

Repository này không chỉ là một tập hợp các file markdown. Nó bao gồm hệ thống chuyển đổi và cài đặt giúp các agent này tương thích với hầu hết các công cụ AI agentic phổ biến:

• Claude Code: Hỗ trợ file .md trực tiếp.
• Cursor: Được chuyển đổi thành các quy tắc .mdc.
• Antigravity: Mỗi agent trở thành một “Skill”.
• Windsurf/Aider: Được tổng hợp thành các file cấu hình toàn diện.

Các công cụ ./scripts/convert.sh và ./scripts/install.sh giúp tự động hóa việc đưa những chuyên gia này vào môi trường phát triển của bạn.

Phần 4: Giải pháp (The Resolution)

Làm thế nào để bắt đầu sử dụng? Rất đơn giản, hãy mời đội ngũ của bạn vào không gian làm việc.

Bước 1: Clone và Cài đặt

git clone https://github.com/msitarzewski/agency-agents
cd agency-agents
./scripts/install.sh

Bước 2: Kích hoạt Chuyên gia

Nếu bạn dùng Claude Code hoặc Cursor, bạn chỉ cần nhắc tên agent.

Prompt cho Frontend Developer:

“Review component React này. Sử dụng quy tắc của @frontend-developer để đảm bảo giao diện hoàn hảo và tối ưu hiệu năng.”

Bước 3: Xây dựng bộ máy nhân sự

Bạn có thể liên kết các agent với nhau. Dùng UX Researcher để xác định yêu cầu, Backend Architect để thiết kế API, và Reality Checker để kiểm chứng bản build cuối cùng trước khi deploy.

Thử thách thực hành (Student First Assignment)

1. Cài đặt agency-swarm trong môi trường ảo Python (pip install agency-swarm).
2. Khởi chạy Genesis Agent (agency-swarm genesis) và tạo một agency gồm 2 thành viên (CEO điều phối và Chuyên gia review code).
3. Kiểm tra cấu trúc thư mục được tự động sinh ra và cách luồng giao tiếp được khai báo tường minh trong file agency.py.
4. Gửi một yêu cầu mẫu tới CEO và theo dõi nhật ký phân phối công việc thực tế giữa các agent.

---

---

Các Câu Hỏi Thường Gặp (FAQ Cho Google Search)

agency-swarm khác gì so với CrewAI hay AutoGen?

• AutoGen: Thường dựa trên mô hình trò chuyện nhóm (GroupChat) có xu hướng tự do, dễ dẫn đến hội thoại lòng vòng và bùng nổ chi phí token.
• CrewAI: Tổ chức theo quy trình tuần tự hoặc phân cấp cơ bản nhưng các công cụ thường phụ thuộc vào framework bên thứ ba.
• agency-swarm: Tổ chức theo sơ đồ cơ cấu tổ chức doanh nghiệp thực thụ, giao tiếp giữa các agent hoàn toàn định kiểu qua schema Pydantic, và tích hợp sẵn Genesis Agent để tự sinh code hệ thống.

Chi phí token khi chạy nhiều agent trong agency-swarm có đắt không?

Nhờ việc giao tiếp theo luồng phân cấp xác định (chuyên gia chỉ báo cáo lên quản lý trực tiếp thay vì phát thanh cho toàn bộ group chat), agency-swarm cắt giảm tới 50% - 60% số lượng tin nhắn dư thừa. Bạn hoàn toàn có thể sử dụng các model nhẹ như Claude 3.5 Haiku hoặc GPT-4o-mini cho các tầng chuyên gia thực thi để tiết kiệm tối đa chi phí.

Làm thế nào để ngăn 2 agent gửi tin nhắn lòng vòng không có điểm dừng (Deadlock)?

agency-swarm tích hợp tham số max_turns trong từng kênh giao tiếp. Nếu hai agent trao đổi quá số lượt quy định mà không đạt được kết quả, luồng xử lý sẽ tự động trả quyền điều khiển về cho CEO Agent hoặc ngắt tiến trình để yêu cầu con người can thiệp.

Có thể tích hợp công cụ bên ngoài (Database, API, Slack) vào agency không?

Có, 100%. Mọi công cụ trong agency-swarm đều kế thừa từ lớp BaseTool của Pydantic. Bạn có thể định nghĩa các hàm truy vấn SQL, gọi REST API hoặc tích hợp giao thức Model Context Protocol (MCP) rất dễ dàng.

Lời khuyên cuối (Final Take)

The Agency biến AI từ một cái “máy tính” đơn thuần thành một lực lượng lao động hiệu suất cao. Mục tiêu không phải là làm cho AI thông minh hơn, mà là làm cho nó kỷ luật hơn, chuyên sâu hơn và hành động hiệu quả hơn.

---

Bài viết được thực hiện bởi HoangYell. Khám phá repo agency-agents ngay hôm nay.