AI Agent Architecture: “Bộ não” của Agent hoạt động ra sao?

Khi bạn nhờ một AI agent phân tích danh mục đầu tư, tìm kiếm cổ phiếu tiềm năng trong rổ VN30, hay tự động rebalance danh mục theo biến động thị trường – đằng sau những thao tác tưởng chừng “thông minh một cách ma thuật” đó là một hệ thống kiến trúc tinh vi, được thiết kế cẩn thận từng lớp. AI Agent Architecture chính là “bộ não” quyết định cách agent thu nhận thông tin, suy nghĩ, lập kế hoạch và thực thi hành động.

Bài viết này sẽ giải mã toàn bộ kiến trúc của một AI agent: từ mô hình ngôn ngữ lớn (LLM) làm lõi xử lý, hệ thống bộ nhớ phức tạp, lập kế hoạch, cho đến cách agent gọi công cụ và phối hợp đa agent khi cần. Đây là nền tảng để hiểu AI agent thực sự hoạt động như thế nào – và tại sao nó khác hoàn toàn so với một chatbot LLM thông thường.

1. AI Agent là gì? Phân biệt với LLM thông thường

Trước khi đi sâu vào AI Agent Architecture, cần phân biệt rõ hai khái niệm dễ nhầm lẫn: LLM (Large Language Model) và AI Agent. Một LLM thông thường – như GPT-4, Claude hay Gemini – hoạt động theo cơ chế “input → output”: bạn đưa câu hỏi, nó trả lời, rồi kết thúc. Không có bộ nhớ giữa các lần tương tác, không có khả năng tự đánh giá kết quả, và không thể thực hiện chuỗi hành động liên tiếp.

AI agent, ngược lại, là một hệ thống được xây dựng trên nền LLM nhưng được bổ sung thêm ba lớp quan trọng: perception (thu nhận), reasoning/planning (suy luận/lập kế hoạch), và action (hành động). Agent có thể chủ động thu thập thông tin từ bên ngoài, tự đánh giá kết quả từng bước, điều chỉnh kế hoạch nếu gặp trở ngại, và gọi nhiều công cụ khác nhau để hoàn thành một mục tiêu phức tạp.

Theo nghiên cứu của Masterman và cộng sự (2024), AI agent được định nghĩa xoay quanh ba thành phần cốt lõi: “brain, perception, and action”. Ba thành phần này đảm bảo agent có đủ khả năng để hiểu, suy luận và hành động trong môi trường xung quanh. Đây là điểm khác biệt căn bản so với việc chỉ gọi LLM qua API.

Trong lĩnh vực tài chính, sự khác biệt này có ý nghĩa thực tế rõ ràng. Một chatbot LLM có thể giải thích khái niệm P/E là gì hoặc định nghĩa EPS, nhưng một AI agent có thể liên tục theo dõi chỉ số P/E của hàng trăm mã cổ phiếu, so sánh với trung bình ngành, đưa ra cảnh báo khi P/E vượt ngưỡng an toàn, và tự động đề xuất danh mục cơ cấu lại – tất cả trong một chuỗi hành động liên hoàn.

>> Đọc thêm: AI Agent là gì? Phân biệt Agentic AI, Generative AI và Chatbot

2. Kiến trúc tổng thể của một AI Agent

AI Agent Architecture thường được mô tả như một vòng lặp liên tục gồm bốn giai đoạn chính: Perceive → Think → Plan → Act. Giai đoạn “Think” sử dụng LLM như lõi xử lý trung tâm, trong khi các giai đoạn còn lại xác định cách agent tương tác với thế giới bên ngoài.

Perception – Lớp thu nhận thông tin

Agent không chỉ “đọc” văn bản. Lớp perception cho phép agent thu thập dữ liệu từ đa dạng nguồn: tin tức thị trường, báo cáo tài chính, biểu đồ giá, dữ liệu kinh tế vĩ mô, và thậm chí cả phản hồi từ người dùng. Trong ngữ cảnh tài chính, perception có thể bao gồm việc đọc dữ liệu từ API chứng khoán, quét báo cáo BCTC của doanh nghiệp, hoặc theo dõi dòng tiền danh mục theo thời gian thực.

Brain – Lõi xử lý LLM

Đây là trái tim của toàn bộ cấu trúc AI agent. LLM đóng vai trò “bộ não” — nơi diễn ra mọi suy luận, phân tích, và ra quyết định. Các LLM phổ biến nhất được sử dụng làm lõi agent bao gồm GPT-4 của OpenAI, Claude của Anthropic, và các mô hình mã nguồn mở như LLaMA. Mỗi mô hình có ưu nhược điểm riêng về khả năng suy luận, tốc độ xử lý và chi phí vận hành.

Memory – Hệ thống ghi nhớ

Memory là lớp thường bị bỏ qua nhưng thực tế là nền tảng để AI agent hoạt động hiệu quả trong các tác vụ dài hạn. Không giống LLM thuần túy — vốn “quên” mọi thứ sau mỗi lần tương tác — agent cần duy trì trạng thái liên tục. Hệ thống memory trong AI Agent Architecture được chia thành ba loại chính:

• Working Memory (Bộ nhớ ngắn hạn): Lưu trữ ngữ cảnh của cuộc hội thoại và tác vụ hiện tại. Đây là nơi agent “suy nghĩ” về những gì đang xảy ra ngay lúc này.
• Long-term Memory (Bộ nhớ dài hạn): Lưu trữ tri thức tích lũy, kinh nghiệm từ các tác vụ trước đó. Ví dụ: agent đã từng phân tích cổ phiếu VNM và rút ra bài học về biên lợi nhuận — kiến thức đó được ghi lại để dùng cho lần sau.
• External Memory (Bộ nhớ ngoài): Sử dụng cơ sở dữ liệu vector và kỹ thuật RAG (Retrieval Augmented Generation) để truy xuất thông tin từ lượng dữ liệu khổng lồ một cách nhanh chóng và chính xác.

Nghiên cứu từ Wang và cộng sự (2024) chỉ ra rằng việc thiết kế hệ thống memory hiệu quả là yếu tố quyết định giữa một agent “làm việc được” và một agent thực sự “thông minh”. Memory không chỉ đơn thuần là lưu trữ = mà còn là khả năng truy xuất đúng thông tin, vào đúng thời điểm, để hỗ trợ quyết định.

Planning – Lập kế hoạch hành động

Planning là lớp xử lý giúp agent không chỉ phản ứng mà còn chủ động lập kế hoạch. Theo Masterman và cộng sự (2024), có năm phương pháp planning phổ biến trong kiến trúc AI agent:

• Task Decomposition (Phân rã nhiệm vụ): Agent chia nhỏ mục tiêu phức tạp thành các bước tuần tự. Ví dụ: phân tích toàn diện một doanh nghiệp = thu thập dữ liệu tài chính + phân tích chỉ số + so sánh ngành + đánh giá triển vọng.
• Multi-plan Selection (Chọn lọc đa kế hoạch): Agent tạo ra nhiều kế hoạch khác nhau, sau đó đánh giá và chọn kế hoạch tối ưu nhất.
• External Module-aided Planning: Agent sử dụng công cụ hoặc module bên ngoài để hỗ trợ lập kế hoạch — ví dụ dùng thư viện reinforcement learning để tối ưu hóa chiến lược.
• Reflection and Refinement: Agent tự đánh giá kết quả từng bước, nhận ra sai sót và điều chỉnh kế hoạch phù hợp. Giai đoạn này còn được gọi là “reflection” — một cơ chế tự học từ kinh nghiệm.
• Memory-augmented Planning: Agent kết hợp tri thức từ bộ nhớ dài hạn để lập kế hoạch có chiều sâu hơn, tránh lặp lại sai lầm đã từng mắc.

Một phương pháp planning nổi bật là Chain-of-Thought (CoT) — khuyến khích agent chia nhỏ quá trình suy luận thành chuỗi bước logic trước khi đưa ra kết luận. Nâng cao hơn là Tree of Thoughts (ToT), cho phép agent khám phá nhiều nhánh suy luận song song, mở rộng không gian tìm kiếm giải pháp — đặc biệt hữu ích khi phân tích nhiều kịch bản đầu tư cùng lúc.

Tool Calling –  Gọi công cụ bên ngoài

Tool calling là khả năng cho phép agent tương tác với thế giới bên ngoài LLM. Không giống LLM thuần túy bị giới hạn trong “kiến thức đã train”, agent có thể gọi API để lấy dữ liệu thị trường real-time, truy vấn cơ sở dữ liệu tài chính, tìm kiếm thông tin trên web, hoặc thậm chí thực hiện lệnh giao dịch thông qua hệ thống broker.

Tool calling thường được triển khai qua cơ chế Function Calling – agent trả về một cấu trúc JSON mô tả hàm cần gọi và tham số đi kèm. Ví dụ, agent có thể gọi hàm get_stock_price(symbol="VNM") để lấy giá cổ phiếu VNM, rồi dùng kết quả để quyết định hành động tiếp theo. Công nghệ Toolformer (Schick et al., 2023) cho phép LLM tự học cách sử dụng công cụ mà không cần training bổ sung.

Điểm mấu chốt: agent không gọi công cụ một cách ngẫu nhiên. Mỗi lần gọi công cụ đều nằm trong một chuỗi hành động có mục đích rõ ràng, được định hướng bởi planning module và được điều chỉnh bởi reflection loop.

3. Single Agent vs. Multi-Agent Architecture

Một câu hỏi quan trọng khi thiết kế cấu trúc AI agent là: nên dùng một agent hay nhiều agent phối hợp? Câu trả lời phụ thuộc vào mức độ phức tạp của tác vụ.

Single Agent Architecture

Single agent sử dụng một LLM duy nhất để xử lý toàn bộ reasoning, planning và action. Mô hình này hoạt động hiệu quả khi tác vụ có đầu vào rõ ràng, quy trình xử lý tuyến tính và không cần phản hồi từ nhiều nguồn. Các phương pháp tiêu biểu trong nhóm này bao gồm:

• ReAct (Reason + Act): Agent lần lượt thực hiện chuỗi suy nghĩ → hành động → quan sát → suy nghĩ tiếp. Phương pháp này đặc biệt hiệu quả: theo nghiên cứu, ReAct chỉ gặp hallucination 6% so với 14% của Chain-of-Thought thuần túy trên tập dữ liệu HotpotQA.
• Reflexion: Agent tự đánh giá kết quả hành động thông qua phản hồi ngôn ngữ (verbal reinforcement), từ đó cải thiện hiệu suất qua các lần lặp.
• AutoGPT: Một agent tự động phân rã mục tiêu lớn thành các sub-task, tự thực hiện và tự điều chỉnh. AutoGPT là ví dụ điển hình cho mô hình tự chủ (autonomous agent).

Multi-Agent Architecture

Khi tác vụ phức tạp hơn, điều phối AI qua multi-agent là giải pháp tối ưu. Multi-agent architecture có hai cấu trúc chính:

• Vertical (Đứng): Một agent đóng vai trò “leader” điều phối các agent cấp dưới. Agent leader phân công nhiệm vụ, tổng hợp kết quả và đưa ra quyết định cuối cùng. Cấu trúc này phù hợp khi cần một luồng xử lý rõ ràng, phân cấp trách nhiệm.
• Horizontal (Ngang): Tất cả agent ngang hàng, cùng tham gia thảo luận trong một không gian chia sẻ. Agent có thể tự nguyện nhận nhiệm vụ hoặc phản hồi lẫn nhau. Cấu trúc này phù hợp khi cần đa dạng quan điểm và hợp tác — ví dụ một nhóm agent cùng phân tích một doanh nghiệp từ góc nhìn tài chính, kỹ thuật và kinh doanh.

Nghiên cứu “More Agents Is All You Need” (Li et al., 2024) chỉ ra rằng việc kết hợp nhiều agent với nhau tạo ra hiệu suất vượt trội so với một agent đơn lẻ — đặc biệt trong các tác vụ đòi hỏi suy luận phức tạp và xử lý song song nhiều luồng thông tin.

>> Đọc thêm: Multi-Agent System (MAS) là gì? Toàn cảnh về hệ thống đa Agent

4. Tổng hợp lại các thành phần then chốt trong AI Agent Architecture

Tổng hợp lại, một AI Agent Architecture hoàn chỉnh bao gồm các thành phần then chốt sau:

• LLM Core (Lõi ngôn ngữ): Xử lý suy luận, phân tích ngữ cảnh, sinh kế hoạch hành động.
• Memory System: Working memory + long-term memory + external vector database.
• Planning Module: Task decomposition, reflection loop, multi-plan selection.
• Tool Integration Layer: Function calling, API connection, external data source.
• Agent Orchestration: Điều phối single/multi-agent, quản lý luồng công việc.
• Feedback Loop: Reflection – agent tự đánh giá kết quả và điều chỉnh hành động tiếp theo.

Các thành phần này không hoạt động độc lập mà kết nối chặt chẽ trong một vòng lặp liên tục. Planning dựa trên memory để đưa ra kế hoạch sâu sắc hơn. Tool calling được kích hoạt bởi planning và feedback loop điều chỉnh cả hai. Đây là lý do AI Agent Architecture vượt trội so với việc chỉ dùng LLM như một máy trả lời câu hỏi đơn thuần.

>> Đọc thêm: Autonomous Agents là gì? 5 cấp độ tự hành của AI từ đọc hiểu đến tự thực thi

5. Xu hướng phát triển và tương lai của AI Agent Architecture

AI Agent Architecture đang phát triển theo nhiều hướng quan trọng.

Chúng ta đã đi qua một hành trình dài để hiểu về kiến trúc phức tạp bên trong một AI Agent, từ Perception, Memory, Planning đến Tool Calling. Tuy nhiên, đối với một nhà đầu tư cá nhân, câu hỏi lớn nhất đặt ra là: Làm thế nào để áp dụng những lý thuyết học thuật này vào thực tế quản lý tài sản mà không cần phải là một kỹ sư công nghệ?

Nhà đầu tư không cần (và không nên) phải tự code một hệ thống Memory hay thiết lập cơ sở dữ liệu Vector. Điều nhà đầu tư thực sự cần là một môi trường nơi các AI Agent có thể lập tức “cắm” vào và phát huy tối đa sức mạnh kiến trúc của chúng trên chính danh mục tài sản thực tế.

Đây chính xác là triết lý ra đời của nền tảng Finhay Agent Ready.

Thay vì để AI Agent đứng ngoài lề thị trường như một cỗ máy trò chuyện lý thuyết, Finhay cung cấp một hệ sinh thái sẵn sàng cho AI (Agent-Ready Platform) với hạ tầng dữ liệu và công cụ đã được chuẩn hóa để tương thích hoàn hảo với kiến trúc AI:

• Nuôi dưỡng lớp “Perception”: Finhay cung cấp cho AI Agent khả năng thu nhận thông tin vượt trội thông qua kho dữ liệu khổng lồ. Agent không cần phải tự “cào” dữ liệu rời rạc, mà có thể trực tiếp đọc các chỉ số VN-Index, giá chứng chỉ quỹ, biểu đồ giá vàng hay tin tức vĩ mô theo thời gian thực để làm nguyên liệu đầu vào cho quá trình suy luận.

• Kích hoạt “Tool Calling” qua bộ Finhay Skills: Kiến trúc Agent sẽ trở nên vô dụng nếu không có “công cụ” để gọi. Finhay cung cấp bộ kỹ năng chuyên biệt:

  • finhay-market: Cho phép Agent truy vấn diễn biến thị trường.

  • finhay-portfolio: Cho phép Agent soi chiếu trực tiếp vào danh mục cá nhân của nhà đầu tư để phân tích tỷ trọng và rủi ro.

  • finhay-trading (Sắp ra mắt): Cấp quyền cho Agent trực tiếp thực thi lệnh mua/bán (Action) dựa trên kế hoạch (Planning) đã được phê duyệt.

Với sự hỗ trợ của giao thức kết nối tiêu chuẩn (như MCP), bất kỳ AI Agent tiên tiến nào – từ Claude, ChatGPT đến OpenClaw – đều có thể kết nối với Finhay. Lúc này, AI Agent không còn là một khái niệm công nghệ trừu tượng. Nó biến thành một trợ lý tài chính cá nhân thực thụ: biết thu nhận biến động thị trường, ghi nhớ khẩu vị rủi ro của bạn, lập kế hoạch cân bằng danh mục, và hành động thay bạn một cách kỷ luật.

7. Lời kết

AI Agent Architecture là một hệ thống phức tạp nhưng được tổ chức rõ ràng, với LLM làm lõi, memory system làm nền tảng ghi nhớ, planning module làm bộ não lập kế hoạch, và tool calling làm cầu nối với thế giới bên ngoài. Sự phối hợp giữa reasoning (suy luận), planning (lập kế hoạch) và acting (hành động) – thông qua các vòng lặp phản hồi liên tục = chính là điều khiến AI agent trở nên khác biệt và vượt trội so với LLM truyền thống.

Trong lĩnh vực tài chính, hiểu rõ cách kiến trúc AI agent hoạt động giúp nhà đầu tư đánh giá đúng năng lực và hạn chế của các công cụ AI, từ đó sử dụng chúng như một trợ lý đắc lực – chứ không phải thay thế hoàn toàn cho sự am hiểu và kinh nghiệm của con người. Khi nền tảng AI agent tiếp tục phát triển, những nhà đầu tư hiểu rõ công nghệ đằng sau sẽ có lợi thế trong việc tận dụng tối đa sức mạnh của trí tuệ nhân tạo.