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

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

AI Agent là hệ thống xây dựng trên nền LLM, được bổ sung các lớp perception (thu nhận), reasoning/planning (suy luận/lập kế hoạch) và action (hành động). Nhờ đó, Agent chủ động thu thập thông tin, đánh giá kết quả từng bước, điều chỉnh kế hoạch và gọi nhiều công cụ để hoàn thành mục tiêu phức tạp.

Một LLM (Large Language Model) 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. Hệ thống này không có bộ nhớ giữa các lần tương tác, không tự đánh giá kết quả và không thực hiện chuỗi hành động liên tiếp như AI Agent.

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

Lớp perception giúp Agent thu nhận thông tin từ nhiều nguồn, từ văn bản, phản hồi người dùng đến biểu đồ giá, tin tức, báo cáo tài chính và dữ liệu vĩ mô. Trong tài chính, công việc này có thể là đọc API chứng khoán, quét BCTC doanh nghiệp hoặc theo dõi dòng tiền danh mục theo thời gian thực, thay vì chỉ đọc văn bản.

Brain – Lõi xử lý LLM

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

Multi-Agent Architecture phối hợp nhiều Agent để xử lý tác vụ phức tạp, với hai cấu trúc chính là điều phối theo chiều đứng (Vertical) và cộng tác theo chiều ngang (Horizontal). Sự khác biệt nằm ở cách phân chia vai trò và tổng hợp kết quả, được trình bày cụ thể dưới đây.

• 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

• 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

• Khả năng lập kế hoạch dài hạn  đang được cải thiện đáng kể – agent không chỉ suy nghĩ vài bước mà còn có thể lập kế hoạch cho chuỗi hành động kéo dài hàng giờ hoặc nhiều ngày.
• Cộng tác đa agent đang trở thành xu hướng chủ đạo = các agent được chuyên môn hóa (agent phân tích kỹ thuật, agent phân tích cơ bản, agent quản lý rủi ro) phối hợp với nhau theo mô hình kiến trúc ngang (horizontal architecture).
• Hệ thống bộ nhớ (memory) ngày càng tinh vi với sự kết hợp của cơ sở dữ liệu vector, đồ thị tri thức (knowledge graph) và ngân hàng bộ nhớ (memory bank) có khả năng cập nhật liên tục.
• Khả năng giám sát (monitoring) và tính có thể giải thích  của agent đang được chú trọng nhiều hơn – theo nghiên cứu của Chan và cộng sự (2024), việc “nhìn thấy” được quá trình ra quyết định của agent là yếu tố then chốt để xây dựng niềm tin.
• Khái niệm điều phối AI (AI orchestration) – tức khả năng điều phối linh hoạt nhiều agent, nhiều công cụ và nhiều nguồn dữ liệu trong một hệ thống thống nhất đang trở thành trọng tâm của các nền tảng AI agent thế hệ mới. Đây là nền tảng để xây dựng các hệ thống tự động hóa tài chính phức tạp, nơi nhiều agent phối hợp để phân tích, ra quyết định và hành động một cách đồng bộ.

6. Đưa AI Agent Architecture vào thực chiến với Finhay Agent Ready

Finhay cung cấp hệ sinh thái Agent-Ready Platform với hạ tầng dữ liệu và công cụ đã được chuẩn hóa để tương thích với kiến trúc AI. Nhờ môi trường sẵn có này, Agent có thể kết nối các lớp thu nhận thông tin và gọi công cụ vào việc quản lý tài sản thực tế, thay vì chỉ đứng ngoài như một cỗ máy trò chuyện lý thuyết.