Mục Lục Hướng Dẫn
Một AI agent đơn lẻ làm tốt nhiều việc, nhưng có giới hạn: khi tác vụ cần nhiều chuyên môn khác nhau, cần chạy song song, hoặc cần kiểm soát luồng xử lý phức tạp, bạn cần hệ thống đa agent (multi-agent system). Năm 2026, đây là chủ đề được quan tâm hàng đầu sau khi các runtime coding agent bắt đầu tích hợp sẵn cơ chế subagent.
Bài viết này phân biệt ba cách tiếp cận thường bị nhầm lẫn: framework đa agent như LangGraph và CrewAI, và cơ chế subagent có sẵn trong các coding runtime như Claude Code hay OpenCode.
1. Vì sao cần nhiều agent?
Hãy tưởng tượng tác vụ “viết một bài báo kỹ thuật có nghiên cứu, biên tập và kiểm chứng”. Một agent đơn phải làm tuần tự: tìm tài liệu → viết → tự sửa → tự review. Chất lượng bị limiting bởi việc nó vừa đóng nhiều vai, vừa khó tách biệt công đoạn.
Mô hình đa agent chia vai rõ ràng:
- Agent nghiên cứu tìm và trích dẫn nguồn.
- Agent viết soạn nội dung từ tài liệu đã có.
- Agent thẩm định kiểm tra sự thật và sửa lỗi.
- Agent điều phối (orchestrator) phân việc và tổng hợp kết quả.
Mỗi agent có thể dùng model riêng, prompt riêng, thậm chí công cụ riêng. Đây là lý do hệ thống đa agent thường cho kết quả tốt hơn cho tác vụ phức tạp — đổi lại là chi phí và độ phức tạp tăng lên.
2. LangGraph: kiểm soát luồng bằng đồ thị
LangGraph là framework của LangChain, mô hình hóa hệ thống đa agent thành một đồ thị (graph): các node là bước xử lý, các cạnh là luồng đi. Bạn định nghĩa rõ agent nào chạy trước, điều kiện nào để nhảy sang agent khác, và khi nào dừng.
Ưu điểm của LangGraph:
- Kiểm soát luồng cực chặt: bạn thiết kế workflow dạng DAG có vòng lặp, rẽ nhánh theo điều kiện — hợp cho quy trình nghiệp vụ có rule rõ ràng.
- State rõ ràng: trạng thái được truyền qua các node, dễ debug và kiểm tra.
- Hỗ trợ checkpoint & human-in-the-loop: có thể tạm dừng để người duyệt rồi tiếp tục.
Nhược điểm: bạn phải viết khá nhiều code để định nghĩa graph. Với tác vụ đơn giản, LangGraph có thể là “dùng dao phay để cắt trái cây”.
3. CrewAI: tổ chức theo vai trò (role-based)
CrewAI tiếp cận theo hướng đội ngũ (crew): bạn định nghĩa các agent với vai trò, mục tiêu và công cụ, rồi giao cho họ các tác vụ (tasks). Framework sẽ điều phối việc ai làm gì và chuyển kết quả giữa các agent.
Ưu điểm của CrewAI:
- Trực quan với người không chuyên code: khái niệm “nhà nghiên cứu”, “người viết”, “biên tập” dễ hiểu và dễ mô tả.
- Nhanh để prototype: định nghĩa vài agent + task là có hệ thống chạy ngay.
- Tự động ủy thác: agent có thể giao việc cho đồng nghiệp trong crew.
Nhược điểm: kiểm soát luồng chi tiết kém hơn LangGraph; với workflow có nhiều điều kiện rẽ nhánh, bạn có thể thấy bị “giới hạn” bởi abstraction.
Bảng so sánh nhanh
| Tiêu chí | LangGraph | CrewAI |
|---|---|---|
| Mô hình | Đồ thị node/cạnh | Đội ngũ vai trò/tác vụ |
| Điểm mạnh | Kiểm soát luồng, state, checkpoint | Dễ dùng, prototype nhanh |
| Độ phức tạp code | Cao hơn | Thấp hơn |
| Hợp cho | Quy trình nghiệp vụ có rule rõ | Tác vụ sáng tạo, nghiên cứu theo vai trò |
| Human-in-the-loop | ✅ Tốt | ⚠️ Hạn chế hơn |
4. Subagent trong coding runtime: hướng đi thứ ba
Còn một hướng đi đang lên mạnh trong năm 2026: thay vì cài framework riêng, dùng cơ chế subagent có sẵn trong runtime như Claude Code hay OpenCode. Khi gặp tác vụ lớn, agent chính có thể sinh ra các subagent chạy song song để khám phá codebase, rồi tổng hợp kết quả.
So với LangGraph/CrewAI, subagent có đặc điểm riêng:
- Không cần code orchestration: bạn chỉ cần mô tả tác vụ; runtime tự quyết định tách việc.
- Tận dụng ngữ cảnh riêng: mỗi subagent có cửa sổ ngữ cảnh của nó, tránh “tràn” context khi đọc nhiều file.
- Chạy song song tự nhiên: nhiều subagent có thể cùng đọc các phần khác nhau của repo.
- Gắn chặt với runtime: dễ dùng trong Claude Code/OpenCode, nhưng không mang sang ứng dụng tùy ý dễ như framework độc lập.
Đây là lý do nhiều đội dùng cả hai: LangGraph/CrewAI cho quy trình nghiệp vụ trong sản phẩm, subagent cho công việc lập trình hằng ngày.
5. Chọn kiến trúc nào?
Dưới đây là cách mình tiếp cận, bắt đầu từ câu hỏi “bạn đang xây sản phẩm hay đang làm việc?”:
- Xây sản phẩm có quy trình cố định (duyệt đơn, xử lý bảo hiểm, pipeline dữ liệu) → LangGraph, vì bạn cần kiểm soát luồng và checkpoint.
- Xây công cụ nghiên cứu/sáng tạo theo vai trò (viết báo cáo, tổng hợp tài liệu, brainstorm) → CrewAI, vì định nghĩa vai trò trực quan.
- Làm việc lập trình hằng ngày trong terminal (đọc repo lớn, refactor đa file, review) → subagent trong Claude Code/OpenCode.
- Tác vụ đơn giản, một agent đủ → đừng dùng multi-agent; chi phí tăng mà lợi ích không rõ ràng.
Bẫy thường gặp
Multi-agent không phải lúc nào cũng tốt hơn. Ba lỗi kinh điển:
- Chi phí token nhân lên: mỗi agent tiêu token riêng; năm agent chạy một tác vụ có thể tốn gấp nhiều lần một agent.
- Truyền thông tin bị méo: agent này hiểu sai kết quả của agent kia → cả hệ thống đi hướng sai.
- Quá thiết kế: dùng 5 agent cho việc một agent làm được trong 10 giây.
Nguyên tắc: bắt đầu từ một agent, chỉ tách khi có lý do rõ ràng (cần chuyên môn khác, cần song song, hoặc cần kiểm chứng chéo).
6. Kết hợp với MCP và Agent Skills
Dù chọn framework hay subagent, bạn vẫn nên dùng MCP để kết nối công cụ và Agent Skills để đóng gói quy trình. Một MCP server có thể dùng chung cho mọi agent trong hệ thống; một Skill có thể dạy từng agent cách làm đúng vai trò của nó.
Ví dụ thực tế: một crew gồm “agent nghiên cứu” và “agent viết” cùng dùng một MCP server để truy cập tài liệu nội bộ, trong khi “agent thẩm định” dùng Skill chứa checklist kiểm chứng sự thật.
FAQ
Có cần dùng framework mới có multi-agent không?
Không. Các coding runtime hiện đại đã có sẵn subagent. Framework chỉ cần thiết khi bạn xây sản phẩm requiring luồng xử lý tùy biến.
LangGraph hay CrewAI dễ học hơn?
CrewAI dễ tiếp cận hơn cho người mới nhờ mô hình vai trò. LangGraph mạnh hơn nhưng cần hiểu khái niệm graph/state.
Multi-agent có đắt hơn không?
Có — thường tốn nhiều token hơn. Hãy đo chi phí thực tế trước khi quyết định mở rộng số agent.
Bao nhiêu agent là đủ?
Ít nhất có thể. Bắt đầu với 1, thêm agent khi bạn nhận thấy rõ lợi ích từ việc tách vai trò hoặc chạy song song.
Bài viết là tổng quan kiến trúc. Để biết thêm về runtime chạy agent, xem so sánh Claude Code, Codex và OpenCode.
