Agentic Workflow: Giới thiệu multi-agent AI systems

Agentic workflow là gì và tại sao nó khác với chatbot thông thường

Một chatbot thông thường nhận câu hỏi và trả lời dựa trên dữ liệu có sẵn. Nó không thể tự quyết định bước tiếp theo, không thể gọi công cụ bên ngoài, và không thể phối hợp với các AI khác để hoàn thành tác vụ phức tạp.

Agentic workflow hoạt động theo nguyên lý khác. Thay vì một AI xử lý mọi thứ, một hệ thống multi-agent sử dụng nhiều AI agents chuyên biệt, mỗi agent đảm nhiệm một phần của quy trình. Một agent orchestrator điều phối luồng công việc, quyết định agent nào sẽ xử lý bước nào, và tổng hợp kết quả cuối cùng.

Sự khác biệt quan trọng nhất là khả năng tự chủ. Một agentic workflow có thể nhận yêu cầu cấp cao như "nghiên cứu và viết báo cáo về thị trường thực phẩm Đông Nam Á", tự phân chia thành các bước nhỏ, thực thi, kiểm tra kết quả, và điều chỉnh nếu gặp lỗi mà không cần con người can thiệp từng bước.

Kiến trúc điển hình của một agentic workflow

Một hệ thống multi-agent hoạt động hiệu quả thường có ba lớp chính. Lớp đầu tiên là orchestrator agent: AI điều phối tổng thể, nhận nhiệm vụ cấp cao, phân tích, chia nhỏ thành subtask, và phân công cho các specialized agents.

Lớp thứ hai là các specialized agents, mỗi agent được tối ưu cho một loại tác vụ cụ thể. Trong một content pipeline, có thể có research agent chuyên tìm kiếm thông tin, writing agent chuyên tạo nội dung, fact-check agent chuyên xác minh dữ liệu, và formatting agent chuyên chuẩn bị bài cuối.

Lớp thứ ba là tool layer: các công cụ mà agents có thể gọi để tương tác với thế giới bên ngoài. Đây có thể là web search, database query, API call đến ứng dụng bên thứ ba, hay thao tác trực tiếp trên hệ thống file. n8n đóng vai trò lớp orchestration, kết nối các agents và công cụ lại với nhau. OpenClaw, framework chúng mình xây dựng, cung cấp thêm lớp trừu tượng giúp định nghĩa agent behavior và memory management dễ hơn.

Ba ví dụ thực tế về agentic workflow

Ví dụ đầu tiên là content research và production pipeline. Quy trình nhận vào một chủ đề bài viết, sau đó research agent tự động tìm kiếm 15-20 nguồn liên quan, fact-check agent lọc bỏ thông tin không đáng tin, writing agent tạo bản nháp dựa trên dữ liệu đã xác minh, và SEO agent tối ưu từ khóa và cấu trúc. Thời gian: 8-12 phút thay vì 3-4 giờ làm thủ công.

Ví dụ thứ hai là lead generation và qualification pipeline. Khi có lead mới vào, research agent tự động tra cứu thông tin công ty, qualification agent đánh giá mức độ phù hợp theo ICP, personalization agent soạn email tiếp cận cá nhân hóa, và CRM agent cập nhật hồ sơ khách hàng. Toàn bộ diễn ra trong vòng 5 phút sau khi lead điền form.

Ví dụ thứ ba là hợp đồng auto-generation. Khi sales xác nhận một deal, contract agent kéo thông tin khách hàng từ CRM, điền vào template hợp đồng phù hợp, legal-check agent rà soát các điều khoản quan trọng, và delivery agent gửi hợp đồng qua email kèm link ký điện tử. Quy trình trước đây mất 2-3 giờ, nay xong trong dưới 10 phút.

OpenClaw: framework chúng mình xây dựng cho agentic systems

OpenClaw là framework nội bộ chúng mình phát triển để giải quyết một số hạn chế của các công cụ multi-agent hiện có khi triển khai trong môi trường thực tế.

Vấn đề phổ biến nhất với multi-agent systems là agent hallucination lan truyền: khi một agent đưa ra thông tin sai, các agents phía sau tiếp tục xây dựng trên nền thông tin sai đó. OpenClaw xử lý bài toán này bằng cách thêm verification checkpoints giữa các bước, nơi output của agent trước được xác minh trước khi chuyển sang agent tiếp theo.

Framework này cũng hỗ trợ graceful degradation: khi một agent gặp lỗi, hệ thống không dừng hoàn toàn mà tìm cách hoàn thành nhiệm vụ với dữ liệu còn lại, sau đó ghi log để human review.

Chi phí vận hành thực tế

Một agentic workflow cơ bản chạy trên n8n và OpenAI API tiêu tốn khoảng 500K đến 2 triệu VND mỗi tháng tùy mức độ sử dụng. Chi phí chủ yếu đến từ API calls đến các LLM, và tỷ lệ thuận với số lượng workflow executions mỗi tháng.

Đối với các pipeline phức tạp dùng nhiều LLM cao cấp như GPT-4 hay Claude, chi phí có thể lên đến 3-5 triệu VND mỗi tháng. Tuy nhiên, khi so sánh với chi phí nhân sự tương đương, ROI thường dương sau 2-3 tháng đầu.

Khi nào nên và không nên dùng agentic workflow

Nên dùng khi quy trình có nhiều bước phụ thuộc nhau; khi mỗi bước đòi hỏi loại xử lý khác nhau; khi lượng dữ liệu đầu vào quá lớn cho một AI đơn lẻ xử lý hiệu quả; và khi cần khả năng tự điều chỉnh khi gặp lỗi.

Không nên dùng khi tác vụ đơn giản và một AI đơn lẻ đã đủ xử lý. Việc dùng multi-agent cho tác vụ đơn giản chỉ tạo thêm điểm thất bại và tăng chi phí mà không tăng giá trị. Nguyên tắc cơ bản: nếu có thể giải quyết với một prompt tốt, hãy làm vậy. Chỉ leo thang lên agentic system khi single agent thực sự không đủ.

Đây là bài học chúng mình học được sau hàng chục triển khai thực tế: sự phức tạp không phải dấu hiệu của sức mạnh, đơn giản nhất mà đủ mới là thiết kế tốt.