# AI Agent (tác nhân AI)

> VI: https://5ac.vn/wiki/ai-agent/ · EN: https://5ac.vn/en/wiki/ai-agent/ · lang: vi · spec_as_of 2026-10-19 (spec no formal spec) · cluster C1

Chương trình dùng mô hình ngôn ngữ lớn làm bộ não để tự lập kế hoạch, gọi công cụ và hoàn thành tác vụ theo mục tiêu; khác trợ lý phản ứng ở tính chủ động.

---
## Định nghĩa

AI agent là chương trình dùng mô hình ngôn ngữ lớn (LLM) làm bộ não để theo đuổi một mục tiêu: chia công việc thành bước, tự quyết định đọc nguồn dữ liệu nào, gọi công cụ nào, kiểm tra kết quả rồi đi tiếp mà không chờ con người ra từng lệnh. Ranh giới 5ac dùng để phân biệt agent với trợ lý nằm ở tính chủ động. "Trợ lý" AI năm 2025 phản ứng: bạn hỏi, nó đáp. "Agent" năm 2026 chủ động: theo dõi hộp thư, phân loại khách tiềm năng, soạn phản hồi và chỉ báo người phụ trách khi gặp điều thực sự mới. Khi vào sản xuất, agent không còn là một cửa sổ chat mà là lớp vận hành: mỗi tác vụ có thể gọi nhiều mô hình, đọc nhiều nguồn dữ liệu, chạy nhiều công cụ và phát sinh chi phí theo từng bước.

## Cơ chế

Khung học thuật là khảo sát *A Survey on Large Language Model based Autonomous Agents* (arXiv:2308.11432, Lei Wang và cộng sự, 2023): agent LLM là hệ thống có lập kế hoạch, bộ nhớ và giao diện hành động với môi trường, không chỉ sinh văn bản. Các bài của 5ac gom cơ chế chạy của agent thành ba lớp:

| Lớp | Nội dung | Điều cần giám sát |
| --- | --- | --- |
| Vòng hành động | lập kế hoạch → tìm dữ liệu → gọi công cụ → kiểm tra → sửa lỗi → chạy lại | một yêu cầu có thể thành hàng chục lượt gọi mô hình |
| Quyền truy cập | nguồn dữ liệu và công cụ agent được phép chạm | agent đã đọc gì, tạo thay đổi nào |
| Lớp vận hành | ngân sách token, định tuyến model, nhật ký khi nhiều agent chạy song song | chi phí trên mỗi kết quả hoàn tất |

Các bài 5ac tổ chức agent theo vai trò, không theo model: agent nội dung đọc brief và tài liệu thương hiệu, agent CRM chạm pipeline, agent review chỉ kiểm tra đầu ra, người thật duyệt các quyết định khó đảo ngược. Agent chủ quyền là chính thực thể này, được đánh giá bằng khả năng kiểm soát: dữ liệu ở đâu, ai có quyền, hành động nào cần duyệt, log có đủ truy vết.

## Bối cảnh ứng dụng

Với doanh nghiệp nhỏ, agent đi vào quy trình lặp và gần doanh thu: xử lý 70–80% câu hỏi hỗ trợ Cấp 1, lọc lead, soạn phản hồi đầu tiên, dựng báo cáo nội bộ — phần việc mà đội 10 người không thể trực 24/7. Ba chi phí vận hành đi kèm được bài orchestration của 5ac nêu thẳng: ngân sách token theo từng workflow, quyền truy cập theo vai trò, nhật ký cho mọi hành động. Thiếu ba thứ này, kết quả ban đầu đến rất nhanh còn hóa đơn tăng âm thầm.

## Nguồn đã truy xuất

- [Công Cụ AI Cho Doanh Nghiệp Nhỏ 2026](/blog/ai-cho-doanh-nghiep-nho/) — trợ lý phản ứng vs agent chủ động, số liệu câu hỏi Cấp 1 — truy cập 19/10/2026
- [Agentic AI orchestration: Kiểm soát chi phí token](/blog/agentic-ai-orchestration-kiem-soat-chi-phi-token/) — agent như lớp vận hành, chi phí theo bước — truy cập 19/10/2026
- [AI agents chủ quyền cho SMB Việt Nam](/blog/ai-agents-chu-quyen-viet-nam-quan-tri-tuan-thu/) — ba lớp kiểm soát: dữ liệu, hành động, nhà cung cấp — truy cập 19/10/2026
- <https://arxiv.org/abs/2308.11432> — khảo sát autonomous agents (v7) — xác minh qua arXiv API ngày 19/10/2026

## Liên quan

- [Agent governance (quản trị agent)](/wiki/agent-governance/)
- [Sub-agent là gì](/wiki/sub-agent/)
- [Agent memory](/wiki/agent-memory/)
- [Agent skills](/wiki/agent-skills/)
- [Model Context Protocol (MCP)](/wiki/mcp/)