AI Agent Workflow Thực Tế: Context → Action → Verify → Repeat (Và Subagents)

Vấn Đề Với "Agent AI"

Đa số bài viết về AI agents nghe rất hào nhoáng: "Agent tự động hoàn thành mọi thứ!" Nhưng khi bạn thực sự xây dựng agent cho production, bạn nhanh chóng nhận ra: one-shot prompting không giải quyết được bài toán thực tế.

Task thực sự thường đòi hỏi:

• Tìm kiếm thông tin trước khi hành động
• Sửa file, rồi kiểm tra xem đúng chưa
• Retry khi thất bại
• Thu hẹp scope khi context quá rộng

Agent tốt không phải là "prompt thông minh" — mà là một vòng lặp được thiết kế có kỷ luật.

Vòng Lặp Agent: 4 Bước

┌──────────┐     ┌──────────┐     ┌──────────┐     ┌──────────┐
│ CONTEXT  │ ──→ │  ACTION  │ ──→ │  VERIFY  │ ──→ │  REPEAT  │
│ Thu thập │     │ Thực thi │     │ Kiểm tra │     │ Lặp lại  │
└──────────┘     └──────────┘     └──────────┘     └────┬─────┘
     ▲                                                   │
     └───────────────────────────────────────────────────┘

Mọi agent đáng tin cậy đều tuân theo vòng lặp này — dù là coding agent, research agent, hay customer support agent.

Bước 1: Thu Thập Context

Agent cần biết mình đang làm gì trước khi hành động.

Nguồn context phổ biến:

• File system search — quét codebase, tìm file liên quan
• Agentic search — tìm kiếm web, đọc docs
• Prior conversations — lịch sử trao đổi trước đó
• Logs, databases — dữ liệu runtime
• Project structure — hiểu kiến trúc tổng thể

Context Engineering > Context Window Lớn

Có 200k token context window không có nghĩa bạn nên nhồi 200k tokens vào. Context engineering — chọn lọc chỉ thông tin relevant — quan trọng hơn context window size.

❌ Sai: "Đây là toàn bộ codebase 500 files, hãy fix bug"
✅ Đúng: Agent tự dùng grep/find → tìm 3 files liên quan → chỉ đọc 3 files đó

Bước 2: Thực Thi Action

Sau khi có đủ context, agent thực hiện hành động.

Các loại action:

Tools Là Bề Mặt Thực Thi Chính

Agent không chỉ "nói" cách làm — nó dùng tools để thực sự làm. Tools biến text output thành hành động thực tế:

# Agent không chỉ nói "bạn nên chạy tests"
# Agent thực sự chạy:
run_command("npm run test")
# Đọc output:
read_output()
# Phân tích kết quả:
analyze_test_results()

Bước 3: Xác Nhận Kết Quả (Verify)

Đây là bước mà hầu hết agent builders BỎ QUA — và đây chính là lý do agents không đáng tin cậy.

Các phương pháp verify:

Tại Sao Verify Quan Trọng

Agent reliability đến từ feedback loops, không phải từ confidence scores. Một agent chạy code, thấy lỗi, sửa lại, chạy lại test — đáng tin cậy hơn nhiều so với agent tự tin output code mà không verify.

Bước 4: Lặp Lại (Repeat + Compact)

Re-run Sau Feedback

Nếu verify phát hiện lỗi → agent quay lại Bước 1 hoặc Bước 2 với context mới.

Memory Discipline

Long-running workflows cần kỷ luật bộ nhớ:

• Compact/summarize context sau mỗi vài bước
• Chỉ giữ lại thông tin relevant cho bước tiếp theo
• Xóa context cũ không cần thiết

Iteration 1: Context (100%) → Action → Verify → FAIL
Iteration 2: Context (60% compact) + error info → Action → Verify → PASS ✅

Subagents — Khi Nào Và Tại Sao

Subagent là gì?

Agent chính (orchestrator) phân task nhỏ cho các agent con (subagents) chạy song song hoặc tuần tự.

Lợi ích:

Best Use Cases cho Subagents:

• Search tasks — 3 subagents tìm kiếm 3 nguồn khác nhau song song
• Code review — subagents review security, performance, style riêng biệt
• Research — subagents đọc 5 articles song song, tổng hợp findings
• Comparison — subagents đánh giá 3 options cùng lúc

Rủi ro:

• Orchestration overhead (phức tạp hóa system design)
• Conflicting outputs giữa các subagents
• Tốn thêm tokens/costs

Architecture Có Thể Copy

┌─────────────────────────────────────────────┐
│            ORCHESTRATOR AGENT               │
│  - Nhận task từ user                        │
│  - Break thành subtasks                     │
│  - Coordinate subagents                     │
│  - Aggregate results                        │
└──────┬──────────┬──────────┬────────────────┘
       │          │          │
  ┌────▼────┐ ┌───▼───┐ ┌───▼───┐
  │ Search  │ │ Action│ │ Verify│
  │Subagent │ │Subagent│ │Subagent│
  └─────────┘ └───────┘ └───────┘
       │          │          │
  ┌────▼──────────▼──────────▼────┐
  │      TOOL LAYER               │
  │  grep, edit, run, MCP calls   │
  └───────────────────────────────┘
       │
  ┌────▼──────────────────────────┐
  │   HUMAN APPROVAL GATE        │
  │   (risky operations only)     │
  └───────────────────────────────┘

5 layers chính:

1. Orchestrator — brain, quản lý flow
2. Subagents — workers cho bounded tasks
3. Tool Layer — thực thi thực tế
4. Verification Layer — lint, test, validate
5. Human Gate — approval cho operations nguy hiểm

Lỗi Phổ Biến Khi Xây Agent

Use Cases Thực Tế

Kết Luận

Agent mạnh là workflow systems, không phải "prompt tốt hơn". Nếu bạn muốn agent đáng tin cậy, hãy thiết kế loops, tools, verification, và boundaries trước — model chỉ là một phần trong hệ thống.

Thử ngay: Map một workflow trong business của bạn lên 4-step loop. Xác định chính xác nơi context, actions, verification, và subagents nằm ở đâu.