Execution Là Interface Mới — AI Apps Đang Vượt Ra Khỏi Chat Window

AI Apps Đang Vượt Ra Khỏi Chat Windows

Trong nhiều năm, AI trong ứng dụng trông như thế này: user gõ prompt → AI trả về text → user quyết định bước tiếp theo.

Đây là mô hình "AI as text" — và theo GitHub (tháng 3/2026), thời đại đó đang kết thúc.

Thay vào đó, AI đang dịch chuyển sang vai trò mới: execution layer. Không chỉ trả lời câu hỏi, mà lập kế hoạch, gọi tools, thay đổi state, recover từ errors, và hoàn thành công việc thực sự — tất cả bên trong ứng dụng của bạn.

GitHub giải thích điều này thông qua GitHub Copilot SDK — một programmatic layer cho phép AI execution chạy bên trong bất kỳ ứng dụng nào. Nhưng điều quan trọng hơn tool cụ thể này là câu hỏi mà bài viết của GitHub đặt ra: product teams phải thay đổi cách nghĩ về AI như thế nào?

Tại Sao Text-Only AI Workflows Chạm Trần

Scripts và glue code truyền thống phù hợp với tasks có thể xác định trước hoàn toàn. Nhưng ngay khi workflow cần:

• Xử lý context phức tạp
• Thay đổi shape giữa chừng
• Error recovery
• Multi-step decision making

Scripts become brittle. Bạn either hard-code edge cases (không sustainable) hoặc build homegrown orchestration layer (expensive và complex).

Prompts nhồi business logic cũng không khá hơn: prompts trở thành brittle substitutes cho structured system integration. Theo thời gian, chúng impossible to test, reason about, and evolve.

Kết luận: Text-in, text-out AI thực ra chỉ là một layer mỏng phía trên những vấn đề integration thực sự — nó không giải quyết chúng.

Execution Là Gì? Tại Sao Nó Khác?

"Execution is the new interface" có nghĩa gì cụ thể?

Mô hình cũ: user → prompt → AI → text → user quyết định → next step (manual)

Mô hình mới: event/trigger → agent nhận intent → lập kế hoạch → gọi tools → thay đổi files/state → xử lý lỗi → hoàn thành — tất cả tự động, bên trong ứng dụng, theo constraints định trước.

Sự khác biệt cốt lõi: AI không chỉ đề xuất bước tiếp theo — nó thực hiện bước đó trong bounded context.

3 Build Patterns Từ GitHub's Framing

Pattern 1: Delegate Multi-Step Work to Agents

Thay vì encode cứng mọi bước vào script, bạn pass intent và constraints cho agent:

Ví dụ: "Prepare this repository for release"

Agent sẽ:

• Explore repository tự động
• Lập kế hoạch các bước cần thiết
• Modify files
• Run commands
• Adapt nếu có gì đó fail

Bạn không phải xác định mọi step. Bạn xác định mục tiêu và giới hạn.

Tại sao điều này quan trọng: Khi systems scale, fixed workflows breakdown. Agentic execution cho phép software adapt trong khi vẫn constrained và observable — mà không cần rebuild orchestration mỗi lần.

Pattern 2: Ground Execution in Structured Runtime Context

Thay vì nhồi mọi context vào prompts, bạn cho agent access trực tiếp vào systems:

Với GitHub Copilot SDK:

• Define domain-specific tools hoặc agent skills
• Expose tools qua Model Context Protocol (MCP)
• Execution engine retrieve context tại runtime

Ví dụ: một internal agent có thể query service ownership, pull historical decision records, check dependency graphs, reference internal APIs — tất cả tại runtime, không phải embed vào prompt.

Tại sao điều này quan trọng: Reliable AI workflows cần structured, permissioned context. MCP cung cấp plumbing giữ agentic execution grounded trong real tools và real data — không phải guesswork trong prompts.

Pattern 3: Embed Execution Outside the IDE

Phần lớn AI tooling hiện tại assume công việc xảy ra trong IDE. Nhưng modern software ecosystems extend far beyond:

• Desktop applications
• Internal operational tools
• Background services
• SaaS platforms
• Event-driven systems

Với Copilot SDK approach, execution trở thành application-layer capability: system listen for event (file change, deployment trigger, user action) → invoke AI programmatically → planning và execution loop chạy bên trong product của bạn.

Điều này có nghĩa là: AI không còn là "helper in a side window" mà trở thành infrastructure — chạy ở bất kỳ đâu software của bạn chạy.

Developers Nên Build Gì Tiếp Theo

Với framwork này, GitHub gợi ý các directions cụ thể:

Design Principles Cho App-Embedded Agents

Khi embed execution vào ứng dụng, các nguyên tắc cần theo:

✅ Bounded permissions — agent chỉ có thể access những gì cần thiết
✅ Explicit constraints — define rõ những gì agent KHÔNG thể làm
✅ Observable logs — mọi decision và action đều được log
✅ Structured tool interfaces — MCP, không phải natural language tools
✅ Human approval cho high-risk actions — không auto-execute destructive operations
✅ Clean fallback paths — graceful failure, không phải silent crash

Những Chỗ Teams Thường Sai

GitHub's framing cũng ngầm chỉ ra những anti-patterns:

"Chat with a button" thay vì real execution: Bọc chat UI xung quanh một action button không phải là agentic execution. Real execution có nghĩa là agent có thể take multiple steps, handle errors, và complete work.

Over-automating trước khi define guardrails: Tốc độ triển khai không nên outpace tốc độ define constraints. Agents mạnh + boundaries yếu = unpredictable behavior.

Nhồi business logic vào prompts: Đây là anti-pattern phổ biến nhất. Logic trong prompts không testable, không versionable, không scalable.

Skip observability: Nếu bạn không thể inspect những gì agent đang làm và tại sao, bạn không thể debug hoặc improve nó.

Không separate planning từ execution: Planning agent và execution agent nên là separate concerns — giúp debug, retry, và audit dễ hơn nhiều.

Điều Này Thay Đổi AI Product Roadmap Như Thế Nào

Nếu execution là interface mới, product teams cần tư duy theo một cách khác:

Cũ: AI là một feature trong product (chat tab, AI suggestions) Mới: AI là workflow infrastructure của product

Product teams cần think in terms of:

• Orchestration: AI làm gì và theo thứ tự nào?
• Tools: AI access vào hệ thống nào?
• Permissions: AI được phép làm gì và không phép làm gì?
• Event triggers: Điều gì kích hoạt AI execution?
• Execution safety: Làm thế nào để ngăn destructive actions?

Takeaway

Generation AI products tiếp theo sẽ không chỉ trả lời câu hỏi — chúng sẽ execute bounded work bên trong real systems.

"AI as text" đã đủ tốt cho demo và MVPs. Nhưng với production-quality AI products, execution là interface duy nhất thực sự mang lại value.

Builders hiểu shift này sớm có thể design products useful hơn nhiều so với competitors vẫn đang focus vào chat UX.

Nguồn: The era of "AI as text" is over. Execution is the new interface. — GitHub Blog, tháng 3/2026