Multi agent là hệ thống gồm nhiều AI Agent cùng nhận việc, chia nhỏ việc và phối hợp với nhau để đạt một mục tiêu chung, thay vì để một agent làm tất cả. Doanh nghiệp tìm hiểu multi agent thường đã dùng thử một AI Agent và gặp giới hạn: việc càng dài thì agent càng dễ quên yêu cầu ban đầu, làm chậm và trộn lẫn các phần. Chia việc cho một đội agent giải quyết được giới hạn đó, nhưng cũng tốn chi phí hơn và cần thiết kế cẩn thận.
Bài viết giải thích multi agent là gì, cách một hệ thống multi agent vận hành theo mô hình điều phối viên và các agent chuyên việc, điểm khác nhau giữa single agent và multi agent, cùng các mô hình phối hợp hay dùng. Các phần sau trình bày khi nào nên dùng multi agent, cách dựng một đội agent làm content bằng Claude Code và những rủi ro cần phòng tránh.
Multi agent là gì?
Multi agent, hay hệ thống đa tác nhân (multi-agent system, viết tắt MAS), là cách tổ chức trong đó nhiều AI Agent, mỗi agent phụ trách một phần việc, cùng phối hợp để hoàn thành một nhiệm vụ lớn. Mỗi agent vẫn là một AI Agent đầy đủ, tức có mục tiêu riêng, dùng được công cụ và tự quyết cách làm phần của mình. Điểm mới của multi agent nằm ở lớp phối hợp: ai giao việc, ai làm việc gì, kết quả được chuyển cho nhau ra sao.
Một hệ thống multi agent thường có các thành phần sau, mô tả qua ví dụ một đội agent chuẩn bị content tuần cho fanpage tiệm tóc.
- Agent điều phối: nhận mục tiêu từ người phụ trách, chia thành các phần và giao cho agent phù hợp. Ví dụ, nhận yêu cầu “5 bài fanpage tuần này về chăm sóc tóc sau khi uốn”, agent điều phối giao một agent đọc bình luận, một agent viết, một agent soát.
- Các agent chuyên việc: mỗi agent chỉ làm một loại việc với hướng dẫn và công cụ riêng. Agent đọc bình luận chỉ được đọc dữ liệu, còn agent viết bài được đọc thêm hồ sơ thương hiệu và quy tắc viết.
- Cơ chế chuyển giao: kết quả của agent này trở thành đầu vào của agent khác theo một định dạng thống nhất. Agent đọc bình luận trả về danh sách câu hỏi kèm số lần được hỏi, chẳng hạn “uốn xong bao lâu thì nhuộm được: 9 lần”.
- Bộ nhớ chung: các file mà mọi agent cùng đọc, như hồ sơ công ty, giọng văn, danh sách câu không được dùng. Nhờ bộ nhớ chung, năm bài do các agent khác nhau làm vẫn nói cùng một giọng.
Trong khái niệm rộng hơn là agentic AI, multi agent là một cách tổ chức hệ thống chứ không phải một loại AI riêng. Hiểu được các thành phần trên, doanh nghiệp sẽ dễ hình dung cách một đội agent thực sự làm việc từng bước như phần dưới đây.
Multi agent hoạt động thế nào?
Hệ thống multi agent phổ biến nhất hiện nay hoạt động theo mô hình điều phối viên và thợ: một agent chính lập kế hoạch, giao việc cho các agent con chạy song song, rồi tổng hợp kết quả. Anthropic mô tả mô hình này là một mô hình ngôn ngữ trung tâm tự chia nhỏ nhiệm vụ, giao cho các mô hình làm việc và tổng hợp kết quả của chúng. Điểm khác với một quy trình cố định là các phần con không được viết sẵn mà do agent chính quyết định dựa trên từng yêu cầu cụ thể.
Các bước dưới đây mô tả cách một đội agent làm việc khi nhận yêu cầu “nghiên cứu cách ba tiệm tóc cùng khu vực đang làm content trên Facebook và TikTok”.
- Agent chính phân tích yêu cầu: xác định cần tìm thông tin gì, ở đâu, và việc này nên chia làm mấy phần. Với ba tiệm tóc và hai kênh, agent chính có thể chia thành ba phần, mỗi phần là một tiệm.
- Giao việc kèm hướng dẫn rõ ràng: mỗi agent con nhận một mục tiêu, định dạng kết quả, nguồn được dùng và phạm vi không được vượt qua. Anthropic ghi nhận hướng dẫn giao việc mơ hồ khiến các agent con làm trùng việc của nhau.
- Các agent con làm song song: mỗi agent con chạy trong cửa sổ ngữ cảnh riêng, tự tìm và đọc thông tin của phần mình. Vì không phải chờ nhau, cả đội xong việc nhanh hơn một agent làm lần lượt từng tiệm.
- Agent con trả về bản tóm tắt: mỗi agent con chỉ gửi lại phần kết quả đã chắt lọc thay vì toàn bộ những gì đã đọc. Ví dụ, mỗi tiệm có một bảng chủ đề bài, tần suất đăng và bài nhiều bình luận nhất.
- Agent chính tổng hợp và kiểm: agent chính ghép ba bản tóm tắt thành một báo cáo, tìm điểm giống và khác, rồi giao thêm việc nếu còn thiếu. Trong hệ thống nghiên cứu của Anthropic, một agent riêng làm thêm bước gắn nguồn trích dẫn trước khi trả kết quả.
Theo Anthropic, việc để agent chính chạy 3 đến 5 agent con cùng lúc, và mỗi agent con dùng nhiều công cụ song song, giúp rút ngắn thời gian nghiên cứu tới 90% với những câu hỏi phức tạp. Cách làm này hiệu quả nhất khi các phần tách được khỏi nhau, điều phân biệt rõ multi agent với cách chỉ dùng một agent.
Single agent và multi agent khác nhau thế nào?
Single agent là một agent tự làm mọi bước trong cùng một mạch hội thoại, còn multi agent chia việc cho nhiều agent, mỗi agent giữ ngữ cảnh riêng và chỉ làm phần của mình. Khác biệt này ảnh hưởng trực tiếp đến tốc độ, chất lượng, chi phí và độ khó khi kiểm soát. Không có cách nào tốt hơn trong mọi trường hợp, vì vậy doanh nghiệp cần biết mỗi cách mạnh ở đâu.
Bảng dưới đây so sánh hai cách qua sáu tiêu chí, kèm ví dụ trong công việc content.
| Tiêu chí | Single agent | Multi agent |
|---|---|---|
| Cách làm | Một agent làm lần lượt từng bước | Agent chính giao việc, nhiều agent con làm song song |
| Ngữ cảnh | Mọi thông tin dồn vào một mạch, dễ quá tải khi việc dài | Mỗi agent con có ngữ cảnh riêng, chỉ trả về bản tóm tắt |
| Tốc độ với việc lớn | Chậm vì phải làm tuần tự | Nhanh hơn khi các phần tách được khỏi nhau |
| Chi phí | Thấp hơn | Cao hơn nhiều, Anthropic đo khoảng 15 lần lượng token so với chat thường |
| Kiểm soát | Dễ theo dõi vì chỉ có một mạch | Khó hơn, lỗi của một agent có thể lan sang agent khác |
| Hợp với | Viết một bài, sửa một bài, trả lời một câu hỏi | Nghiên cứu nhiều đối thủ, chuyển một ý thành bài cho nhiều kênh |
Từ bảng có thể thấy single agent phù hợp với việc ngắn và liền mạch, còn multi agent phát huy khi việc lớn và chia được thành các phần độc lập. Với doanh nghiệp nhỏ, phần lớn việc hằng ngày vẫn chỉ cần một agent, và đội agent chỉ nên dùng cho vài việc nặng lặp lại mỗi tuần hoặc mỗi tháng.
Các mô hình multi agent hay dùng trong content
Các hệ thống multi agent khác nhau chủ yếu ở cách các agent chuyển việc cho nhau, và với công việc content có bốn mô hình hay dùng nhất. Bốn mô hình này dựa trên các mẫu Anthropic mô tả trong bài “Building effective agents”, được Upcontent chọn lại theo mức độ phù hợp với việc content của doanh nghiệp nhỏ. Tài liệu học thuật còn chia hệ thống đa tác nhân theo quan hệ hợp tác, cạnh tranh hoặc phân cấp, nhưng trong content, các agent hầu như luôn hợp tác vì cùng phục vụ một thương hiệu.
Danh sách dưới đây giải thích từng mô hình, khi nào dùng và một ví dụ cụ thể.
- Điều phối viên và thợ: một agent chính quyết định cần bao nhiêu agent con và giao việc gì tuỳ theo từng yêu cầu. Mô hình này hợp với nhiệm vụ không biết trước gồm những phần nào, ví dụ nghiên cứu thị trường cho một sản phẩm mới, khi agent chính có thể quyết định cần thêm một agent đọc đánh giá trên sàn thương mại điện tử.
- Chạy song song: nhiều agent làm cùng lúc các phần đã biết trước rồi ghép kết quả. Mô hình này hợp khi chuyển một ý thành nhiều bản theo kênh, chẳng hạn từ một câu hỏi của khách, bốn agent viết cùng lúc bài Facebook, bài Threads, kịch bản TikTok và tin Zalo OA.
- Chuỗi nối tiếp: agent này làm xong thì chuyển cho agent sau theo thứ tự cố định, có điểm kiểm giữa các bước. Mô hình này hợp với nhiệm vụ có trình tự rõ, ví dụ agent viết dàn ý, agent viết bài, agent làm ảnh, trong đó dàn ý phải đạt yêu cầu mới được chuyển sang bước viết.
- Người viết và người chấm: một agent làm, một agent khác chấm theo tiêu chí và trả về để sửa cho đến khi đạt. Mô hình này hợp với nhiệm vụ có tiêu chí chất lượng rõ ràng, ví dụ agent chấm soát văn máy, từ cấm theo quy định quảng cáo và độ dài, trả bài về agent viết kèm danh sách lỗi cụ thể.
Một hệ thống thực tế thường kết hợp nhiều mô hình, ví dụ chuỗi nối tiếp ở khung chính và người viết với người chấm ở bước viết bài. Cách các mẫu này được dựng thành quy trình có khung được trình bày chi tiết trong bài AI workflow, còn câu hỏi quan trọng hơn là khi nào thật sự cần đến một đội agent.
Khi nào nên dùng multi agent, khi nào một agent là đủ
Multi agent chỉ đáng dùng khi việc đủ lớn, chia được thành các phần độc lập và giá trị kết quả đủ bù cho chi phí tăng thêm. Anthropic công bố tháng 6/2025 rằng hệ thống nghiên cứu nhiều agent của họ cho kết quả tốt hơn 90,2% so với một agent đơn lẻ trên bộ bài đánh giá nội bộ. Đổi lại, theo cùng báo cáo, một agent dùng khoảng 4 lần lượng token so với chat thường, còn hệ thống nhiều agent dùng khoảng 15 lần.
Danh sách dưới đây tổng hợp các dấu hiệu giúp doanh nghiệp quyết định, dựa trên kinh nghiệm Anthropic chia sẻ và cách Upcontent áp dụng vào content.
- Việc chia được thành phần độc lập thì nên dùng multi agent: các phần không cần chờ kết quả của nhau, như nghiên cứu năm đối thủ hay đọc bình luận trên bốn kênh, sẽ được làm song song và nhanh hơn rõ rệt. Ví dụ, đọc bình luận Facebook, TikTok, YouTube và Zalo OA của tháng có thể giao cho bốn agent con cùng lúc.
- Việc cần chung một mạch ngữ cảnh thì một agent là đủ: Anthropic cho biết multi agent không phù hợp khi mọi agent phải dùng chung một ngữ cảnh hoặc các phần phụ thuộc nhau nhiều. Viết một bài blog dài là ví dụ, vì đoạn sau phải nối với đoạn trước nên chia cho nhiều agent dễ làm bài rời rạc.
- Việc giá trị thấp thì không nên chia đội: khi kết quả không đáng với chi phí token gấp nhiều lần, một agent hoặc thậm chí một câu lệnh là đủ. Viết lại một caption hay đặt tên file ảnh không cần đến đội agent.
- Quy mô đội phải theo độ khó của việc: Anthropic hướng dẫn agent chính dùng một agent cho câu hỏi đơn giản, 2 đến 4 agent con cho việc so sánh và hơn 10 agent con cho nghiên cứu phức tạp. Một lỗi họ gặp ở giai đoạn đầu là agent chính tạo tới 50 agent con cho câu hỏi đơn giản.
Nguyên tắc chung là bắt đầu từ một agent, đo kết quả, rồi chỉ tách thành đội khi thấy rõ một agent đang quá tải. Khi đã quyết định dùng multi agent, doanh nghiệp không cần biết lập trình để dựng một đội agent đầu tiên.
Dựng đội multi agent làm content với Claude Code
Upcontent dựng đội multi agent cho content bằng tính năng subagent của Claude Code: mỗi agent chuyên việc là một file hướng dẫn bằng tiếng Việt, và agent chính tự giao việc cho đúng agent khi cần. Theo tài liệu của Claude Code, mỗi subagent chạy trong cửa sổ ngữ cảnh riêng, có hướng dẫn riêng, được giới hạn công cụ riêng và chỉ trả về bản tóm tắt cho mạch chính. Nhờ vậy người phụ trách giao việc như giao cho một nhóm, trong khi mạch hội thoại chính không bị đầy bởi chi tiết của từng phần.
Các bước Upcontent làm với AI Agent
Các bước dưới đây mô tả cách dựng một đội bốn agent chuẩn bị content tuần cho một doanh nghiệp nhỏ.
- Chuẩn bị bộ nhớ chung: hồ sơ công ty, sản phẩm, quy tắc viết, bộ nhận diện và danh sách câu cấm theo quy định ngành được lưu thành file để mọi agent cùng đọc. Cách viết các bộ quy chuẩn này được trình bày trong bài Claude skill.
- Viết file cho từng agent chuyên việc: mỗi file nằm trong thư mục
.claude/agents/, gồm tên, mô tả khi nào dùng, công cụ được phép và phần hướng dẫn. Đội content thường gồm agent nghe khách (đọc bình luận, tin nhắn), agent viết bài, agent soát văn và agent làm ảnh. - Giới hạn công cụ theo vai: agent nghe khách chỉ được đọc, agent soát văn chỉ được đọc bài và chạy máy soi văn, không agent nào được tự đăng bài. Giới hạn này giúp lỗi của một agent không lan ra ngoài phần của nó.
- Giao việc cho agent chính: người phụ trách viết mục tiêu tuần bằng tiếng Việt, agent chính tự gọi các agent con theo đúng mô tả của từng file.
- Duyệt và ghi lỗi vào bộ nhớ: người phụ trách duyệt bản tổng hợp, lỗi nào phát hiện được ghi vào quy tắc chung để cả đội không lặp lại ở tuần sau.
Ví dụ một file agent soát văn đặt trong thư mục .claude/agents/:
---
name: soat-van
description: Soát bài content trước khi gửi duyệt. Dùng sau khi agent viết bài xong.
tools: Read, Grep
---
Bạn là người soát văn cho thương hiệu. Đọc quy tắc viết và danh sách câu cấm trong thư mục "thuong-hieu".
Với mỗi bài: chỉ ra câu văn máy, từ cấm theo quy định quảng cáo, số liệu không có nguồn, câu hứa hiệu quả.
Trả về bảng: số thứ tự bài, câu có lỗi, lý do, cách sửa. Không tự sửa bài.Câu lệnh mẫu giao việc cho cả đội:
Mục tiêu: chuẩn bị 5 bài content tuần này cho fanpage và Threads của tiệm tóc.
Dùng agent nghe khách để đọc bình luận và tin nhắn 7 ngày qua trong thư mục "du-lieu", lấy 5 câu hỏi được hỏi nhiều nhất.
Dùng agent viết bài để viết mỗi câu hỏi thành 1 bài Facebook và 1 bài Threads, theo quy tắc trong thư mục "thuong-hieu".
Dùng agent soát văn để soát cả 10 bài; bài nào có lỗi thì trả lại agent viết sửa, tối đa 2 vòng.
Không tự đăng. Gửi tôi bản tổng hợp kèm danh sách câu có số liệu, giá hoặc cam kết để tôi kiểm.
Phần vẫn cần người làm
Đội agent làm được phần lớn khối lượng, nhưng các việc sau vẫn cần người phụ trách quyết định:
- Chọn thông điệp trọng tâm của tuần và quyết định bài nào được đăng.
- Kiểm tra giá, ưu đãi, cam kết và nội dung chuyên môn trước khi công bố.
- Đọc phản hồi thật của khách sau khi đăng để sửa quy tắc cho cả đội.
Vị trí đặt các điểm duyệt này trong hệ thống được phân tích kỹ trong bài human in the loop. Khi phân vai rõ, đội agent trở thành một phần của quy trình content marketing thay vì một thử nghiệm tách rời.
Rủi ro khi dùng multi agent và cách phòng tránh
Rủi ro lớn nhất của multi agent là lỗi nhỏ ở một agent lan sang cả đội, trong khi chi phí và độ khó kiểm soát cùng tăng lên. Anthropic ghi nhận trong hệ thống nhiều agent, thay đổi nhỏ có thể dẫn tới thay đổi lớn về hành vi, và lỗi tích luỹ qua từng bước. Vì vậy, đội agent cần được thiết kế với các điểm chặn lỗi ngay từ đầu chứ không đợi đến khi có sự cố.
Danh sách dưới đây tổng hợp các rủi ro thường gặp khi dùng multi agent cho content và cách phòng tránh từng rủi ro.
- Lỗi dây chuyền: agent nghe khách hiểu sai một câu hỏi thì agent viết sẽ viết sai và agent làm ảnh minh hoạ sai theo. Cách phòng là đặt một điểm kiểm ngay sau bước có dữ liệu đầu vào, ví dụ người phụ trách xem nhanh danh sách 5 câu hỏi trước khi cho đội viết.
- Làm trùng hoặc bỏ sót việc: khi hướng dẫn giao việc mơ hồ, hai agent con có thể cùng làm một phần và không ai làm phần còn lại. Cách phòng là yêu cầu agent chính ghi rõ mục tiêu, định dạng kết quả và phạm vi cho từng agent con, như Anthropic khuyến nghị.
- Agent con thiếu thông tin: theo tài liệu Claude Code, subagent bắt đầu với ngữ cảnh mới và không thấy lịch sử hội thoại chính. Vì vậy mọi thông tin cần thiết phải nằm trong lệnh giao việc hoặc trong bộ nhớ chung, ví dụ đường dẫn tới thư mục quy tắc viết.
- Chi phí vượt dự tính: mỗi agent con tiêu tốn lượt dùng riêng, và theo tài liệu Claude Code, các lượt này tính chung vào giới hạn sử dụng của tài khoản. Cách phòng là giới hạn số agent, số vòng sửa và chỉ chia đội cho việc đáng giá.
- Rò rỉ dữ liệu khách hàng: khi agent đọc bình luận hoặc tin nhắn, dữ liệu cá nhân của khách đi qua nhiều agent. Doanh nghiệp nên chỉ cho agent nhận nội dung câu hỏi, bỏ tên và số điện thoại, đồng thời tuân thủ Nghị định 13/2023/NĐ-CP về bảo vệ dữ liệu cá nhân.
Bên cạnh các biện pháp trên, Anthropic khuyên bắt đầu đánh giá bằng khoảng 20 tình huống thật thay vì đợi có bộ kiểm thử lớn, và luôn kết hợp chấm tự động với người kiểm. Với doanh nghiệp nhỏ, cách tương ứng là chạy đội agent trên 4 tuần content thật, so với cách làm cũ rồi mới quyết định mở rộng.
Câu hỏi thường gặp về multi agent
Multi agent là gì nói ngắn gọn?
Multi agent là cách cho nhiều AI Agent cùng làm một việc lớn, trong đó một agent chính chia việc và các agent con mỗi agent làm một phần. Cách làm này giống một nhóm làm việc có trưởng nhóm, thay vì một người làm tất cả.
Multi agent khác agentic AI thế nào?
Agentic AI là khái niệm rộng chỉ các hệ thống AI tự lập kế hoạch và hành động để đạt mục tiêu. Multi agent là một cách tổ chức hệ thống agentic AI bằng nhiều agent phối hợp, bên cạnh cách chỉ dùng một agent.
Subagent trong Claude Code là gì?
Subagent là agent chuyên việc được định nghĩa bằng một file trong thư mục .claude/agents/, có hướng dẫn, công cụ và ngữ cảnh riêng. Agent chính tự giao việc cho subagent khi yêu cầu khớp với phần mô tả, hoặc người dùng gọi tên subagent trực tiếp trong câu lệnh.
Doanh nghiệp nhỏ có cần multi agent không?
Phần lớn việc hằng ngày của doanh nghiệp nhỏ chỉ cần một agent. Multi agent nên dùng cho vài việc nặng lặp lại như nghiên cứu đối thủ hằng tháng hoặc chuyển một ý thành bài cho bốn kênh mỗi tuần, sau khi đã chạy ổn với một agent.
Nguồn
- Anthropic, “How we built our multi-agent research system”, ngày 13/6/2025.
- Anthropic, “Building effective agents”, ngày 19/12/2024.
- Claude Code Docs, “Create custom subagents”, truy cập tháng 10/2026.
- Nghị định 13/2023/NĐ-CP của Chính phủ về bảo vệ dữ liệu cá nhân.
