Workflow và Multi-Agent System: Chọn kiến trúc nào?

Workflow và Multi-Agent System là chủ đề trọng tâm của bài viết này. Khi bắt đầu tìm hiểu Agentic AI, nhiều người muốn xây ngay một hệ thống gồm nhiều Agent phối hợp. Kiến trúc này hấp dẫn vì giống một đội ngũ ảo, nhưng số Agent không phải thước đo chất lượng. Mỗi Agent bổ sung thêm Model Calls, State, Failure Mode, latency, cost và điểm cần quan sát.

Bài viết này giúp lựa chọn giữa Workflow cố định, Single Agent và Multi-Agent System. Nguyên tắc quan trọng là dùng kiến trúc đơn giản nhất vẫn đáp ứng được nhiệm vụ, rồi chỉ tăng mức tự chủ khi Evaluation chứng minh lợi ích.

Mục lục

Workflow là gì?
Single Agent là gì?
Multi-Agent System là gì?
Prompt Chaining
Routing
Parallelization
Orchestrator-Workers
Evaluator-Optimizer
Supervisor và Handoffs
Shared State và Message Passing
Phân quyền giữa các Agent
Failure Handling
Latency và Cost
Evaluation
Cây quyết định kiến trúc
Ví dụ phân tích kinh doanh
Kết luận
Tài liệu tham khảo

Workflow tuần tự xử lý tác vụ theo các bước cố định

Workflow là gì?

Workflow là luồng trong đó các bước và nhánh chính được Developer xác định trước. LLM có thể tham gia từng bước, nhưng chương trình kiểm soát thứ tự. Ví dụ, hệ thống xử lý hóa đơn luôn trích xuất dữ liệu, kiểm tra schema, đối chiếu nhà cung cấp, yêu cầu phê duyệt rồi ghi vào ERP.

Workflow phù hợp khi quy trình ổn định, cần dự đoán cao và điều kiện có thể mô tả bằng code. Nó dễ kiểm thử, quan sát và kiểm soát chi phí. Không nên dùng Agent tự lập kế hoạch nếu mọi bước đã biết rõ.

Single Agent là gì?

Single Agent sử dụng một Model Loop để chọn Tools và bước tiếp theo. Nó phù hợp khi nhiệm vụ có đường đi thay đổi theo dữ liệu nhưng vẫn nằm trong một Domain và một tập quyền tương đối thống nhất.

Một Agent phân tích doanh thu có thể chọn xem theo chi nhánh, sản phẩm hoặc kênh tùy tín hiệu ban đầu. Toàn bộ State và Tool Catalog được quản lý trong một Orchestrator nên dễ hiểu hơn Multi-Agent.

Multi-Agent System là gì?

Multi-Agent System gồm nhiều Agent có vai trò, Context hoặc Tools khác nhau. Một Agent có thể giao việc cho Agent khác, chuyển quyền điều khiển hoặc hợp nhất kết quả. Kiến trúc này hữu ích khi nhiệm vụ có thể phân chia rõ, cần chuyên môn riêng hoặc cần chạy song song.

Không nên tách Agent chỉ để đặt tên như Researcher, Writer và Reviewer nếu cùng một Model, cùng Context và cùng quyền vẫn xử lý tốt. Việc tách phải tạo lợi ích đo được về chất lượng, bảo mật, tốc độ hoặc khả năng bảo trì.

Prompt Chaining

Prompt Chaining chia nhiệm vụ thành chuỗi bước cố định. Output bước trước là Input bước sau. Giữa các bước có Gate để kiểm tra. Ví dụ, tạo Outline, kiểm tra Outline, viết bài, kiểm tra Citation và định dạng.

Pattern này phù hợp khi có thể phân rã nhiệm vụ và muốn kiểm soát từng đầu ra. Nhược điểm là latency tăng vì các bước tuần tự.

Routing

Routing phân loại Input rồi chuyển đến luồng, Model hoặc Agent chuyên trách. Câu hỏi hóa đơn đi đến Finance Agent, câu hỏi chiến dịch đi đến Marketing Agent. Router có thể là Rule Engine, Classifier hoặc LLM.

Router cần Threshold và Fallback. Nếu không chắc chắn, hệ thống hỏi lại hoặc chuyển cấp. Permission phải được kiểm tra trước và sau Routing để một Prompt không ép hệ thống chuyển sang Agent có quyền rộng hơn.

Parallelization

Parallelization chạy nhiều bước độc lập cùng lúc. Agent có thể lấy doanh thu, tồn kho và chi phí quảng cáo song song. Một biến thể khác dùng nhiều Model đánh giá cùng Output rồi Voting hoặc Aggregation.

Chạy song song giảm thời gian chờ nhưng tăng tải và chi phí tức thời. Orchestrator phải xử lý kết quả một phần, timeout và Rate Limit.

Orchestrator phân công nhiệm vụ cho các Worker Agent

Orchestrator-Workers

Orchestrator phân tích nhiệm vụ, tạo Subtasks, giao cho Workers rồi tổng hợp. Pattern phù hợp khi số lượng và loại Subtask không thể biết trước. Ví dụ, Agent rà soát một Repository có thể tạo Worker theo Module được phát hiện.

orchestrator:
  analyze goal
  create tasks
  assign workers
  collect results
  verify coverage
  synthesize answer

Orchestrator cần giới hạn số Workers và độ sâu phân rã. Nếu Worker tiếp tục tạo Worker không kiểm soát, chi phí và Failure Surface tăng rất nhanh.

Evaluator-Optimizer

Một Model tạo kết quả, Model khác đánh giá theo Rubric và phản hồi để cải thiện. Pattern hữu ích khi tiêu chí chất lượng có thể mô tả rõ và việc lặp tạo giá trị, như kiểm tra code, Citation hoặc bài viết.

Cần Max Iterations và điều kiện chấp nhận. Evaluator cũng có thể sai, nên phải được đánh giá trên dữ liệu có nhãn. Không nên lặp đến khi Evaluator nói đạt mà không giới hạn.

Handoff chuyển giao tác vụ giữa các AI Agent

Supervisor và Handoffs

Supervisor giữ quyền điều phối và gọi Agent chuyên trách như Tools. Handoff chuyển quyền điều khiển hội thoại sang Agent khác. Supervisor phù hợp khi cần một nơi tổng hợp. Handoff phù hợp khi Agent đích cần trực tiếp tương tác nhiều lượt.

Mỗi lần Handoff phải mang theo mục tiêu, State, phạm vi quyền và lý do. Không nên chuyển toàn bộ lịch sử nếu Agent mới chỉ cần một phần.

Shared State và Message Passing

Agents cần trao đổi bằng dữ liệu có schema thay vì đoạn văn tự do. Task Message nên có Task ID, Objective, Inputs, Constraints, Expected Output, Deadline và Source References.

{
  "task_id": "sub_41",
  "objective": "Phân tích biến động tồn kho Q7",
  "inputs": ["sales_result:req_12"],
  "constraints": {"date_range": "2026-09-01/2026-09-07"},
  "expected_output": "findings_schema_v2"
}

Shared State cần version và concurrency control. Hai Workers cập nhật cùng bản ghi có thể ghi đè nhau. Append-only Event Log hoặc Optimistic Locking giúp truy vết và tránh mất dữ liệu.

Phân quyền giữa các Agent

Mỗi Agent nên có Least Privilege. Research Agent có quyền đọc web nhưng không gửi email. Finance Agent đọc dữ liệu tài chính nhưng không cập nhật HR. Supervisor không tự động thừa hưởng mọi quyền của Workers.

Delegation Token nên giới hạn nhiệm vụ, Tool, dữ liệu và thời gian. Worker không được dùng quyền được giao cho mục tiêu khác. Mọi hành động cần gắn với User Identity ban đầu và Delegation Chain.

Failure Handling

Multi-Agent tạo thêm lỗi như Worker không phản hồi, hai Agent mâu thuẫn, Task trùng, Handoff vòng tròn và tổng hợp thiếu. Orchestrator cần Timeout, Retry Policy, Deduplication và trạng thái Partial Success.

Không nên coi Majority Vote luôn đúng. Nhiều Agent dùng cùng Model và cùng dữ liệu có thể mắc cùng lỗi. Diversity chỉ có ý nghĩa khi nguồn, phương pháp hoặc Model tạo ra sai số khác nhau.

Latency và Cost

Tổng Cost bằng Model Calls của Supervisor, Workers, Evaluator và các lần retry. Tổng latency phụ thuộc Critical Path chứ không chỉ số bước. Parallel Worker giảm thời gian nhưng không giảm Token.

Cần ghi Cost per Task, số Agent Invocations, Fan-out, Tool Calls và tỷ lệ kết quả Worker được sử dụng. Worker tạo nội dung bị bỏ đi vẫn tiêu tốn chi phí.

Evaluation

Evaluation đo Task Success, Routing Accuracy, Handoff Accuracy, Subtask Coverage, Synthesis Quality, Policy Compliance, latency và cost. Cần so sánh Multi-Agent với Baseline Single Agent hoặc Workflow.

Nếu Multi-Agent tăng 40 phần trăm chi phí nhưng chỉ cải thiện 1 phần trăm chất lượng trong phạm vi sai số, kiến trúc đơn giản có thể hợp lý hơn. Quyết định phải dựa trên Test Set thật.

Cây quyết định kiến trúc

Nếu bước cố định và dễ mô tả, chọn Workflow.
Nếu đường đi thay đổi nhưng cùng Domain, thử Single Agent.
Nếu Input cần chuyển đến chuyên môn riêng, dùng Routing.
Nếu Subtasks độc lập, dùng Parallelization.
Nếu Subtasks xuất hiện động, cân nhắc Orchestrator-Workers.
Nếu Output có Rubric rõ và cần lặp, dùng Evaluator-Optimizer.
Chỉ dùng Multi-Agent khi Evaluation chứng minh lợi ích.

Ví dụ phân tích kinh doanh

Một yêu cầu "đánh giá nguyên nhân lợi nhuận tháng này giảm" có thể được Router chuyển đến Business Analysis Workflow. Orchestrator tạo ba Subtasks: doanh thu, giá vốn và chi phí marketing. Ba Workers đọc các Data Products riêng với quyền Read-only.

Kết quả có schema chung gồm Finding, Evidence, Impact và Confidence. Orchestrator kiểm tra phạm vi, tìm mâu thuẫn và tổng hợp. Nếu cần tạo Action Plan, hệ thống tạo Draft rồi yêu cầu người quản lý phê duyệt. Không Agent nào có quyền tự thay đổi ngân sách.

Kết luận

Workflow, Single Agent và Multi-Agent không phải ba cấp độ trưởng thành bắt buộc. Chúng là ba lựa chọn kiến trúc. Workflow mang lại tính dự đoán. Single Agent mang lại sự linh hoạt trong một phạm vi. Multi-Agent giúp phân chia chuyên môn hoặc thực thi song song nhưng tăng độ phức tạp.

Hãy bắt đầu bằng Baseline đơn giản, đo chất lượng và chỉ thêm Agent khi có vấn đề cụ thể cần giải quyết. Một hệ thống ít Agent nhưng quyền rõ, State tốt và Evaluation đầy đủ thường đáng tin cậy hơn một đội Agent có tên hấp dẫn nhưng không thể Debug.

Tài liệu tham khảo

TechData.AI - Leading The Future.

Hoàng Minh.