Bóc tách lớp hype xung quanh multi-agent. Sự đồng thuận của ngành năm 2026, chi phí token gấp 15 lần, bốn mẫu prompt, và hướng dẫn FlowHunt 45 phút sử dụng mẫu đồng thuận.
Hệ thống multi-agent AI là một mạng lưới các AI agent cùng hợp tác để giải quyết một vấn đề. Nhưng kiến trúc thực sự được triển khai vào năm 2026 hẹp hơn nhiều so với buzzword gợi ý: một orchestrator duy nhất sở hữu toàn bộ context của cuộc hội thoại và sinh ra các isolated subagent tạm thời chỉ trả về một bản tóm tắt nén. Anthropic, Cognition, OpenAI, AutoGen-thông qua-Microsoft Agent Framework, và LangChain đều đã hội tụ về mẫu này. Các thiết kế peer collaboration kiểu “GroupChat”—nơi các worker nói chuyện trực tiếp với nhau—đã âm thầm mất chỗ đứng.
Bài viết này làm ba việc. Thứ nhất, nó giải thích mẫu orchestrator + subagent và lý do ngành hội tụ về nó. Thứ hai, nó đi qua thực tế chi phí: mức phí ~15 lần token mà Anthropic đã đo được, và các bài báo năm 2026 cho thấy hệ thống single-agent ngang bằng hoặc vượt trội hơn multi-agent ở cùng ngân sách token. Thứ ba, nó chỉ ra cách xây dựng mẫu đồng thuận trong FlowHunt mà không cần viết code.
Thực sự chỉ có hai kiến trúc đáng được so sánh, và phần lớn tài liệu marketing đã trộn lẫn chúng.
Peer collaboration. Nhiều agent chạy đồng thời và giao tiếp qua một bus dùng chung. Chúng có thể hỏi nhau, handoff các tác vụ và đánh thức lẫn nhau. Một supervisor làm trung gian nhưng không sở hữu duy nhất context. AutoGen GroupChat, CrewAI phân cấp, và bất kỳ thiết kế “nhóm agent trên một stream” nào đều thuộc nhóm này. Chi phí là có thật: mỗi lần wakeup phải đọc lại toàn bộ transcript, system prompt phải mang theo một giao thức phối hợp dài trên mỗi lần gọi, và các quan hệ giao tiếp tăng theo O(n²).
Orchestrator + isolated subagents. Một agent duy nhất sở hữu toàn bộ context. Nó sinh ra các subagent tạm thời để thực hiện các tác vụ con được cô lập. Mỗi subagent chạy trong cửa sổ context mới của riêng nó với một system prompt chuyên dụng, thực thi tác vụ của mình và trả về một chuỗi tóm tắt duy nhất. Không có kênh peer-to-peer và không có trạng thái chia sẻ có thể thay đổi. Hệ thống multi-agent nghiên cứu của Anthropic, công cụ Task của Claude Code, agents-as-tools của OpenAI và Managed Devins của Cognition tháng 3 năm 2026 đều dùng mẫu này.
Mẫu thứ hai về mặt kỹ thuật vẫn là multi-agent, nhưng chi phí phối hợp của nó bị giới hạn. Không có peer bus, nên không có sự bùng nổ giao tiếp bậc hai và không có thuế đọc lại transcript.
Cuộc tranh luận phân cực năm 2025 đã thực sự sụp đổ.
Bài Don’t Build Multi-Agents của Cognition (tháng 6 năm 2025) là tuyên bố mạnh mẽ nhất chống lại các thiết kế multi-agent—chỉ đơn luồng, với một LLM nén riêng để quản lý context. Chín tháng sau, vào tháng 3 năm 2026, Cognition phát hành Devin can now Manage Devins : một coordinator phân định phạm vi công việc, gán mỗi phần cho một managed Devin chạy trong VM được cô lập riêng và biên dịch kết quả. Lý do biện minh—“context tích lũy, sự tập trung suy giảm và chất lượng của mỗi tác vụ con bị ảnh hưởng”—chính là lập luận về sự cô lập mà Anthropic đưa ra năm 2025. Bài đăng không thu hồi bài luận trước đó theo tên, nhưng sự nhượng bộ về mặt kiến trúc là rõ ràng.
Tư thế của Anthropic dịch chuyển theo hướng ngược lại trong cùng giai đoạn—về phía các kiến trúc “brain/hands” tách rời thay vì fan-out song song rộng hơn. Bài đăng Managed Agents tháng 4 năm 2026 và bộ harness ba agent cho phát triển full-stack nhấn mạnh các subagent giới hạn theo vai trò thay vì các nhóm peer.
Cập nhật Agents SDK ngày 15 tháng 4 năm 2026 của OpenAI biến lịch sử handoff lồng nhau thành tùy chọn opt-in mặc định—giảm rò rỉ context giữa các agent. AutoGen được hợp nhất vào Microsoft Agent Framework 1.0; peer GroupChat không còn là flagship. LangChain hiện khuyến nghị supervisor-as-tool thay vì thư viện supervisor.
Năm vendor, một hướng đi. Peer GroupChat đang lụi tàn.
Bắt đầu dùng thử miễn phí ngay hôm nay và xem kết quả trong vài ngày.
Con số được trích dẫn nhiều nhất từ bài đăng kỹ thuật của Anthropic tháng 6 năm 2025:
“Phân tích nội bộ cho thấy các agent thường sử dụng nhiều hơn khoảng 4 lần token so với tương tác chat, và các hệ thống multi-agent sử dụng nhiều hơn khoảng 15 lần token so với chat.”
Và phần kết luận chẩn đoán:
“Bản thân lượng token sử dụng giải thích 80% biến thiên trong hiệu suất BrowseComp.”
Tài liệu học thuật năm 2026 đẩy cùng kết luận đó mạnh hơn. Tran & Kiela (arXiv 2604.02460 , tháng 4 năm 2026, Stanford / Contextual AI) đã thử nghiệm Qwen3, DeepSeek-R1-Distill-Llama, và Gemini 2.5 và báo cáo: “dưới một ngân sách reasoning-token cố định và với việc sử dụng context hoàn hảo, các hệ thống single-agent có hiệu quả thông tin cao hơn… các hệ thống single-agent luôn ngang bằng hoặc vượt trội hơn các hệ thống multi-agent trong các tác vụ multi-hop reasoning khi reasoning token được giữ không đổi.” Nền lý thuyết là bất đẳng thức xử lý dữ liệu: truyền thông tin qua nhiều agent hơn chỉ có thể mất, không bao giờ thêm.
Bài OneFlow của Xu và cộng sự (tháng 1 năm 2026) đi tới cùng kết luận trên bảy benchmark, với việc tái sử dụng KV-cache được trích dẫn là lợi thế hiệu quả.
Điều này không có nghĩa là multi-agent luôn sai. Nó có nghĩa là gánh nặng chứng minh thuộc về multi-agent, không phải thiết kế đơn giản hơn.
Bằng chứng năm 2026 hội tụ về một tập hợp hẹp các trường hợp.
Công việc nặng về đọc có thể song song hóa. Hệ thống năm 2025 của Anthropic phân tán fan-out các subagent trên các truy vấn nghiên cứu con độc lập. AORCHESTRA (arXiv 2602.03786
, tháng 2 năm 2026) mô hình hóa mỗi subagent như một bộ 4 phần tử (INSTRUCTION, CONTEXT, TOOLS, MODEL) được sinh ra theo yêu cầu bởi một orchestrator và báo cáo +16,28% cải tiến tương đối so với baseline mạnh nhất trên GAIA, SWE-Bench, và Terminal-Bench sử dụng Gemini-3-Flash. AdaptOrch (2602.16873
) báo cáo +12–23% so với các baseline đơn topology tĩnh sử dụng cùng các mô hình cơ sở—chiến thắng đến từ định tuyến topology, không phải từ peer collaboration.
Độ tin cậy lĩnh vực hẹp. Bài về incident response của Drammeh (2511.15755 v2 , tháng 1 năm 2026) đã chạy 348 thử nghiệm có kiểm soát và báo cáo tỷ lệ khuyến nghị có thể hành động 100% so với 1,7% của single-agent, với độ cụ thể hành động cao gấp 80 lần và độ chính xác giải pháp cao gấp 140 lần, và “không có biến thiên chất lượng nào trên tất cả các thử nghiệm.” Lĩnh vực hẹp và công việc song song; mẫu orchestrator thắng một cách quyết định.
Các lĩnh vực tools hoặc context tách rời nơi handoff đóng vai trò ranh giới bảo mật—ví dụ một agent tính toán hóa đơn thực sự không nên thấy các công cụ kỹ thuật.
Đối với việc thực thi tác vụ tuần tự, các agent chạm vào trạng thái dùng chung, hoặc bất cứ thứ gì trông giống như “thực hiện các bước này theo thứ tự với phán đoán giữa chúng”—những điều kiện này không áp dụng. Tài liệu khuyến nghị một single agent với việc quản lý context có kỷ luật.
Nhận các mẹo, xu hướng và ưu đãi mới nhất miễn phí.
Khi bạn đã quyết định multi-agent là lựa chọn đúng đắn, cấu trúc prompt được chuẩn hóa hơn so với phần lớn tài liệu marketing gợi ý. Mọi triển khai chính được khảo sát—Claude Code, Anthropic Research, OpenAI Agents SDK, CrewAI, AutoGen, LangGraph, AOrchestra—đều sử dụng cùng một mẫu, được gọi là P2 trong tài liệu xây dựng prompt: một system prompt chuyên dụng cho subagent, cộng với một task brief có cấu trúc được gửi như tin nhắn đầu tiên của user.
Bài đăng năm 2025 của Anthropic là rõ ràng nhất về những gì cần đưa vào brief:
“Mỗi subagent cần một mục tiêu, một định dạng đầu ra, hướng dẫn về tools và nguồn cần dùng, và ranh giới tác vụ rõ ràng.”
Họ cũng nói rõ về việc thất bại trông như thế nào khi điều này bị bỏ qua:
“Chúng tôi bắt đầu bằng cách cho phép lead agent đưa ra các hướng dẫn đơn giản, ngắn gọn như ’nghiên cứu tình trạng thiếu chip bán dẫn,’ nhưng nhận thấy những hướng dẫn này thường mơ hồ đến mức các subagent hiểu sai tác vụ hoặc thực hiện chính xác cùng các tìm kiếm.”
Ba quy tắc rút ra từ sự đồng thuận:
Một quy tắc thứ tư, thường bị bỏ qua: chuyển tiếp đầu ra của worker trực tiếp đến người dùng khi công việc duy nhất còn lại của supervisor là chuyển tiếp nó. Benchmark năm 2025 của LangChain đo được khoảng 50% lợi thế hiệu năng giữa swarm và supervisor đến từ chính thay đổi này. Hành trình “supervisor đọc đầu ra của worker, diễn giải lại cho người dùng, diễn giải lại phản hồi của người dùng cho worker tiếp theo” là lãng phí thuần túy.
Những điều này xuất hiện trong các báo cáo tổng kết sản xuất, trong benchmark của LangChain và trong Multi-Agent Orchestration Failure Playbook for 2026 của Cogent. Chúng là lý do ngành đã chuyển hướng.
| Chế độ thất bại | Trông như thế nào |
|---|---|
| Toàn bộ transcript được phát lại mỗi lần wakeup | Mỗi agent đọc lại toàn bộ cuộc hội thoại trên mỗi lượt. Tuyến tính theo lượt × agent. |
| System-prompt phình to do giao thức phối hợp | Mọi agent đều mang theo mô tả giao thức, danh sách vai trò và từ vựng tín hiệu trên mỗi lần gọi. |
| Hành trình “dịch” của supervisor | Supervisor đọc đầu ra của worker, diễn giải cho người dùng, diễn giải phản hồi của người dùng cho worker tiếp theo. ~50% chi phí có thể tránh được. |
| Các giả định ngầm xung đột | Các worker hoạt động song song đưa ra các quyết định thẩm mỹ hoặc kiến trúc tinh tế không hòa hợp. Tuyên bố trung tâm năm 2025 của Cognition. |
| Bùng nổ cạnh phối hợp | n agent giao tiếp qua O(n²) cạnh. Thêm agent thứ 5 làm tăng gấp đôi đồ thị message. |
| Chi phí HITL/suspension | Tạm dừng và tiếp tục lại tính phí toàn bộ transcript trước suspension. |
| Sự đồng thuận sớm / “herding” | Các peer agent hội tụ về một câu trả lời tự tin nhưng sai vì sự tự tin của mỗi agent nâng các agent khác lên. Phát hiện mới năm 2026 (Tian và cộng sự, 2025; được củng cố năm 2026). |
Một chẩn đoán hữu ích: nếu bạn có thể nêu tên ba trong bảy điều trên trong triển khai của riêng mình, bạn đang trả thuế multi-agent cho một kiến trúc mà tài liệu không khuyến nghị. Cách khắc phục hiếm khi là “loại bỏ đội agent”—đó là nén lịch sử, cache phần đầu cố định của prompt, trả về tóm tắt thay vì transcript, và chuyển tiếp đầu ra của worker trực tiếp đến người dùng.
Bước phát triển thực sự mới của năm 2026 là các nguyên thủy phối hợp ở tầng hạ tầng, không phải các mẫu framework.
Giao thức Agent2Agent (A2A) đã gia nhập MCP dưới Linux Foundation AI & Agents Foundation (AAIF) vào tháng 12 năm 2025, với sự hậu thuẫn sáng lập từ OpenAI, Anthropic, Google, Microsoft, AWS và Block. A2A nhắm rõ vào “giao tiếp giữa các agent, ủy quyền tác vụ và orchestration cộng tác cho các workflow multi-agent phân tán.” Đến tháng 2 năm 2026, MCP đã vượt qua khoảng 97 triệu lượt tải SDK hàng tháng.
Hai nguyên thủy ở giai đoạn nghiên cứu đáng theo dõi. KVCOMM (NeurIPS 2025) chứng minh hơn 70% tái sử dụng KV-cache và tăng tốc ~7,8 lần trong các thiết lập năm agent bằng cách chia sẻ KV state thay vì token. Phase-Scheduled Multi-Agent Systems (PSMAS, tháng 2 năm 2026) báo cáo giảm 34,8% token bằng cách xử lý kích hoạt agent như điều khiển liên tục trên attention dùng chung thay vì RPC rời rạc.
Những nguyên thủy này né tránh dichotomy orchestrator-vs-peer bằng cách thay đổi ý nghĩa của “context” giữa các agent. Chúng chưa phải là các khối xây dựng sẵn sàng cho production, nhưng chúng là điều đúng đắn để theo dõi—và chúng củng cố hướng đi tổng thể: chi phí sẽ được giảm thông qua phối hợp thông minh hơn ở tầng hạ tầng, không phải qua các thiết kế peer phức tạp hơn ở tầng framework.
Bạn không cần phải là một kỹ sư phần mềm để xây dựng mẫu orchestrator + subagent. Trình tạo trực quan của FlowHunt ánh xạ gọn gàng vào hợp đồng subagent: một node orchestrator sở hữu cuộc hội thoại, các node worker chạy với system prompt riêng của chúng, và các kết nối mang theo một brief có cấu trúc đi ra và một bản tóm tắt quay về.
Dưới đây là hướng dẫn 45 phút về một pipeline nghiên cứu nội dung sử dụng mẫu đồng thuận.
Đăng nhập vào FlowHunt và nhấp Create New Workflow. Đặt tên nó là Content Research Pipeline. Đặt trigger là Manual. Workflow có ba vai trò: một orchestrator sở hữu yêu cầu của người dùng, một research subagent (đọc song song hóa được), và một fact-check subagent (đọc song song hóa được). Cả hai subagent đều trả về tóm tắt.
Thêm một node Google Search. Cấu hình nó để nhận một chủ đề làm đầu vào, trả về 5 kết quả hàng đầu, loại trừ quảng cáo và phát ra URL, tiêu đề, đoạn trích và ngày.
Thêm một node OpenAI ở phía dưới. Đây là chỗ cho “system prompt” của subagent. Đưa cho nó một prompt chuyên dụng, tập trung:
Bạn là một research subagent. Cho các kết quả tìm kiếm,
trích xuất các tuyên bố thực tế cùng với URL nguồn và ngày xuất bản.
Xuất ra một danh sách JSON gồm các đối tượng {claim, url, date}.
Ranh giới: không tổng hợp, không tóm tắt, không bình luận.
Đây là mẫu P2: một prompt subagent chuyên dụng, được giới hạn phạm vi hẹp. Kết nối Google Search → OpenAI Extraction.
Thêm một node Text Synthesis. Công việc của nó là tổ chức đầu ra của research subagent thành một dàn ý có cấu trúc—một section cho mỗi chủ đề, mỗi section được hỗ trợ bởi các tuyên bố nguồn.
Thêm một node OpenAI để soạn thảo bài viết. Đưa cho nó một prompt tập trung: dàn ý vào, bản nháp ra. Kết nối Synthesis → OpenAI Generation.
Thêm một node AI Agent được cấu hình làm fact-checker. Brief có cấu trúc trông giống công thức của Anthropic—mục tiêu, định dạng, tools, ranh giới:
Mục tiêu: xác minh mọi tuyên bố thực tế trong bài viết nháp.
Định dạng đầu ra: bản nháp được chú thích với trạng thái xác minh cho mỗi tuyên bố
(verified | unverified | contradicted) và một điểm tin cậy 0–1.
Tools: tra cứu knowledge base, tìm kiếm web.
Ranh giới: không viết lại bài viết. Đánh dấu, không sửa.
Thêm một Markdown formatter làm node đầu ra cuối cùng. Kết nối Fact-Checker → Markdown.
Research subagent → Synthesis → Fact-Check subagent → Output. Mỗi kết nối mang đầu ra của bước trước làm brief có cấu trúc cho bước tiếp theo.
Đây là tuần tự thay vì fan-out, điều này phù hợp ở đây—synthesis cần đầu ra của research, và fact-check cần synthesis. Nếu bạn muốn mở rộng lên mười truy vấn nghiên cứu con song song, bạn sẽ thay thế node research duy nhất bằng một fan-out: orchestrator sinh ra N subagent song song, mỗi cái nhận một truy vấn con từ một brief có cấu trúc, mỗi cái trả về tóm tắt riêng và orchestrator hợp nhất trước khi chuyển đến synthesis.
Nhấp Run Workflow. Cung cấp một chủ đề như “Quantum computing là gì?”. Dự kiến ~45–60 giây từ đầu đến cuối. Theo dõi đầu ra theo từng node trong UI của FlowHunt để xem mỗi subagent đã nhận gì làm brief và trả về gì.
Sau khi xác minh, triển khai tới một webhook, lịch trình hoặc trigger thủ công. Cấu hình điểm đến đầu ra (email, Slack, Google Drive, database). Bật logging theo từng vai trò—phát hiện “80% biến thiên là do mức chi token” của Anthropic biến đo từ xa token theo từng vai trò trở thành điều kiện tiên quyết cho mọi việc tinh chỉnh.
Một danh sách ngắn những điều mà tài liệu năm 2025–2026 khuyến nghị rõ ràng là không nên làm:
Đây là những use case mà mẫu orchestrator + subagent thực sự xứng đáng với mức phí cao của nó.
Một research subagent truy vấn các API, cơ sở dữ liệu học thuật và tài liệu nội bộ và trả về một bản tóm tắt có cấu trúc về các nguồn. Một bước synthesis tổ chức các phát hiện thành một dàn ý. Một fact-check subagent xác minh các tuyên bố với các điểm tin cậy. Các đội ngũ sản xuất báo cáo giảm ~70% thời gian fact-checking và tăng 40% sản xuất nội dung—những con số phù hợp với điểm ngọt của đọc song song hóa được.
Một data-enrichment subagent kéo dữ liệu hồ sơ từ CRM, Clearbit/Apollo, LinkedIn và hành vi website—các lần đọc thực sự song song từ các nguồn độc lập. Một scoring subagent so sánh với ICP và gán một điểm số. Một routing subagent ánh xạ các lead có điểm cao đến đúng nhân viên kinh doanh dựa trên lãnh thổ và tải. Đã báo cáo: tỷ lệ chuyển đổi tăng 35%, giảm 50% thời gian xử lý lead.
Một first-line subagent trích xuất loại ticket và cảm xúc và cố gắng giải quyết qua knowledge-base. Một escalation subagent đánh giá kết quả và định tuyến đến đúng chuyên gia. Một handoff subagent đóng gói context cho con người. Mẫu orchestrator ở đây phục vụ tiêu chí lĩnh vực tách rời: hóa đơn, hỗ trợ kỹ thuật và khiếu nại có các tools khác nhau và quyền truy cập dữ liệu khác nhau.
Các collection subagent song song—news scraper, agent tài chính, agent cảm xúc xã hội, monitor website đối thủ—chạy trong fan-out thực sự. Một analysis subagent nhận bốn bản tóm tắt và xác định xu hướng. Một report subagent soạn thảo bản tóm tắt điều hành. Đây là điểm tương đồng gần nhất với hệ thống multi-agent nghiên cứu năm 2025 của Anthropic và là use case được hỗ trợ mạnh nhất bởi các con số năm 2026 của AORCHESTRA.
Tương lai của AI không phải là một mô hình siêu thông minh duy nhất, và cũng không phải một bầy đàn peer-collaborating. Đó là một coordinator duy nhất sở hữu context và một nhóm nhỏ các worker có kỷ luật, được cô lập, trả về các bản tóm tắt. Đó là mẫu mà nghiên cứu hỗ trợ, và đó là mẫu mà FlowHunt được xây dựng để làm cho dễ dàng.
{{ cta-dark-panel heading=“Xây Dựng Hệ Thống Multi-Agent AI Đầu Tiên Của Bạn Hôm Nay” description=“Trình tạo workflow không cần code của FlowHunt giúp bạn dễ dàng tạo mẫu orchestrator + subagent, kiểm thử và triển khai nó. Bắt đầu với một tài khoản miễn phí và xây dựng pipeline 3-agent đầu tiên của bạn trong vòng chưa đầy một giờ.” ctaPrimaryText=“Dùng Thử FlowHunt Miễn Phí” ctaPrimaryURL=“https://app.flowhunt.io/sign-in" ctaSecondaryText=“Đặt Lịch Demo” ctaSecondaryURL=“https://www.flowhunt.io/demo/" gradientStartColor="#3b82f6” gradientEndColor="#8b5cf6” gradientId=“multi-agent-cta” }}
Yasha là một nhà phát triển phần mềm tài năng, chuyên về Python, Java và học máy. Yasha viết các bài báo kỹ thuật về AI, kỹ thuật prompt và phát triển chatbot.
Trình tạo workflow không cần code của FlowHunt giúp bạn dễ dàng tạo và điều phối nhiều AI agent. Bắt đầu tự động hóa các tác vụ phức tạp trong vài phút—không cần lập trình.
Khám phá các nền tảng xây dựng AI agent hàng đầu năm 2026, từ nền tảng không cần lập trình đến các framework cho doanh nghiệp. Tìm hiểu công cụ nào phù hợp nhất...
Phân tích toàn diện giữa các nền tảng xây dựng AI agent mã nguồn mở và độc quyền trong năm 2025, đánh giá chi phí, tính linh hoạt, hiệu năng và ROI để giúp các ...
Hướng dẫn toàn diện về các nền tảng xây dựng AI agent tốt nhất năm 2025, gồm FlowHunt.io, OpenAI và Google Cloud. Khám phá đánh giá chi tiết, bảng xếp hạng và s...
Đồng Ý Cookie
Chúng tôi sử dụng cookie để cải thiện trải nghiệm duyệt web của bạn và phân tích lưu lượng truy cập của mình. See our privacy policy.