24/05/2026
Agentic AI Developer: Sóng mới đang tới, Dev mình đi đâu về đâu? 🌊
Nhớ khi xưa, biết hỏi AI cho khéo đã là một lợi thế. Và rồi, mọi người bắt đầu nói nhiều về RAG, vector database, prompt engineering. Nhưng lúc phần đông còn đang làm quen với chuyện khiến AI trả lời tốt hơn, cuộc chơi đã lại dịch chuyển một level khác: làm cho AI biết làm việc thật.
Nói cho dễ hiểu: bạn không chỉ làm AI biết trả lời, mà làm AI biết tự làm việc.
Chatbot bình thường: bạn hỏi, nó trả lời. Hết.
Agent thì khác. Bạn giao một việc, nó tự suy nghĩ làm thế nào, tự bấm nút, tự gọi API, tự đọc database, tự mở trình duyệt, tự kiểm tra kết quả, sai thì tự sửa, xong thì báo cáo.
Ví dụ cho dễ hình dung nhé:
▪️ Chatbot cũ: "Cách đặt vé máy bay là vào trang X, chọn ngày, nhập tên..."
▪️ Agent: tự vào trang web, tự đặt vé, tự thanh toán, gửi vé về email cho bạn
Hay một ví dụ khác gần gũi hơn với dev:
▪️ Copilot kiểu cũ: gợi ý code khi bạn gõ
▪️ Coding agent: bạn quăng cho nó cái ticket "fix bug login", nó tự đọc cả repo, tự tìm chỗ sai, tự viết code, tự chạy test, tự mở Pull Request
Đó là khoảng cách giữa "AI biết nói" và "AI biết làm". Và Agentic AI Developer là người xây ra mấy con AI biết làm đó.
Vậy nếu muốn bắt đầu, Dev cần học gì?
Nếu bạn đang nghĩ "ừ thì gọi API OpenAI thêm vài câu lệnh là xong", xin chia buồn - không đơn giản vậy đâu. Để xây agent ra hồn, bạn cần biết:
✔️ Cho AI dùng "tay chân" - tức là dạy AI cách gọi hàm, gọi API, click chuột, gõ phím. Trong giới gọi là tool use hoặc function calling. Đây là thứ căn bản nhất.
✔️ Dạy AI biết lên kế hoạch - agent giỏi không phải agent "lao đầu vào làm", mà là agent biết chia việc nhỏ ra, làm từng bước, sai thì biết quay lại sửa. Có cả tá kiểu thiết kế cho việc này (ReAct, Plan-and-Execute, Reflexion...), nghe tên thì kêu nhưng học thì không khó.
✔️ Cho AI có trí nhớ - context window có hạn, làm task dài là agent quên sạch. Phải biết dùng vector database, biết lưu thông tin nào, quên thông tin nào.
✔️ Cho nhiều AI làm việc cùng nhau - một con agent ôm hết thì ngu, chia ra mỗi con một việc (con lên kế hoạch, con thực thi, con kiểm tra) thì khôn hơn nhiều.
✔️ Biết xài framework - LangGraph, Claude Agent SDK, OpenAI Agents SDK, CrewAI... Chọn một cái mà chiến thôi, đừng học hết.
✔️ MCP (Model Context Protocol) - cái này hơi mới, do Anthropic làm ra. Hiểu nôm na là chuẩn chung để agent kết nối với mọi thứ (GitHub, database của bạn...). Giống như cổng USB ấy — trước đây mỗi thiết bị một cổng, giờ ai cũng dùng USB-C. Biết MCP là biết "ngôn ngữ chung" của agent.
✔️ Biết đo lường agent có ngon không - đây là phần khó nhất và cũng là chỗ tách bạch dev xịn với dev chỉ "nghịch cho biết". Agent của bạn đúng 70% hay 95% các lần? Hỏng ở đâu? Sửa thế nào? Không đo được thì không cải thiện được.
Nhìn list này thấy nhức nhức cái đầu rồi phải không? Yên tâm đi, không ai học hết trong 1 tuần cả. Điều quan trọng chính là là bắt đầu.
Xu hướng đang chạy nhanh đến đâu?
Coding agent đã đi vào sản xuất thật. Claude Code, Cursor, Devin - đây không còn là đồ chơi. Có team đang giao việc thật cho agent làm. Bạn nghĩ AI không thay được dev? Có thể đúng. Nhưng AI làm thay 30-50% mấy việc lặp đi lặp lại của bạn thì sao? Đồng nghiệp dùng agent đẩy năng suất gấp đôi thì sao?
Hơn nữa, nhiều công ty đang chi rất nhiều tiền cho cái này. Không chỉ mấy ông lớn tech. Ngân hàng, bảo hiểm, logistics, e-commerce đều đang thử agent để tự động hóa quy trình nội bộ. Dev biết kết hợp hiểu nghiệp vụ + biết xây agent là vũ khí cực mạnh.
Tuy nhiên, vẫn còn nhiều bài toán chưa giải xong. Agent vẫn dễ "đi lạc" khi việc dài và phức tạp. Ai giải được bài toán này sẽ rất giá trị - và đó có thể là bạn, nếu bạn nhảy vào lúc này.
Lời thật lòng cho dev còn đang chần chừ
Nhớ hồi 2010, mobile bùng nổ. Mấy ông web dev nào không chịu học iOS/Android, 5 năm sau phải chạy đuổi mệt. Nhớ hồi cloud lên ngôi. Mấy ông sysadmin không chịu học AWS, Docker, giờ đang loay hoay ở đâu rồi?
Cứ mỗi 5-10 năm, ngành mình lại có một cú dịch chuyển lớn. Lần này tên nó là Agentic AI. Và khác mấy lần trước, lần này nhanh hơn nhiều. Không phải 5 năm - có khi chỉ 2 năm thôi là khoảng cách giữa "dev biết agent" và "dev không biết" đã xa lắc.
Mình không bảo bạn bỏ hết để nhảy vào AI. Web vẫn cần, mobile vẫn cần, backend vẫn cần. Nhưng:
🚫 Không hiểu agent hoạt động ra sao, bạn không tích hợp được vào sản phẩm công ty đang làm.
🚫 Không biết xài coding agent, năng suất của bạn thua đồng nghiệp 2-3 lần trong vài năm tới.
🚫 Không biết MCP, function calling, evaluation - bạn không nói chung được "tiếng" với team AI trong công ty.
🚫 Không tự tay xây thử một agent, bạn đang đánh giá công nghệ này qua... tin tức trên mạng. Mà tin tức thì thường sai.
Bắt đầu từ đâu cho thực tế?
Đây là lộ trình mình gợi ý, đi thẳng vào thực tế và không màu mè:
Tuần 1-2: Đọc bài "Building Effective Agents" của Anthropic (free, Google là ra). Nó ngắn, dễ đọc, và là tài liệu hay nhất hiện tại về agent.
Tuần 3-4: Mở Claude API hoặc OpenAI API ra, tự viết một con agent nhỏ. Đừng dùng framework gì cả. Cảm nhận từ tay. Ví dụ: agent đọc email của bạn rồi phân loại.
Tháng 2: Học một framework (tôi gợi ý LangGraph hoặc Claude Agent SDK). Xây con agent phức tạp hơn - nhiều bước, có trí nhớ.
Tháng 3: Tìm hiểu MCP. Tự viết một MCP server kết nối với hệ thống bạn đang làm việc hàng ngày.
Tháng 4 trở đi: Học cách đo lường agent. Đây là chỗ tách dev "biết làm" và dev "làm được hàng production".
Mình không tin AI sẽ thay thế developer, nhưng mình tin Dev biết dùng AI sẽ thay thế Dev không biết dùng AI. Và "biết dùng" bây giờ không còn là "biết hỏi ChatGPT" nữa - mà là biết xây agent.
Sóng đã tới. Bạn có thể đứng nhìn nó vỗ vào bờ, hoặc nhảy lên ván mà lướt. Nhưng đứng yên không còn là lựa chọn an toàn nữa đâu.
Được viết bởi: Vu Vo - Technical Lead, Gravity Global Vietnam
