Làm thế nào các giao thức Agentic đang biến đổi sự phát triển AI

Trí tuệ nhân tạo đang ở trên ngưỡng của bước nhảy vĩ đại tiếp theo. Sau nhiều năm bị chi phối bởi trí tuệ nhân tạo sinh, năm 2025 có vẻ như sẽ là năm của trí tuệ nhân tạo agentic. Không giống như các tiền nhiệm sinh trước đó, chỉ phản hồi với các yêu cầu và tạo ra nội dung mới, các hệ thống trí tuệ nhân tạo agentic làm được nhiều hơn thế. Chúng được xây dựng không chỉ để tương tác với con người, mà còn để nhận thức chủ động về môi trường xung quanh, đưa ra quyết định độc lập và thực hiện các nhiệm vụ để đạt được mục tiêu cụ thể. Sự thay đổi này có tiềm năng tạo ra tác động đáng kể. Trong khi trí tuệ nhân tạo sinh chủ yếu tập trung vào việc cung cấp thông tin hoặc tạo ra nội dung, trí tuệ nhân tạo agentic là về việc thực hiện hành động và cho phép hợp tác. Những hệ thống này được xây dựng để làm việc cùng nhau và giải quyết các vấn đề phức tạp, thực tế như một đội, không phải trong sự cô lập. Tuy nhiên, để giải phóng toàn bộ tiềm năng của trí tuệ nhân tạo agentic, cần phải có một sự thay đổi cơ bản trong cách các hệ thống trí tuệ nhân tạo tương tác với nhau, với dữ liệu và với thế giới xung quanh. Đây là nơi các giao thức agentic đang thay đổi lĩnh vực này. Chúng đang biến đổi các công cụ cô lập, đơn mục đích thành các mạng lưới hợp tác mạnh mẽ, có thể đạt được nhiều hơn so với bất kỳ hệ thống trí tuệ nhân tạo nào riêng lẻ.

Vấn đề với các hệ thống trí tuệ nhân tạo cô lập

Mặc dù có những tiến bộ nhanh chóng trong lĩnh vực này, nhưng hầu hết các giải pháp trí tuệ nhân tạo ngày nay vẫn hoạt động trong sự cô lập. Truyền thống, các tổ chức đã xây dựng các hệ thống trí tuệ nhân tạo riêng biệt cho các nhu cầu cụ thể, chẳng hạn như hỗ trợ khách hàng, phát hiện gian lận hoặc quản lý hàng tồn kho. Những hệ thống này không thể dễ dàng giao tiếp với nhau. Chúng sử dụng các định dạng dữ liệu khác nhau, có cách thức trao đổi thông tin độc đáo và tuân theo các giao thức hoạt động riêng. Mặc dù cách tiếp cận này có thể hoạt động được cho các ứng dụng đơn giản, nhưng nó dẫn đến sự phân mảnh, nỗ lực trùng lặp và lãng phí tài nguyên. Các tổ chức thường phải duy trì nhiều hệ thống chồng chéo, mỗi hệ thống yêu cầu cơ sở hạ tầng và chuyên môn riêng, điều này làm tăng độ phức tạp và chi phí hoạt động.

Thách thức chính là tích hợp. Khi các tổ chức muốn các hệ thống trí tuệ nhân tạo khác nhau của họ làm việc cùng nhau, họ phải đối mặt với các rào cản kỹ thuật đáng kể. Ví dụ, một rô-bốt xử lý các câu hỏi của khách hàng không thể dễ dàng chia sẻ thông tin với nền tảng hậu cần theo dõi đơn hàng. Các công cụ phát hiện gian lận cũng hoạt động riêng biệt với các công cụ đánh giá rủi ro. Bởi vì những hệ thống này không nói cùng một ngôn ngữ, việc kết nối chúng thường yêu cầu các giải pháp tùy chỉnh đắt tiền và dễ vỡ. Điều này không chỉ làm giảm hiệu suất mà còn khiến các tổ chức khó tận dụng tối đa dữ liệu của mình.

Các xu hướng gần đây đã làm cho những thách thức này trở nên rõ ràng hơn. Các nghiên cứu cho thấy rằng 96% các tổ chức dự định tăng cường sử dụng các tác nhân trí tuệ nhân tạo trong năm tới, với hầu hết coi đây là điều quan trọng để duy trì tính cạnh tranh. Tuy nhiên, những tác nhân trí tuệ nhân tạo này yêu cầu sự phối hợp, chia sẻ dữ liệu và khả năng tương tác mượt mà để hoạt động. Nếu không có gì thay đổi, việc tích hợp những công cụ rời rạc này có thể sớm trở thành một gánh nặng tốn kém và không bền vững.

Sự trỗi dậy của các giao thức Agentic

Để giải quyết những thách thức ngày càng tăng của các hệ thống trí tuệ nhân tạo cô lập, cộng đồng trí tuệ nhân tạo đang phát triển các giao thức agentic. Đây là những quy tắc và giao diện tiêu chuẩn cho phép các hệ thống trí tuệ nhân tạo giao tiếp và làm việc cùng nhau. Ý tưởng cơ bản là xây dựng nền tảng cho những gì nhiều người gọi là “Internet của các tác nhân“, nơi các tác nhân có thể tìm thấy nhau, chia sẻ thông tin và hợp tác. Điều này tương tự như cách internet đầu tiên giúp các máy tính trên toàn thế giới kết nối và tương tác.

• Giao thức ngữ cảnh mô hình (MCP)

Giao thức ngữ cảnh mô hình (MCP) được phát triển bởi Anthropic vào cuối năm 2024, đang nhanh chóng trở thành tiêu chuẩn để kết nối các hệ thống trí tuệ nhân tạo với các công cụ và nguồn dữ liệu bên ngoài. Nhiều người gọi nó là cổng kết nối USB-C cho trí tuệ nhân tạo, vì nó thay thế một loạt các hệ thống không tương thích bằng một tiêu chuẩn đơn giản.
Trước đây, việc kết nối một hệ thống trí tuệ nhân tạo với một công cụ hoặc cơ sở dữ liệu mới đòi hỏi phải viết mã tùy chỉnh cho mỗi kết nối. MCP giải quyết vấn đề này. Giờ đây, các ứng dụng trí tuệ nhân tạo có thể sử dụng một giao thức tiêu chuẩn hóa để truy cập nhiều nguồn dữ liệu, API và dịch vụ khác nhau mà không cần bất kỳ tích hợp đặc biệt nào. Các công ty công nghệ lớn như AWS, IBM và Cloudflare đã áp dụng MCP, với OpenAI và Google DeepMind theo sát. Các triển khai sớm cho thấy rằng các tổ chức sử dụng MCP báo cáo những cải thiện đáng kể về tự động hóa và năng suất, đôi khi tăng hiệu quả công việc lên hơn 50%.

• Giao thức tác nhân với tác nhân (A2A)

Trong khi MCP tập trung vào việc kết nối các hệ thống trí tuệ nhân tạo với các công cụ bên ngoài, giao thức tác nhân với tác nhân (A2A) của Google cho phép các tác nhân trí tuệ nhân tạo giao tiếp trực tiếp với nhau. Được giới thiệu vào tháng 4 năm 2025, A2A cho phép các tác nhân trí tuệ nhân tạo tự động khám phá nhau, đàm phán vai trò và hợp tác trong các nhiệm vụ phức tạp. Điều quan trọng là chúng có thể làm tất cả điều này mà không cần tiết lộ các thuật toán độc quyền hoặc các hoạt động bên trong nhạy cảm. Điều này đặc biệt có giá trị trong môi trường kinh doanh, nơi các tổ chức thường sử dụng các giải pháp trí tuệ nhân tạo từ các nhà cung cấp khác nhau và cần bảo vệ tài sản trí tuệ.
A2A giới thiệu khái niệm “Thẻ tác nhân“. Những thẻ này giống như thẻ kinh doanh số mô tả khả năng của một tác nhân và cách kết nối với nó. Những thẻ này tóm tắt các kỹ năng của mỗi tác nhân và cung cấp chi tiết để thực hiện kết nối. Giao thức cũng bao gồm một hệ thống cấu trúc để quản lý toàn bộ quá trình làm việc hợp tác, từ việc giao nhiệm vụ đến hoàn thành. Với sự hỗ trợ tích hợp cho các định dạng giao tiếp khác nhau, giao thức cung cấp một mức độ linh hoạt cao. Quyết định của Quỹ Linux để áp dụng A2A như một tiêu chuẩn mở, trung lập về nhà cung cấp, đảm bảo rằng nó sẽ vẫn được tiếp cận rộng rãi và tiếp tục thúc đẩy sự đổi mới trong ngành.

• Giao thức giao tiếp tác nhân (ACP)

Giao thức giao tiếp tác nhân (ACP) của IBM áp dụng một cách tiếp cận khác bằng cách tập trung vào sự đơn giản và dễ áp dụng. Được phát triển như một phần của nền tảng BeeAI và hiện được quản lý bởi Quỹ Linux, ACP sử dụng các công nghệ web quen thuộc như REST API và JSON. Điều này làm cho nó trở nên trực quan cho các nhà phát triển sử dụng, ngay cả khi họ không có chuyên môn sâu về trí tuệ nhân tạo.
ACP hỗ trợ cả giao tiếp thời gian thực (đồng bộ) và giao tiếp trì hoãn (bất đồng bộ) giữa các tác nhân. Nó cũng bao gồm các tính năng khám phá tích hợp, cho phép các tác nhân tìm và kết nối với nhau, ngay cả trong các môi trường có hạn chế hoặc không có internet. Sự thực tế, yêu cầu thấp này làm cho ACP trở thành một lựa chọn hấp dẫn cho các tổ chức muốn cho phép hợp tác tác nhân mà không cần thiết lập phức tạp.

Lợi ích của giao tiếp trí tuệ nhân tạo tiêu chuẩn hóa

Việc áp dụng các giao thức agentic là một cột mốc quan trọng trong sự phát triển trí tuệ nhân tạo. Bằng cách chuyển từ các công cụ cô lập sang các hệ thống tác nhân hợp tác, các tổ chức có thể đạt được những lợi ích vượt ra ngoài các cải tiến kỹ thuật.

• Tương tác được cải thiện

Các giao thức agentic hoạt động như các bộ dịch vụ phổ quát cho trí tuệ nhân tạo. Các tổ chức không còn phải dành thời gian và tài nguyên để xây dựng các tích hợp độc đáo cho mỗi hệ thống. Thay vào đó, các tác nhân trí tuệ nhân tạo từ các nhà cung cấp khác nhau, thậm chí những tác nhân được xây dựng bằng các ngôn ngữ lập trình khác nhau, có thể giao tiếp dễ dàng thông qua các tiêu chuẩn chung. Mức độ tương tác này cho phép các tổ chức kết hợp các giải pháp tốt nhất có sẵn, tạo ra một môi trường trí tuệ nhân tạo linh hoạt và thích ứng hơn.

• Hiệu quả và tự động hóa tăng

Các giao thức tiêu chuẩn hóa có thể giảm đáng kể công việc thủ công và trùng lặp. Khi các tác nhân trí tuệ nhân tạo có thể phối hợp dễ dàng, nhiều nhiệm vụ thường xuyên mà trước đây cần sự giám sát của con người hiện được xử lý tự động. Những người áp dụng sớm đã thấy sự cải thiện lên đến 40% về hiệu quả hoạt động khi các quy trình làm việc trở nên mượt mà và ít phụ thuộc vào con người để phối hợp.

• Bảo mật và quản trị được cải thiện

Tiêu chuẩn hóa cũng mang lại nhiều lợi thế về bảo mật. Với các giao thức thống nhất, việc áp dụng các quy tắc xác thực, ủy quyền và kiểm toán thống nhất trên toàn bộ hệ thống trí tuệ nhân tạo trở nên dễ dàng hơn. Điều này làm cho nó trở nên đơn giản hơn cho các tổ chức để đáp ứng các tiêu chuẩn và quy định tuân thủ. Khi các tác nhân trí tuệ nhân tạo tuân theo cùng một quy tắc bảo mật, điều đó không quan trọng là chúng được xây dựng trên công nghệ gì.

• Sự đổi mới được tăng tốc

Có lẽ lợi ích thú vị nhất là sự thúc đẩy đổi mới. Không có gánh nặng phải giải quyết liên tục các vấn đề tích hợp, các nhà phát triển được tự do tập trung vào việc xây dựng các tính năng mới và có giá trị. Cách tiếp cận xây dựng khối này, nơi mỗi tác nhân, giao thức hoặc công cụ có thể được tái sử dụng và mở rộng, khuyến khích sự thử nghiệm và tăng tốc tiến bộ trí tuệ nhân tạo trên các ngành.

Đánh bại thách thức khi triển khai

Mặc dù có những lợi thế, việc xây dựng một hệ thống trí tuệ nhân tạo hợp tác đầy đủ không phải là không có thách thức. Bảo mật và niềm tin là những vấn đề chính. Các tổ chức cần đảm bảo rằng dữ liệu được giữ riêng tư, hệ thống vẫn đáng tin cậy và tất cả các yêu cầu tuân thủ được đáp ứng trước khi họ triển khai các tác nhân trí tuệ nhân tạo liên kết. Cũng có một sự thiếu hụt các chuyên gia có kỹ năng. Lĩnh vực trí tuệ nhân tạo agentic đang phát triển nhanh chóng, nhưng không có đủ chuyên gia để đáp ứng nhu cầu ngày càng tăng. Ngoài ra, nhiều công ty vẫn sử dụng các hệ thống cũ không có các API hoặc cơ sở hạ tầng hiện đại cần thiết cho tích hợp mượt mà với các tác nhân trí tuệ nhân tạo.

Kết luận

Để đạt được tầm nhìn của trí tuệ nhân tạo agentic, điều quan trọng là phải cải thiện tích hợp và giao tiếp giữa các hệ thống trí tuệ nhân tạo và các công cụ, công nghệ khác. Các giao thức như MCP, A2A và ACP đang nổi lên như những công cụ chính cho sự hợp tác trí tuệ nhân tạo. Bằng cách tiêu chuẩn hóa giao tiếp, những giao thức này giúp tạo ra các hệ thống trí tuệ nhân tạo tương tác, hiệu quả và bảo mật hơn. Việc chuyển từ các công cụ trí tuệ nhân tạo cô lập, đơn mục đích sang các tác nhân liên kết sẽ dẫn đến tự động hóa được cải thiện, chi phí hoạt động thấp hơn và đổi mới được tăng tốc. như những công cụ chính cho sự hợp tác trí tuệ nhân tạo. Bằng cách tiêu chuẩn hóa giao tiếp, những giao thức này giúp tạo ra các hệ thống trí tuệ nhân tạo tương tác, hiệu quả và bảo mật hơn. Việc chuyển từ các công cụ trí tuệ nhân tạo cô lập, đơn mục đích sang các tác nhân liên kết sẽ dẫn đến tự động hóa được cải thiện, chi phí hoạt động thấp hơn và đổi mới được tăng tốc.