Alibaba Cloud Agent Studio là nỗ lực của Bailian nhằm biến việc phát triển agent từ một loạt dự án kỹ thuật rời rạc thành dịch vụ doanh nghiệp được quản lý tập trung. Được giới thiệu tại sự kiện Apsara ngày 14/8/2026, nền tảng này kết hợp xây dựng agent, thực thi được lưu trữ, truy xuất tri thức, bộ nhớ, công cụ và các giao diện vận hành. 820

Thông điệp lớn hơn nằm ở sự thay đổi trọng tâm của AI doanh nghiệp. Khi việc tiếp cận các mô hình ngày càng dễ dàng, phần khó và có thể phát sinh chi phí lớn lại là vận hành một agent đáng tin cậy trong môi trường sản xuất: agent phải lập kế hoạch, gọi công cụ, xử lý tệp, duy trì ngữ cảnh, phục hồi khi bị gián đoạn và hoạt động trong giới hạn bảo mật, quyền hạn và ngân sách. Agent Studio được thiết kế để quản lý lớp hạ tầng quanh mô hình, thay vì chỉ cạnh tranh bằng năng lực mô hình.

Agent Studio cung cấp những gì?

Nền tảng này tập hợp nhiều khả năng mà doanh nghiệp thường phải tự ghép nối:

• Xây dựng agent và workflow;
• Runtime lưu trữ cho các tác vụ chạy lâu;
• Tích hợp công cụ và MCP;
• Truy xuất tri thức doanh nghiệp và agentic RAG;
• Bộ nhớ bền vững và các Skills có thể tái sử dụng;
• Môi trường sandbox cho chạy mã và xử lý tệp;
• API để gọi agent, truy xuất tri thức, quản lý bộ nhớ và runtime. 117

Vì vậy, đây không đơn thuần là một công cụ kéo-thả để tạo prompt. Agent Studio nhắm tới những vấn đề chỉ xuất hiện khi agent phải tự lập kế hoạch, gọi nhiều công cụ, đọc dữ liệu, giữ trạng thái, xử lý lỗi và hoạt động trong một mô hình quản trị cấp doanh nghiệp.

Ba hướng triển khai agent đang hình thành

Doanh nghiệp hiện có thể cân nhắc ba cách tiếp cận chính.

1. Tự xây toàn bộ

Tự xây giúp tổ chức kiểm soát tối đa việc điều phối, kho dữ liệu, danh tính, bảo mật, khả năng quan sát, hạ tầng và tính linh hoạt giữa các nhà cung cấp. Cách này phù hợp với các yêu cầu đặc thù hoặc doanh nghiệp đã có nền tảng nội bộ trưởng thành.

Đổi lại, doanh nghiệp phải tự chịu trách nhiệm về độ tin cậy, tích hợp, khôi phục lỗi, theo dõi hoạt động và tính toán chi phí chi tiết. Với agent, chi phí không chỉ đến từ số token. Một yêu cầu có thể kéo theo nhiều lần suy luận, truy xuất dữ liệu, gọi công cụ, chạy mã, thử lại và đưa ngữ cảnh dài vào mô hình.

2. Dùng framework phát triển

Framework và SDK có thể rút ngắn thời gian xây dựng lớp điều phối, tích hợp mô hình và sử dụng công cụ. Chúng là những khối xây dựng hữu ích, nhưng không mặc nhiên cung cấp hạ tầng lưu trữ cho môi trường sản xuất, sandbox cô lập, trạng thái bền vững, xác thực, quản trị, giám sát hay FinOps.

Nói cách khác, đội phát triển vẫn phải tự vận hành phần lớn hệ thống phía sau agent.

3. Dùng nền tảng agent doanh nghiệp

Một nền tảng được quản lý như Agent Studio gộp nhiều trách nhiệm trên thành các dịch vụ dùng sẵn. Điều này có thể rút ngắn khoảng cách từ bản thử nghiệm đến sản phẩm thực tế và tạo ra cách vận hành thống nhất hơn.

Cái giá phải trả là ít quyền kiểm soát ở tầng thấp hơn và nguy cơ phụ thuộc nhà cung cấp, đặc biệt khi công cụ, bộ nhớ, kho tri thức và API runtime được tích hợp chặt vào cùng một hệ sinh thái.

Managed Agent: nền móng runtime của Agent Studio

Managed Agent là runtime được Bailian lưu trữ cho các tác vụ nhiều bước và chạy lâu, gồm gọi công cụ, thực thi mã và xử lý tệp. Dịch vụ quản lý trạng thái phiên, môi trường sandbox và việc thực thi công cụ. Agent chạy trong các container đám mây cô lập, còn lịch sử sự kiện được lưu ở phía máy chủ; quy trình được tài liệu hóa cũng hỗ trợ tạm dừng và tiếp tục tác vụ. 17

Có thể hình dung kiến trúc này qua năm lớp:

1. Lớp runtime: Hạ tầng tính toán và vòng đời thực thi được quản lý thay cho một cụm worker do khách hàng tự vận hành.
2. Quản lý ngữ cảnh: Phiên làm việc và lịch sử sự kiện được duy trì phía máy chủ, giúp giảm lượng mã mà ứng dụng phải tự viết để quản lý trạng thái. 17
3. Mở rộng bằng MCP và Skills: Các công cụ được chuẩn hóa cùng những năng lực có thể tái sử dụng được gắn vào agent.
4. Bảo mật sandbox: Môi trường cô lập hỗ trợ chạy lệnh, đọc ghi tệp, cài đặt dependency và xử lý dữ liệu. 17
5. API và khả năng quan sát: Các giao diện lập trình bao phủ vòng đời Managed Agent, gọi ứng dụng, truy xuất tri thức và quản lý bộ nhớ. 1

Thiết kế này quan trọng vì workload của agent không giống một lần gọi mô hình đơn lẻ. Một yêu cầu có thể kích hoạt chuỗi lập kế hoạch, truy xuất, nhiều lần gọi công cụ, chạy mã, thử lại và hành động tiếp theo. Khi các bước được ghi nhận như một lịch sử thực thi được quản lý, doanh nghiệp có thể dễ vận hành và kiểm toán hơn. Tuy vậy, chi phí và độ tin cậy thực tế vẫn phụ thuộc vào nhiệm vụ, mô hình, công cụ và các cơ chế kiểm soát được lựa chọn.

Kết quả trong bảo hiểm cần được đọc đúng ngữ cảnh

Các bài viết liên quan đến Alibaba mô tả một trường hợp thẩm định bảo hiểm, trong đó công việc bảo lãnh vốn mất từ ba đến bốn giờ được rút xuống còn khoảng 15 phút, với chi phí được nêu là 0,12 nhân dân tệ cho mỗi hợp đồng. 10

Đây nên được xem là kết quả được báo cáo trong một case study, không phải benchmark chung hay cam kết hiệu năng của Agent Studio. Kết quả có thể thay đổi theo chất lượng tài liệu, độ phức tạp của workflow, lựa chọn mô hình, số lần gọi công cụ, cách xử lý ngoại lệ và mức độ rà soát của con người.

Giá trị của ví dụ này nằm ở việc cho thấy loại cải thiện vận hành mà nền tảng hướng tới, chứ không phải bảo đảm rằng mọi quy trình đều đạt cùng mức tiết kiệm thời gian và chi phí.

One Key Service giải quyết bài toán tích hợp xác thực

Khi triển khai agent, mỗi công cụ bên ngoài hoặc dịch vụ MCP thường có thể đi kèm một quy trình xác thực và quản lý thông tin đăng nhập riêng. One Key Service của Agent Studio được giới thiệu như một lớp xác thực thống nhất cho các đối tác trong chợ MCP, qua đó giảm nhu cầu tích hợp riêng từng cơ chế cấp quyền. 810

Điểm này quan trọng hơn một tính năng tiện lợi. Chợ MCP chỉ thực sự hữu ích với doanh nghiệp nếu các công cụ trong đó có thể được phê duyệt, xác thực, giám sát và quản trị ở quy mô lớn. Hệ thống khóa thống nhất nhằm biến marketplace từ một danh mục công cụ có thể tìm thấy thành một phần của mô hình vận hành có kiểm soát.

Private Skills biến tri thức nội bộ thành công cụ tái sử dụng

Thiết kế Private Skills được báo cáo của Agent Studio chia phạm vi thành ba cấp: năng lực nền tảng hoặc công khai có thể dùng rộng rãi, năng lực riêng ở cấp tổ chức, và năng lực hẹp hơn dành cho cá nhân hoặc dự án. 8

Ý tưởng cốt lõi là đóng gói quy trình độc quyền, API và quy tắc nghiệp vụ thành các năng lực có thể tái sử dụng. Thay vì liên tục nhúng hướng dẫn nội bộ vào prompt hoặc xây lại tích hợp cho từng agent, đội ngũ có thể cung cấp chúng dưới dạng Skills có phạm vi kiểm soát rõ ràng.

Từ đây, các câu hỏi thiết yếu của doanh nghiệp không chỉ là “có tạo được Skill hay không”, mà còn gồm: ai được cấp quyền sử dụng, ai sở hữu, cách quản lý phiên bản, quy trình phê duyệt và khả năng chuyển Skill sang nền tảng khác.

Knowledge Studio, Agentic Search và Memory Studio

Lớp tri thức của Agent Studio xoay quanh Knowledge Studio, một dịch vụ RAG cấp doanh nghiệp hỗ trợ phân tích tài liệu, chia đoạn, vector hóa, lập chỉ mục, truy xuất và hỏi đáp trực tuyến. Các phương thức tích hợp được tài liệu hóa gồm API, MCP, CLI và Skills. 3

Điểm đáng chú ý là sự khác biệt giữa truy xuất thông thường và truy xuất theo kiểu agent. Knowledge Studio mô tả một vòng lặp Agentic RAG kết hợp:

• Agentic Search: Lập kế hoạch và truy xuất lặp qua nhiều nguồn tri thức doanh nghiệp;
• Agentic Generation: Tạo câu trả lời sau khi truy xuất, kèm nguồn gốc và trích dẫn. 46

Cách tiếp cận này hướng tới những câu hỏi không thể xử lý tốt chỉ bằng một lần tìm kiếm theo độ tương đồng. Agent có thể phải hiểu yêu cầu, chọn hướng truy xuất, tìm kiếm nhiều lần và kiểm tra xem tài liệu thu được đã đủ trước khi tạo câu trả lời.

Memory Studio, hay lớp dịch vụ bộ nhớ của hệ sinh thái này, phục vụ một mục tiêu khác nhưng có liên quan. Tài liệu Agentic Memory mô tả khả năng lưu trữ và truy xuất bộ nhớ dài hạn, ngắn hạn và theo ngữ cảnh, đồng thời hỗ trợ dữ liệu Skills và kho tri thức. 11

Trong ứng dụng thực tế, bộ nhớ giúp agent không phải nhận lại mọi sở thích, quyết định trước đó hoặc mảnh ngữ cảnh có thể tái sử dụng ở mỗi lần tương tác. Tuy nhiên, nó cũng kéo theo yêu cầu quản trị về thời hạn lưu trữ, xóa dữ liệu, quyền truy cập và nguy cơ truyền tiếp thông tin sai trong các phiên sau.

Playground và cách xây dựng bằng ngôn ngữ tự nhiên

Playground được giới thiệu như bề mặt xây dựng hợp nhất cho Flow Agent, Managed Agent, RAG, Memory, MCP, Skills, các mẫu kịch bản và workflow “Vibe Builder” bằng ngôn ngữ tự nhiên. 8

Quy trình dự kiến khá trực tiếp: bắt đầu từ một template hoặc mô tả quy trình nghiệp vụ, sau đó kết nối tri thức, bộ nhớ, công cụ và môi trường thực thi phù hợp. Điều này hạ thấp rào cản thử nghiệm và giúp đội nghiệp vụ cùng đội kỹ thuật làm việc trên một nền tảng.

Dù vậy, giao diện đơn giản hơn không đồng nghĩa với việc có thể bỏ qua kiểm thử, quản lý quyền, đánh giá chất lượng hay phê duyệt của con người — đặc biệt khi agent được phép thực hiện các hành động có hậu quả thực tế.

Vì sao các nhà cung cấp cloud muốn sở hữu lớp agent?

Ranh giới cạnh tranh của AI doanh nghiệp đang dịch chuyển ra ngoài mô hình. Mô hình cung cấp khả năng suy luận và tạo nội dung, nhưng một agent trong môi trường sản xuất còn cần runtime, trạng thái, công cụ, quyền truy cập dữ liệu, danh tính, môi trường cô lập, giám sát và các cơ chế kiểm soát.

Điều này tạo cho các nhà cung cấp cloud một vị trí chiến lược đáng kể. Nếu agent trở thành “cửa trước” để người dùng yêu cầu công việc, nền tảng agent cũng có thể trở thành lớp phát hiện và kết hợp các dịch vụ cloud thay cho người dùng. Tìm kiếm, lưu trữ, API, cơ sở dữ liệu và hệ thống nghiệp vụ có thể ngày càng được tiếp cận gián tiếp thông qua các hành động của agent đã được quản trị, thay vì phải do lập trình viên lựa chọn thủ công trong từng workflow.

Với doanh nghiệp, cơ hội đó đi kèm nhiều đánh đổi:

• Agent và Skills có thể chuyển đổi giữa các nhà cung cấp đến mức nào?
• Ai kiểm soát quyền sử dụng công cụ và ranh giới dữ liệu?
• Chi phí của chuỗi tác vụ nhiều bước được phân bổ cho đội hoặc quy trình kinh doanh ra sao?
• Doanh nghiệp có thể tái dựng agent đã làm gì và vì sao hay không?
• Điều gì xảy ra khi mô hình, công cụ hoặc nguồn truy xuất thay đổi?

Câu trả lời của Agent Studio là biến hệ thống được quản lý quanh mô hình thành sản phẩm chính. Thành công của nền tảng sẽ không phụ thuộc nhiều vào sơ đồ “tất cả trong một” bắt mắt, mà vào việc doanh nghiệp có thể kiểm chứng đầu ra, giới hạn hành động, hiểu chi phí và đưa workflow quan trọng từ bản trình diễn vào vận hành ổn định hay không.

Alibaba Cloud Agent Studio là nỗ lực của Bailian nhằm biến việc phát triển agent từ một loạt dự án kỹ thuật rời rạc thành dịch vụ doanh nghiệp được quản lý tập trung. Được giới thiệu tại sự kiện Apsara ngày 14/8/2026, nền tảng này kết hợp xây dựng agent, thực thi được lưu trữ, truy xuất tri thức, bộ nhớ, công cụ và các giao diện vận hành. 820

Thông điệp lớn hơn nằm ở sự thay đổi trọng tâm của AI doanh nghiệp. Khi việc tiếp cận các mô hình ngày càng dễ dàng, phần khó và có thể phát sinh chi phí lớn lại là vận hành một agent đáng tin cậy trong môi trường sản xuất: agent phải lập kế hoạch, gọi công cụ, xử lý tệp, duy trì ngữ cảnh, phục hồi khi bị gián đoạn và hoạt động trong giới hạn bảo mật, quyền hạn và ngân sách. Agent Studio được thiết kế để quản lý lớp hạ tầng quanh mô hình, thay vì chỉ cạnh tranh bằng năng lực mô hình.

Agent Studio cung cấp những gì?

Nền tảng này tập hợp nhiều khả năng mà doanh nghiệp thường phải tự ghép nối:

• Xây dựng agent và workflow;
• Runtime lưu trữ cho các tác vụ chạy lâu;
• Tích hợp công cụ và MCP;
• Truy xuất tri thức doanh nghiệp và agentic RAG;
• Bộ nhớ bền vững và các Skills có thể tái sử dụng;
• Môi trường sandbox cho chạy mã và xử lý tệp;
• API để gọi agent, truy xuất tri thức, quản lý bộ nhớ và runtime. 117

Vì vậy, đây không đơn thuần là một công cụ kéo-thả để tạo prompt. Agent Studio nhắm tới những vấn đề chỉ xuất hiện khi agent phải tự lập kế hoạch, gọi nhiều công cụ, đọc dữ liệu, giữ trạng thái, xử lý lỗi và hoạt động trong một mô hình quản trị cấp doanh nghiệp.

Ba hướng triển khai agent đang hình thành

Doanh nghiệp hiện có thể cân nhắc ba cách tiếp cận chính.

1. Tự xây toàn bộ

Tự xây giúp tổ chức kiểm soát tối đa việc điều phối, kho dữ liệu, danh tính, bảo mật, khả năng quan sát, hạ tầng và tính linh hoạt giữa các nhà cung cấp. Cách này phù hợp với các yêu cầu đặc thù hoặc doanh nghiệp đã có nền tảng nội bộ trưởng thành.

Đổi lại, doanh nghiệp phải tự chịu trách nhiệm về độ tin cậy, tích hợp, khôi phục lỗi, theo dõi hoạt động và tính toán chi phí chi tiết. Với agent, chi phí không chỉ đến từ số token. Một yêu cầu có thể kéo theo nhiều lần suy luận, truy xuất dữ liệu, gọi công cụ, chạy mã, thử lại và đưa ngữ cảnh dài vào mô hình.

2. Dùng framework phát triển

Framework và SDK có thể rút ngắn thời gian xây dựng lớp điều phối, tích hợp mô hình và sử dụng công cụ. Chúng là những khối xây dựng hữu ích, nhưng không mặc nhiên cung cấp hạ tầng lưu trữ cho môi trường sản xuất, sandbox cô lập, trạng thái bền vững, xác thực, quản trị, giám sát hay FinOps.

Nói cách khác, đội phát triển vẫn phải tự vận hành phần lớn hệ thống phía sau agent.

3. Dùng nền tảng agent doanh nghiệp

Một nền tảng được quản lý như Agent Studio gộp nhiều trách nhiệm trên thành các dịch vụ dùng sẵn. Điều này có thể rút ngắn khoảng cách từ bản thử nghiệm đến sản phẩm thực tế và tạo ra cách vận hành thống nhất hơn.

Cái giá phải trả là ít quyền kiểm soát ở tầng thấp hơn và nguy cơ phụ thuộc nhà cung cấp, đặc biệt khi công cụ, bộ nhớ, kho tri thức và API runtime được tích hợp chặt vào cùng một hệ sinh thái.

Managed Agent: nền móng runtime của Agent Studio

Managed Agent là runtime được Bailian lưu trữ cho các tác vụ nhiều bước và chạy lâu, gồm gọi công cụ, thực thi mã và xử lý tệp. Dịch vụ quản lý trạng thái phiên, môi trường sandbox và việc thực thi công cụ. Agent chạy trong các container đám mây cô lập, còn lịch sử sự kiện được lưu ở phía máy chủ; quy trình được tài liệu hóa cũng hỗ trợ tạm dừng và tiếp tục tác vụ. 17

Có thể hình dung kiến trúc này qua năm lớp:

1. Lớp runtime: Hạ tầng tính toán và vòng đời thực thi được quản lý thay cho một cụm worker do khách hàng tự vận hành.
2. Quản lý ngữ cảnh: Phiên làm việc và lịch sử sự kiện được duy trì phía máy chủ, giúp giảm lượng mã mà ứng dụng phải tự viết để quản lý trạng thái. 17
3. Mở rộng bằng MCP và Skills: Các công cụ được chuẩn hóa cùng những năng lực có thể tái sử dụng được gắn vào agent.
4. Bảo mật sandbox: Môi trường cô lập hỗ trợ chạy lệnh, đọc ghi tệp, cài đặt dependency và xử lý dữ liệu. 17
5. API và khả năng quan sát: Các giao diện lập trình bao phủ vòng đời Managed Agent, gọi ứng dụng, truy xuất tri thức và quản lý bộ nhớ. 1

Thiết kế này quan trọng vì workload của agent không giống một lần gọi mô hình đơn lẻ. Một yêu cầu có thể kích hoạt chuỗi lập kế hoạch, truy xuất, nhiều lần gọi công cụ, chạy mã, thử lại và hành động tiếp theo. Khi các bước được ghi nhận như một lịch sử thực thi được quản lý, doanh nghiệp có thể dễ vận hành và kiểm toán hơn. Tuy vậy, chi phí và độ tin cậy thực tế vẫn phụ thuộc vào nhiệm vụ, mô hình, công cụ và các cơ chế kiểm soát được lựa chọn.

Kết quả trong bảo hiểm cần được đọc đúng ngữ cảnh

Các bài viết liên quan đến Alibaba mô tả một trường hợp thẩm định bảo hiểm, trong đó công việc bảo lãnh vốn mất từ ba đến bốn giờ được rút xuống còn khoảng 15 phút, với chi phí được nêu là 0,12 nhân dân tệ cho mỗi hợp đồng. 10

Đây nên được xem là kết quả được báo cáo trong một case study, không phải benchmark chung hay cam kết hiệu năng của Agent Studio. Kết quả có thể thay đổi theo chất lượng tài liệu, độ phức tạp của workflow, lựa chọn mô hình, số lần gọi công cụ, cách xử lý ngoại lệ và mức độ rà soát của con người.

Giá trị của ví dụ này nằm ở việc cho thấy loại cải thiện vận hành mà nền tảng hướng tới, chứ không phải bảo đảm rằng mọi quy trình đều đạt cùng mức tiết kiệm thời gian và chi phí.

One Key Service giải quyết bài toán tích hợp xác thực

Khi triển khai agent, mỗi công cụ bên ngoài hoặc dịch vụ MCP thường có thể đi kèm một quy trình xác thực và quản lý thông tin đăng nhập riêng. One Key Service của Agent Studio được giới thiệu như một lớp xác thực thống nhất cho các đối tác trong chợ MCP, qua đó giảm nhu cầu tích hợp riêng từng cơ chế cấp quyền. 810

Điểm này quan trọng hơn một tính năng tiện lợi. Chợ MCP chỉ thực sự hữu ích với doanh nghiệp nếu các công cụ trong đó có thể được phê duyệt, xác thực, giám sát và quản trị ở quy mô lớn. Hệ thống khóa thống nhất nhằm biến marketplace từ một danh mục công cụ có thể tìm thấy thành một phần của mô hình vận hành có kiểm soát.

Private Skills biến tri thức nội bộ thành công cụ tái sử dụng

Thiết kế Private Skills được báo cáo của Agent Studio chia phạm vi thành ba cấp: năng lực nền tảng hoặc công khai có thể dùng rộng rãi, năng lực riêng ở cấp tổ chức, và năng lực hẹp hơn dành cho cá nhân hoặc dự án. 8

Ý tưởng cốt lõi là đóng gói quy trình độc quyền, API và quy tắc nghiệp vụ thành các năng lực có thể tái sử dụng. Thay vì liên tục nhúng hướng dẫn nội bộ vào prompt hoặc xây lại tích hợp cho từng agent, đội ngũ có thể cung cấp chúng dưới dạng Skills có phạm vi kiểm soát rõ ràng.

Từ đây, các câu hỏi thiết yếu của doanh nghiệp không chỉ là “có tạo được Skill hay không”, mà còn gồm: ai được cấp quyền sử dụng, ai sở hữu, cách quản lý phiên bản, quy trình phê duyệt và khả năng chuyển Skill sang nền tảng khác.

Knowledge Studio, Agentic Search và Memory Studio

Lớp tri thức của Agent Studio xoay quanh Knowledge Studio, một dịch vụ RAG cấp doanh nghiệp hỗ trợ phân tích tài liệu, chia đoạn, vector hóa, lập chỉ mục, truy xuất và hỏi đáp trực tuyến. Các phương thức tích hợp được tài liệu hóa gồm API, MCP, CLI và Skills. 3

Điểm đáng chú ý là sự khác biệt giữa truy xuất thông thường và truy xuất theo kiểu agent. Knowledge Studio mô tả một vòng lặp Agentic RAG kết hợp:

• Agentic Search: Lập kế hoạch và truy xuất lặp qua nhiều nguồn tri thức doanh nghiệp;
• Agentic Generation: Tạo câu trả lời sau khi truy xuất, kèm nguồn gốc và trích dẫn. 46

Cách tiếp cận này hướng tới những câu hỏi không thể xử lý tốt chỉ bằng một lần tìm kiếm theo độ tương đồng. Agent có thể phải hiểu yêu cầu, chọn hướng truy xuất, tìm kiếm nhiều lần và kiểm tra xem tài liệu thu được đã đủ trước khi tạo câu trả lời.

Memory Studio, hay lớp dịch vụ bộ nhớ của hệ sinh thái này, phục vụ một mục tiêu khác nhưng có liên quan. Tài liệu Agentic Memory mô tả khả năng lưu trữ và truy xuất bộ nhớ dài hạn, ngắn hạn và theo ngữ cảnh, đồng thời hỗ trợ dữ liệu Skills và kho tri thức. 11

Trong ứng dụng thực tế, bộ nhớ giúp agent không phải nhận lại mọi sở thích, quyết định trước đó hoặc mảnh ngữ cảnh có thể tái sử dụng ở mỗi lần tương tác. Tuy nhiên, nó cũng kéo theo yêu cầu quản trị về thời hạn lưu trữ, xóa dữ liệu, quyền truy cập và nguy cơ truyền tiếp thông tin sai trong các phiên sau.

Playground và cách xây dựng bằng ngôn ngữ tự nhiên

Playground được giới thiệu như bề mặt xây dựng hợp nhất cho Flow Agent, Managed Agent, RAG, Memory, MCP, Skills, các mẫu kịch bản và workflow “Vibe Builder” bằng ngôn ngữ tự nhiên. 8

Quy trình dự kiến khá trực tiếp: bắt đầu từ một template hoặc mô tả quy trình nghiệp vụ, sau đó kết nối tri thức, bộ nhớ, công cụ và môi trường thực thi phù hợp. Điều này hạ thấp rào cản thử nghiệm và giúp đội nghiệp vụ cùng đội kỹ thuật làm việc trên một nền tảng.

Dù vậy, giao diện đơn giản hơn không đồng nghĩa với việc có thể bỏ qua kiểm thử, quản lý quyền, đánh giá chất lượng hay phê duyệt của con người — đặc biệt khi agent được phép thực hiện các hành động có hậu quả thực tế.

Vì sao các nhà cung cấp cloud muốn sở hữu lớp agent?

Ranh giới cạnh tranh của AI doanh nghiệp đang dịch chuyển ra ngoài mô hình. Mô hình cung cấp khả năng suy luận và tạo nội dung, nhưng một agent trong môi trường sản xuất còn cần runtime, trạng thái, công cụ, quyền truy cập dữ liệu, danh tính, môi trường cô lập, giám sát và các cơ chế kiểm soát.

Điều này tạo cho các nhà cung cấp cloud một vị trí chiến lược đáng kể. Nếu agent trở thành “cửa trước” để người dùng yêu cầu công việc, nền tảng agent cũng có thể trở thành lớp phát hiện và kết hợp các dịch vụ cloud thay cho người dùng. Tìm kiếm, lưu trữ, API, cơ sở dữ liệu và hệ thống nghiệp vụ có thể ngày càng được tiếp cận gián tiếp thông qua các hành động của agent đã được quản trị, thay vì phải do lập trình viên lựa chọn thủ công trong từng workflow.

Với doanh nghiệp, cơ hội đó đi kèm nhiều đánh đổi:

• Agent và Skills có thể chuyển đổi giữa các nhà cung cấp đến mức nào?
• Ai kiểm soát quyền sử dụng công cụ và ranh giới dữ liệu?
• Chi phí của chuỗi tác vụ nhiều bước được phân bổ cho đội hoặc quy trình kinh doanh ra sao?
• Doanh nghiệp có thể tái dựng agent đã làm gì và vì sao hay không?
• Điều gì xảy ra khi mô hình, công cụ hoặc nguồn truy xuất thay đổi?

Câu trả lời của Agent Studio là biến hệ thống được quản lý quanh mô hình thành sản phẩm chính. Thành công của nền tảng sẽ không phụ thuộc nhiều vào sơ đồ “tất cả trong một” bắt mắt, mà vào việc doanh nghiệp có thể kiểm chứng đầu ra, giới hạn hành động, hiểu chi phí và đưa workflow quan trọng từ bản trình diễn vào vận hành ổn định hay không.