Chạm Đáy Nỗi Đau: Tại Sao Các 'Điệp Viên Web' Thường 'Bất Ổn' và Giải Pháp Đa Điệp Viên 'Thần Thánh'!

Lê Lân

21/08/2025

Web Agents và Khoảng Cách Giữa Demo AI và Sản Phẩm Thực Tế: Vai Trò của Context Engineering

Mở Đầu

Web agents – các đại lý ảo hoạt động trên nền tảng web – đang gặp một thách thức lớn trong việc chuyển từ bản demo AI ấn tượng sang sản phẩm ổn định, tin cậy trong môi trường sản xuất thực tế. Đây chính là hiện tượng "khoảng cách demo-production" được Calvin French-Owen phân tích sắc sảo.

Trong kỷ nguyên AI phát triển mạnh mẽ, việc tự động hóa các tác vụ lặp đi lặp lại trên web hứa hẹn tạo ra nhiều giá trị vượt trội. Tuy nhiên, sự thiếu ổn định và độ tin cậy của các web agents khi vận hành lâu dài khiến chúng khó đáp ứng yêu cầu của các doanh nghiệp. Bài viết này sẽ đi sâu vào vấn đề "context engineering" – kỹ thuật quản lý bối cảnh và dữ liệu ngữ cảnh để nâng cao tính ổn định cho web agents, từ đó giúp các agent vượt qua được "khoảng cách" giữa bản demo và sản phẩm hoàn chỉnh.

Chúng ta sẽ cùng tìm hiểu: định nghĩa về context của web agents, những vấn đề thường gặp với kiến trúc hiện tại, cách multi-agents có thể giải quyết các vấn đề đó và triển vọng phát triển trong tương lai.

Hiểu Về Context Của Web Agent

Định Nghĩa Context Trong Web Agents

Context là tất cả các thông tin đầu vào mà một agent nhận được để quyết định bước tiếp theo trong quy trình thực thi tác vụ. Đối với web agents, context không chỉ là câu lệnh yêu cầu từ người dùng mà còn bao gồm:

Nội dung trang web: Phiên bản văn bản của trang web giúp agent hiểu cấu trúc và dữ liệu cần tương tác.

Bộ nhớ agent (agent memory): Kết quả của các bước thực thi trước đây được lưu lại để agent biết mình đã làm những gì.

Minh Họa Workflow Đơn Giản: Đăng Nhập Vào Cổng Người Dùng

Bước 0: Context gồm yêu cầu người dùng "Đăng nhập vào cổng người dùng" và nội dung trang web hiện tại.

Agent lên kế hoạch và thực hiện hành động click vào ô nhập tên đăng nhập.

Ở các bước tiếp theo, agent thu thập thêm "agent memory" từ các hành động đã thực hiện và nhận cập nhật nội dung trang web mới khi giao diện đổi trạng thái (ví dụ: tên đăng nhập được nhập thành công).

Bước cuối cùng: Task hoàn tất với đầy đủ lịch sử tác vụ được lưu giữ.

Context được cấu thành từ 3 thành phần chính: task người dùng định nghĩa, nội dung trang web và bộ nhớ agent.

Các Vấn Đề Với Kiến Trúc Context Hiện Tại

1. Sự Tích Lũy Bộ Nhớ Agent (Agent Memory Accumulation)

Qua các bước thực hiện, bộ nhớ agent tăng trưởng liên tục do mỗi bước thêm lịch sử hành động mới.

Điều này làm tăng độ dài context với từng bước, gây "nhầm lẫn bối cảnh" (context confusion): khi agent bị phân tâm bởi các thông tin không liên quan trong bộ nhớ, dẫn đến câu trả lời thấp chất lượng.

Ví dụ thực tế: agent bị nhầm lẫn bởi những cảnh báo lỗi cũ vẫn còn trong bộ nhớ, tưởng rằng trang web gặp sự cố dù thực tế không phải.

2. Nội Dung Trang Web Chiếm Ưu Thế (Web Page Content Domination)

Nội dung trang web thay đổi sau mỗi bước và có thể rất dài, đặc biệt với các trang chứa dropdown hàng trăm mục hoặc bảng dữ liệu hàng nghìn dòng.

Web page content thường chiếm đến 88% tổng lượng token của context, làm giảm khả năng agent nhận diện thông tin trọng yếu từ task người dùng hoặc bộ nhớ agent.

Kết quả là agent dễ bị loạn thông tin, đặc biệt khi xử lý các quy trình phức tạp, dài.

Hai yếu tố chính khiến context quá tải:

Bộ nhớ agent cộng dồn theo từng bước.

Nội dung trang web ngày càng lớn, thay đổi liên tục.

Multi-Agents và Công Cụ Nén Context

Ý Tưởng Từ Nghiên Cứu Multi-Agent Của Anthropic

Anthropic xây dựng hệ thống multi-agent để giải quyết vấn đề tương tự trong các tác vụ nghiên cứu phức tạp trên Internet với nhiều luồng thông tin lớn.

Thay vì một agent duy nhất đảm nhiệm toàn bộ, Anthropic dùng agent trưởng (lead agent) chịu trách nhiệm quản lý mục tiêu dài hạn.

Các agent con (sub-agents) chuyên xử lý từng phần nhỏ, gửi về agent trưởng bản tóm tắt dưới dạng thông tin cô đọng.

Giúp giảm tải lượng thông tin trong một context duy nhất, hoạt động hiệu quả hơn trong các nhiệm vụ phức tạp.

Áp Dụng Multi-Agent Cho Web Automation

Ví dụ với workflow tải séc từ cổng khách hàng: agent phải xử lý nhiều bước như chọn hóa đơn, vào danh sách séc, tải từng séc rồi tải lên S3, track lại số hóa đơn và số séc tương ứng.

Hệ thống multi-agent được thiết kế gồm:

Sub-agent trích xuất hóa đơn.

Sub-agent tải séc cho từng hóa đơn.

Sub-agent điều hướng chuyển đổi giữa các view của trang web.

Lead agent chỉ theo dõi thông tin cần thiết, nhận dữ liệu đã được tóm tắt từ các sub-agents, giảm thiểu bộ nhớ tích lũy và hạn chế lượng dữ liệu đầu vào.

Kết Quả Nâng Cao Đáng Kể

Độ tăng context của lead agent giảm rất nhiều so với hệ thống single-agent.

Hệ thống chạy ổn định hàng giờ, xử lý hơn 50 hóa đơn mà không nhầm lẫn hay thất bại.

Đây là bước đột phá giúp web agents tiến gần hơn đến sản phẩm thực tế, vượt ra khỏi giới hạn của bản demo.

Giải pháp multi-agent:

Giao việc cho các sub-agent chuyên trách, cô đọng thông tin trả về lead agent.

Lead agent tránh tiếp xúc trực tiếp với nội dung web quá phức tạp và bộ nhớ agent khổng lồ.

Chia nhỏ bài toán dài hạn thành nhiều tác vụ ngắn hạn để giảm tích lũy dữ liệu.

Tương Lai và Những Thách Thức Còn Lại

Đạt Được 70% Hiệu Quả – Vẫn Còn Đường Dài

Các kỹ thuật context engineering và multi-agent giúp nâng cao độ tin cậy trong việc tự động hóa web lên đáng kể, nhưng chưa phải toàn bộ giải pháp.

Cơ sở hạ tầng trình duyệt, đánh giá agent (agent evals), và cải tiến prompt engineering vẫn đóng vai trò quan trọng.

Việc đảm bảo hệ thống vận hành ổn định trong các trường hợp thật, xử lý các lỗi không lường trước còn rất khó khăn.

Nghiên cứu và phát triển trong lĩnh vực này sẽ tiếp tục để rút ngắn khoảng cách giữa demo và sản phẩm.

Lời Mời Hợp Tác và Liên Hệ

Simplex là nền tảng web agent cấp doanh nghiệp chuyên sâu, làm việc sát cánh với khách hàng để tích hợp và vận hành web agents hiệu quả trong môi trường sản xuất.

Nếu bạn quan tâm đến việc ứng dụng web agents để tự động hóa các tác vụ phức tạp, gia tăng hiệu quả và doanh thu, bạn có thể đặt lịch gặp đội ngũ Simplex qua link này .

Kết Luận

Context engineering là yếu tố then chốt để web agents vận hành ổn định và bền vững trong môi trường thực tế, qua đó vượt qua "khoảng cách demo-production" – nơi nhiều ứng dụng AI chỉ thành công trên bản demo nhưng thất bại khi triển khai rộng rãi. Việc thiết kế hệ thống multi-agent với lead agent và các sub-agents giúp kiểm soát tốt hơn thông tin bối cảnh, tăng khả năng xử lý các tác vụ phức tạp trong thời gian dài.

Để phát triển web agents từ bản demo sang sản phẩm sản xuất, kỹ thuật context engineering và cơ chế multi-agent là những bước đi không thể thiếu. Tham khảo, áp dụng những phương pháp này sẽ giúp doanh nghiệp có giải pháp tự động hóa web mạnh mẽ hơn, giảm rủi ro thất bại và nâng cao hiệu suất làm việc.

Tham Khảo

Calvin French-Owen. "Upsides and downsides of AI products"

Phil Schmid. "Introduction to Context Engineering"

Anthropic. "Building a multi-agent research system"

Simplex Team. Internal blog post with context engineering and multi-agent implementation details.