Giải thích
Agent harness là gì và vì sao chăm sóc khách hàng qua WhatsApp cần đến nó
Phần lớn AI trong nhắn tin với khách hàng chỉ là một câu hỏi, một câu trả lời. Agent harness biến một mô hình ngôn ngữ thành thứ có thể xử lý cả một vụ việc: lập kế hoạch, dùng công cụ, kiểm tra công việc của mình và ghi nhớ. Dưới đây là ý nghĩa của điều đó, những harness hiện có và cách chạy một harness trong MonoChat ngay bây giờ.
Hoặc bắt đầu với $150 tín dụng, đủ cho tháng đầu tiên dùng gói Growth
Ngày đăng:
Trong năm qua, câu chuyện về AI đã lặng lẽ chuyển từ bản thân mô hình sang những gì bao quanh nó. Cùng một mô hình có thể chỉ là chatbot trả lời từng tin nhắn, hoặc là một agent giải quyết trọn vẹn sự cố giao hàng xuyên suốt ba hệ thống và hai ngày. Điểm khác biệt không nằm ở mô hình, mà ở harness (lớp "khung" vận hành bao quanh mô hình).
Bài viết này giải thích ý tưởng bằng ngôn ngữ dễ hiểu, so sánh các harness bạn có thể dùng hiện nay và cho thấy MonoChat giờ đây cho phép doanh nghiệp chạy một harness trên WhatsApp, Instagram, web chat và mọi kênh khác trong hộp thư của họ như thế nào.
Agent harness là gì?
Agent harness là lớp phần mềm bao quanh một mô hình ngôn ngữ lớn, giúp mô hình hành động chứ không chỉ trả lời. Mô hình suy luận và quyết định bước tiếp theo. Harness thực thi quyết định đó, đưa kết quả trở lại cho mô hình và lặp lại cho đến khi công việc hoàn tất. Nói ngắn gọn: agent = mô hình + harness.
Thuật ngữ này trở nên phổ biến khi các đội ngũ nhận ra rằng những coding agent như Claude Code và Codex có được độ tin cậy phần lớn nhờ lớp bao quanh này chứ không chỉ nhờ mô hình. Giờ đây Anthropic, OpenAI, Google và Microsoft đều cung cấp harness của mình như sản phẩm để nhà phát triển xây dựng trên đó.
Một harness gồm những gì
- Vòng lặp: Suy luận, hành động, quan sát, lặp lại. Harness tiếp tục cho đến khi nhiệm vụ hoàn thành hoặc cần đến con người.
- Công cụ: Các hàm mà mô hình có thể gọi: kiểm tra đơn hàng, tra cứu lịch đặt, hoàn tiền, tìm trong cơ sở tri thức. Thường được kết nối qua MCP.
- Bộ nhớ và trạng thái: Những gì đã xảy ra trước đó trong yêu cầu này, khách hàng thích gì và đã thử những cách nào, được lưu giữ xuyên suốt các tin nhắn và phiên làm việc.
- Quản lý ngữ cảnh: Quyết định mô hình được thấy gì ở mỗi bước và tóm tắt (nén) lịch sử dài để những phần quan trọng luôn nằm trong tầm nhìn.
- Rào chắn và phê duyệt: Quyền hạn, chính sách và các điểm kiểm duyệt của con người cho những hành động tốn tiền hoặc không thể hoàn tác.
- Sandbox và tệp: Một không gian làm việc tách biệt, nơi agent có thể chạy mã, chuẩn bị tài liệu hoặc tính báo giá mà không đụng đến hệ thống đang vận hành.
- Truy vết và đánh giá: Nhật ký ghi lại mọi bước và mọi lần gọi công cụ, giúp đội ngũ hiểu vì sao agent hành động như vậy và đo lường hiệu quả qua nhiều lần chạy.
Inference và harness: khác nhau ở đâu?
Inference (suy luận) là một lần gọi đến mô hình: bạn gửi prompt, mô hình trả về văn bản, và cuộc trao đổi kết thúc. Cách này nhanh, rẻ, dễ đoán và hoàn toàn phù hợp cho nhiều việc như phân loại tin nhắn, soạn câu trả lời hay tóm tắt cuộc hội thoại.
Harness chạy nhiều lần inference trong một vòng lặp và bổ sung mọi thứ xung quanh: công cụ, bộ nhớ, kiểm tra và giới hạn. Nó chậm hơn và tốn nhiều token hơn cho mỗi nhiệm vụ, nhưng có thể hoàn thành những việc cần nhiều bước, dữ liệu bên ngoài hoặc một quyết định giữa chừng.
| AI inference | Agent harness | |
|---|---|---|
| Bản chất | Một yêu cầu gửi đến mô hình, một phản hồi | Một vòng lặp quanh mô hình để lên kế hoạch, hành động và kiểm tra |
| Số bước mỗi nhiệm vụ | Một | Bao nhiêu tùy nhiệm vụ cần, trong giới hạn bạn đặt ra |
| Công cụ và hệ thống | Không bắt buộc, thường chỉ một lần gọi hàm | Nhiều công cụ, được gọi và nối chuỗi tùy theo từng trường hợp |
| Bộ nhớ | Chỉ những gì có trong prompt | Lịch sử và trạng thái của yêu cầu được giữ qua các bước và phiên |
| Khi có lỗi | Trả về bất cứ thứ gì đã tạo ra | Nhận ra lỗi, thử lại hoặc nhờ đến con người |
| Phù hợp nhất cho | Phân loại, soạn thảo, tóm tắt, câu trả lời đơn lẻ | Giải quyết yêu cầu, tác vụ nhiều bước, theo dõi kéo dài nhiều ngày |
| Chi phí và tốc độ | Chi phí thấp nhất, gần như tức thì | Tốn nhiều token hơn, vài giây đến vài phút mỗi nhiệm vụ |
Trên thực tế, các đội ngũ giỏi dùng cả hai: inference cho những bước nhanh, được xác định rõ, và harness cho những việc thực sự cần nhiều bước.
Harness thay đổi gì trong chăm sóc khách hàng qua WhatsApp
Nhắn tin với khách hàng là nơi thể hiện rõ nhất sự khác biệt giữa trả lời và giải quyết. Khách hàng nhắn "đơn hàng của tôi vẫn chưa tới" và mong vấn đề được xử lý, chứ không phải được giải thích.
Yêu cầu được giải quyết, không chỉ được trả lời
Agent có thể tra cứu đơn hàng, kiểm tra đơn vị vận chuyển, phát hiện kiện hàng đang bị kẹt, mở yêu cầu khiếu nại và đề xuất gửi hàng thay thế ngay trong cùng cuộc hội thoại.
Kiểm tra trước khi hứa
Tồn kho, giá, lịch hẹn và chính sách được xác minh trong hệ thống của bạn ngay tại thời điểm trả lời, thay vì đoán từ dữ liệu huấn luyện.
Ghi nhớ từng yêu cầu
Nếu ngày mai khách hàng quay lại, agent biết những gì đã thử và đã hứa, kể cả khi cửa sổ 24 giờ của WhatsApp đã đóng.
Theo dõi theo thời gian
Các tác vụ kéo dài, như chờ khoản hoàn tiền được xử lý hay chờ linh kiện về, có thể tiếp tục chạy và nhắn cho khách khi có thay đổi, dùng mẫu tin nhắn đã được duyệt khi WhatsApp yêu cầu.
Con người vẫn nắm quyền kiểm soát
Hoàn tiền vượt hạn mức, hủy đơn hay bất cứ việc gì nhạy cảm đều chờ thành viên trong đội phê duyệt, và khi chuyển cho nhân viên, toàn bộ lịch sử vẫn được giữ nguyên.
Mọi bước đều minh bạch
Các lần gọi công cụ và quyết định đều được ghi lại, để người giám sát xem lại vì sao agent hành động như vậy và cải thiện hướng dẫn.
Ví dụ: xử lý đổi trả trên WhatsApp
- Khách hàng gửi ảnh một món hàng bị hư hỏng và yêu cầu đổi trả.
- Agent tìm đơn hàng, kiểm tra xem còn trong thời hạn đổi trả không và xem xét bức ảnh.
- Agent tạo yêu cầu đổi trả trong hệ thống thương mại điện tử của bạn và đặt lịch shipper đến lấy hàng vào ngày hôm sau.
- Khoản hoàn tiền vượt hạn mức tự động, nên agent đề nghị một thành viên trong đội phê duyệt ngay trong hộp thư.
- Sau khi được duyệt, agent xác nhận với khách hàng, và hai ngày sau, khi shipper quét mã kiện hàng, agent gửi xác nhận hoàn tiền.
Chỉ với inference, đây là một chatbot giải thích chính sách đổi trả. Với harness, đây chính là việc đổi trả được thực hiện.
Các agent harness bạn có thể dùng ngay hôm nay
Nhiều công ty và dự án mã nguồn mở hiện đã cung cấp harness để bạn xây dựng trên đó. Chúng khác nhau ở việc ai vận hành, chạy được những mô hình nào và tích hợp sẵn bao nhiêu tính năng.
| Harness | Đơn vị phát triển | Hình thức triển khai và giấy phép | Mô hình | Điểm nổi bật |
|---|---|---|---|---|
| Claude Agent SDK | Anthropic | Thư viện (Python, TypeScript) | Claude | Harness đứng sau Claude Code: công cụ, MCP, sub-agent, skill, nén ngữ cảnh, phân quyền |
| Claude Managed Agents | Anthropic | API được lưu trữ (public beta từ tháng 4/2026) | Claude | Anthropic vận hành vòng lặp: thực thi trong sandbox, phiên chạy dài, phối hợp nhiều agent, truy vết |
| OpenAI Agents SDK | OpenAI | Mã nguồn mở, MIT (ưu tiên Python) | Mô hình OpenAI, mô hình khác qua adapter | Sandbox từ nhiều nhà cung cấp, bộ nhớ, MCP, skill, AGENTS.md, có thể tiếp tục lượt chạy |
| Codex | OpenAI | CLI mã nguồn mở (Apache 2.0) kèm bản cloud | Mô hình OpenAI | Harness cho coding agent, kèm SDK để chạy từ dịch vụ của riêng bạn |
| Agent Development Kit (ADK) | Mã nguồn mở, Apache 2.0 (Python, Java, Go, TypeScript) | Mặc định Gemini, không phụ thuộc mô hình | Cây đa agent, MCP, giao thức Agent2Agent (A2A), đánh giá tích hợp sẵn | |
| Agent Framework | Microsoft | Mã nguồn mở, MIT (Python, .NET) | Azure OpenAI, OpenAI, Anthropic và các bên khác | Harness ổn định từ tháng 7/2026: vòng lặp công cụ, lịch sử, nén ngữ cảnh, skill, phê duyệt, OpenTelemetry |
| Deep Agents | LangChain | Mã nguồn mở, MIT | Không phụ thuộc mô hình | Lập kế hoạch, sub-agent, hệ thống tệp và kỹ thuật ngữ cảnh trên LangGraph |
| Pi | Earendil Works | Mã nguồn mở, MIT | Bất kỳ nhà cung cấp nào, dùng key của riêng bạn | Lõi tối giản có chủ đích (đọc, ghi, sửa, shell), mở rộng bằng các skill có thể chia sẻ |
| Mastra | Mastra | Mã nguồn mở (TypeScript) | Không phụ thuộc mô hình | Agent với luồng hội thoại lưu trữ lâu dài, phê duyệt công cụ và studio chạy cục bộ |
| OpenCode | OpenCode | Mã nguồn mở, MIT | Không phụ thuộc mô hình | Agent lập kế hoạch và xây dựng, SDK, terminal và desktop |
Thông tin thay đổi rất nhanh; hãy xem tài liệu của từng dự án để biết tình trạng mới nhất. Tên sản phẩm và logo thuộc về chủ sở hữu tương ứng.
Các harness được so sánh trong bài viết
Còn Business Agent của chính Meta thì sao?
Năm 2026, Meta ra mắt Meta Business Agent, AI agent riêng của hãng cho WhatsApp, Instagram và Messenger. Về bản chất, đây là một harness do Meta xây dựng và vận hành: trả lời dựa trên nội dung của bạn, gọi đến các hệ thống đã kết nối và chuyển giao cho đội ngũ của bạn.
Đây là lựa chọn tốt cho nhiều doanh nghiệp nhỏ. Nhưng nó cũng là một hệ thống khép kín: bạn không thể chọn mô hình, dữ liệu hội thoại nằm trong Meta, một số lĩnh vực như tài chính và y tế bị loại trừ, và từ tháng 8/2026 dịch vụ được tính phí theo token, khoảng 4 đến 5 US cent mỗi tin nhắn theo ước tính của chính Meta.
So sánh các cách tiếp cận
| AI agent tích hợp sẵn của nền tảng nhắn tin | Meta Business Agent | Agent Harness trong MonoChat | |
|---|---|---|---|
| Chọn mô hình | Thường cố định hoặc chỉ vài lựa chọn | Không | Có, bất kỳ mô hình nào bạn kết nối |
| Dùng harness của riêng bạn | Không | Không | Có: Claude Agent SDK, OpenAI Agents SDK, Pi, agent Claude và OpenAI được lưu trữ, hoặc agent của riêng bạn (ADK, LangGraph và các framework khác qua endpoint tùy chỉnh) |
| Bản được lưu trữ sẵn, không cần code | Có | Có | Có |
| Công cụ và API của riêng bạn | Tích hợp hạn chế | Connector | Công cụ hàm AI, MCP, cơ sở tri thức và hàm tùy chỉnh |
| Nằm trong flow và ứng dụng của bạn | Công cụ tạo bot riêng biệt | Tách biệt với flow của bạn | Node AI Agent trong các luồng và API chạy agent, bên cạnh suy luận AI |
| Chuyển giao cho đội ngũ | Có | Có, với quyền kiểm soát luồng hội thoại | Hộp thư chung với đầy đủ lịch sử và phê duyệt |
| Nơi lưu trữ dữ liệu | Nền tảng của nhà cung cấp | Meta | MonoChat cùng các nhà cung cấp bạn chọn |
Dựa trên thông tin sản phẩm công khai vào tháng 10/2026. Hầu hết các nền tảng nhắn tin chúng tôi khảo sát đều có AI agent tích hợp sẵn; chúng tôi chưa thấy nền tảng nào cho phép doanh nghiệp vừa chạy harness được lưu trữ sẵn, vừa kết nối harness của riêng mình trong cùng một hộp thư và flow.
Agent harness trong MonoChat, nay đã có
MonoChat đã cho phép bạn chọn mô hình ngôn ngữ và cơ sở dữ liệu vector: dùng những gì chúng tôi cung cấp hoặc kết nối của riêng bạn. Giờ đây harness cũng hoạt động theo cách tương tự.
Bên cạnh suy luận AI bạn đang dùng, MonoChat nay có AI Harness: một định nghĩa dịch vụ bạn thêm một lần và dùng từ node AI Agent trong bất kỳ luồng nào, hoặc từ API chạy agent. Thả node vào luồng, và cuộc trò chuyện được giao cho một agent có thể lập kế hoạch, dùng công cụ của bạn và chuyển giao cho đội ngũ của bạn.
- Dùng harness tích hợp sẵn của MonoChat, không cần code, trên các mô hình AI bạn đã có trong MonoChat
- Hoặc chọn Claude Agent SDK, OpenAI Agents SDK hay Pi, do MonoChat chạy trên các mô hình AI của bạn mà không cần thiết lập thêm
- Dùng agent được lưu trữ, OpenAI Agents API hoặc Claude Managed Agents, với khóa OpenAI hoặc Anthropic của riêng bạn
- Hoặc kết nối harness của riêng bạn, xây dựng trên Google ADK, Microsoft Agent Framework, Deep Agents, LangGraph, CrewAI hoặc code của riêng bạn, bằng URL endpoint và một khóa bí mật dùng chung
- Cung cấp công cụ cho nó: công cụ hàm AI, máy chủ MCP, cơ sở tri thức và hàm tùy chỉnh
- Chạy trong các luồng trên WhatsApp, Instagram, Messenger, Telegram, TikTok, web chat, SMS và thoại
- Chọn mô hình chính, dự phòng và nhanh, đặt ngân sách cho mỗi lượt chạy và chuyển giao cho đội ngũ của bạn trong hộp thư chung với đầy đủ lịch sử
- Kết hợp với inference: bước nhanh dùng một lần gọi, yêu cầu phức tạp giao cho harness
Khi nào dùng inference, khi nào dùng harness
- Dùng inference cho việc một bước: gắn thẻ, định tuyến, dịch, soạn câu trả lời, tóm tắt cuộc trò chuyện.
- Dùng harness khi yêu cầu của khách hàng cần nhiều bước, dữ liệu từ hệ thống của bạn hoặc một quyết định giữa chừng.
- Hãy bắt đầu nhỏ: giao cho harness hai hoặc ba công cụ cùng một quy tắc phê duyệt, đo lường, rồi mới mở rộng phạm vi.
Nay đã có trong MonoChat
Agent Harness nay đã có trong MonoChat. Hãy tạo tài khoản miễn phí, kết nối các kênh của bạn, thêm một AI Harness và thả node AI Agent vào luồng để đưa agent đầu tiên của bạn vào hoạt động.
Xem tất cả nhà cung cấp harness, vai trò mô hình và câu hỏi thường gặp trên trang Agent Harness
Chạy agent harness trên WhatsApp
Nguồn tham khảo và đọc thêm
- Databricks: What is an AI agent harness?
- Anthropic: Claude Agent SDK overview
- Anthropic: Claude Managed Agents overview
- OpenAI: The next evolution of the Agents SDK
- Google: Agent Development Kit
- Microsoft: Agent Framework documentation
- LangChain: Deep Agents
- WhatsApp Business: Introducing Meta Business Agent
- Meta: WhatsApp Business Platform pricing