Sắp ra mắt
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 hiện nay chỉ là hỏi một câu, đáp một câu. Agent harness biến mô hình ngôn ngữ thành thứ có thể thực sự xử lý một yêu cầu: lên kế hoạch, dùng công cụ, tự kiểm tra kết quả và ghi nhớ. Bài viết này giải thích điều đó nghĩa là gì, hiện có những harness nào và chúng sẽ đến với MonoChat ra sao.
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 khái niệm một cách dễ hiểu, so sánh các harness bạn có thể dùng ngay hôm nay và giới thiệu những gì chúng tôi đang xây dựng trong MonoChat để doanh nghiệp có thể chạy harness trên WhatsApp, Instagram, web chat và mọi kênh khác trong hộp thư của mình.
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 | Harness trong MonoChat (sắp ra mắt) | |
|---|---|---|---|
| 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, ADK, Pi và các harness khác |
| Bản được lưu trữ sẵn, không cần code | Có | Có | Có |
| Công cụ và API của riêng bạn | Tích hợp hạn chế | Connector | Hàm tùy chỉnh, MCP, webhook và API của bạn |
| Nằm trong flow và ứng dụng của bạn | Công cụ tạo bot riêng biệt | Tách biệt với flow của bạn | Một node và các method trong flow và ứng dụng, bên cạnh AI inference |
| 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.
Những gì chúng tôi đang xây dựng trong MonoChat
MonoChat hiện đã cho phép bạn chọn mô hình ngôn ngữ và cơ sở dữ liệu vector: dùng loại chúng tôi cung cấp hoặc kết nối của riêng bạn. Harness cũng sẽ hoạt động theo cách tương tự.
Bên cạnh node và các method AI inference bạn đang dùng, MonoChat sẽ có thêm node harness và các method harness. Chỉ cần thả node vào một flow hoặc gọi method từ một ứng dụng, cuộc hội thoại sẽ được giao cho một agent có thể lên kế hoạch, dùng công cụ của bạn và báo cáo lại.
- Dùng harness do chúng tôi lưu trữ, không cần viết code, và chọn mô hình cùng công cụ mà nó được phép dùng
- Hoặc kết nối harness của riêng bạn, xây dựng trên Claude Agent SDK, OpenAI Agents SDK, Google ADK, Microsoft Agent Framework, Deep Agents, Pi hay mã của chính bạn
- Trao cho nó công cụ của bạn: hàm tùy chỉnh, MCP server, webhook và dữ liệu trong MonoChat
- Chạy trong flow và ứng dụng, trên WhatsApp, Instagram, Messenger, Telegram, TikTok, web chat và SMS
- Thiết lập quy tắc phê duyệt và chuyển giao cho nhân viên, với mọi bước được ghi lại trong cuộc hội thoại
- 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.
Sắp có trên MonoChat
Node và method harness đang được phát triển và sẽ được triển khai trước cho các tài khoản MonoChat. Hãy tạo tài khoản miễn phí ngay hôm nay để kết nối các kênh, thiết lập flow AI inference và sẵn sàng bật harness ngay khi tính năng ra mắt.
Sẵn sàng cho 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