AgentRun: Ngôn ngữ DSL biến tác nhân AI thành quy trình làm việc có thể kiểm soát

Parcha Labs (đội ngũ đứng sau Grep.ai) vừa mã nguồn mở AgentRun — một ngôn ngữ DSL cho phép biến những phần lặp đi lặp lại trong công việc của tác nhân AI thành quy trình có cấu trúc rõ ràng. Thay vì để tác nhân tự do xử lý mọi bước, nhà phát triển có thể định nghĩa các bước cố định, dùng Jev cho những quyết định có trọng tâm, và chỉ gọi tác nhân khi thực sự cần điều tra thêm.

Điểm đáng chú ý là AgentRun không thay thế tác nhân hiện có của bạn. Ứng dụng vẫn giữ nguyên công cụ, quyền truy cập mô hình, phân quyền và ngân sách — AgentRun chỉ mô tả cách các bước được nối với nhau.

Quy trình trông như thế nào?

Ý tưởng cốt lõi của AgentRun là dùng chính dấu vết (trace) và ghi chú hồi cứu (retro notes) mà tác nhân để lại sau khi hoàn thành công việc, từ đó xác định phần nào có thể chuyển thành quy trình cố định. Cách làm này giúp công việc dễ hiểu hơn và tránh phải trả chi phí cho cả một vòng lặp tác nhân khi không cần thiết.

Ví dụ, một quy trình nghiên cứu có thể chia câu hỏi thành các câu hỏi con, gửi tác nhân nghiên cứu song song, dùng Jev để sàng lọc bằng chứng, rồi giao cho một tác nhân khác viết báo cáo. Bạn có thể kiểm tra từng bước riêng lẻ, đánh giá khâu sàng lọc bằng chứng độc lập, hoặc thay một tác nhân mà không phải xây lại toàn bộ hệ thống.

Quy trình hỗ trợ khách hàng mẫu trong AgentRun

Trong ví dụ về hỗ trợ khách hàng, quy trình yêu cầu câu trả lời phải có văn bản và nguồn tham chiếu. Jev phải trả lời "có" với độ tin cậy ít nhất 0,8. Nếu không đạt, quy trình cho phép tác nhân thử một lần rồi kiểm tra lại. Nếu vẫn thất bại, hệ thống sẽ leo thang để con người xem xét.

Kết hợp công cụ, Jev và tác nhân

AgentRun cho phép bạn kết hợp ba loại thành phần trong cùng một quy trình:

• Gọi công cụ (tool call): các bước xác định như tìm kiếm trong cơ sở tri thức
• Quyết định bằng Jev: dùng cho việc định tuyến, sàng lọc bằng chứng và những phán đoán có phạm vi hẹp
• Tác nhân (agent): chỉ gọi khi một bước cần điều tra sâu hơn

Các nút trong quy trình được định nghĩa bằng JSON hoặc dùng trình tạo TypeScript kèm hợp đồng Zod. Trình tạo tự suy luận kiểu dữ liệu đầu vào và đầu ra, còn trình thông dịch sẽ kiểm tra các đường dẫn trạng thái trung gian ngay lúc chạy. Quy trình có thể gọi quy trình khác, ánh xạ công việc song song và chạy vòng lặp có giới hạn.

Chạy thử không cần API key

Một điểm hấp dẫn với nhà phát triển là AgentRun có sẵn demo chạy bằng kịch bản, không cần API key. Bạn chỉ cần Node 22.19 trở lên:

npm install @parcha/agentrun-dsl@beta
npx agentrun demo

Demo định tuyến ticket này dùng quyết định được lập trình sẵn. Để chạy ví dụ hỗ trợ đầy đủ, bạn clone kho mã nguồn, build và chạy npm run demo:support. Lệnh này in ra báo cáo cho từng trường hợp: số lần gọi tác nhân, số lần gọi quyết định và kết quả cuối cùng — chẳng hạn đặt lại mật khẩu cần 0 lần gọi tác nhân và 1 lần gọi quyết định, trong khi xử lý thanh toán thất bại cần 1 lần gọi tác nhân và 2 lần gọi quyết định.

Tích hợp vào ứng dụng và dùng trong Pi

Để kết nối với ứng dụng thực tế, bạn cài thêm adapter Jev:

npm install @parcha/agentrun-dsl@beta @parcha/agentrun-jev@beta

Sau đó cung cấp các adapter: nối công cụ qua runEffect, nối tác nhân hiện có qua runNode, và nối quyết định Jev qua createJevRunner(). Bạn định nghĩa schema, các bước, ngưỡng và đường leo thang, bắt đầu bằng dữ liệu giả lập rồi mới đánh giá trên các ca thực tế đã gán nhãn.

AgentRun cũng có thể dùng như một tiện ích mở rộng cho Pi. Với Pi 0.87.0, bạn chạy:

pi install npm:@parcha/[email protected] -l
pi --offline

Lệnh /agentrun demo nạp ví dụ nghiên cứu bằng kịch bản, /agentrun demo live dùng mô hình Pi và Jev đã cấu hình. Bạn thậm chí có thể yêu cầu Pi tự xây quy trình, ví dụ: "Nghiên cứu cách kho mã nguồn này xử lý việc hủy tác vụ. Điều tra phần runtime và kiểm thử riêng biệt, sau đó báo cáo các lỗ hổng kèm tham chiếu tệp."

Lưu ý quan trọng: các nút code trong AgentRun thực thi JavaScript với quyền của tiến trình. Với tác giả quy trình không đáng tin cậy, bạn bắt buộc phải dùng sandbox do máy chủ kiểm soát. Việc quyết định có kiểu dữ liệu và đầu ra được xác thực không đồng nghĩa với việc câu trả lời đúng về mặt thực tế.

Đánh giá và trạng thái phát hành

Bản phát hành hiện tại là 0.1.0-beta.4, gồm ba gói chính:

Gói	Trách nhiệm
@parcha/agentrun-dsl	Định nghĩa, xác thực, kiểm tra và thực thi quy trình
@parcha/agentrun-jev	Kết nối các quyết định có kiểu của Jev
@parcha/agentrun-pi	Tiện ích mở rộng Pi và trình chạy tác nhân

Đội ngũ phát triển cũng thẳng thắn thừa nhận: với một chuỗi bước cố định đơn giản, các hàm thông thường có thể đã đủ dùng. Giá trị của AgentRun nằm ở chỗ nó lưu các bước thành một tài liệu quy trình có thể kiểm tra, chạy lại hoặc gọi từ tác nhân — điều mà các hàm thuần túy không làm được.

Với các nhóm đang xây dựng ứng dụng AI tác nhân tại Việt Nam, AgentRun là một lựa chọn đáng cân nhắc: nó giải quyết đúng bài toán chi phí và khả năng kiểm soát — hai vấn đề thường khiến các dự án tác nhân AI đội chi phí vận hành nhanh hơn dự kiến. Mã nguồn và tài liệu được phát hành theo giấy phép Apache-2.0.