Chuyển đổi sang AI-native: Cách quản lý đàn Agent AI để phát triển phần mềm hiệu quả

Adrian Cockcroft, một nhà công nghệ và chiến lược gia nổi tiếng với vai trò kiến trúc sư đám mây của Netflix, chia sẻ quan điểm sâu sắc về sự chuyển dịch từ mô hình phát triển Cloud-native sang AI-native. Trong bài thuyết trình tại QCon San Francisco, ông mô tả trải nghiệm thực tế của mình khi điều phối các "đàn" agent AI tự động để tạo ra giá trị kinh doanh và giải trí.

Tư duy "Director-level" khi quản lý Agent

Ông ví von cách sử dụng các công cụ như Cursor và Claude Flow giống như việc làm một người quản lý cấp cao. Thay vì đọc từng dòng code, người quản lý này cần hướng dẫn, giám sát và liên tục "nhắc nhở" (nag) các agent để đảm bảo chúng hoàn thành đúng yêu cầu. Agents có thể hoàn thành hàng ngày công việc chỉ trong 15 phút, nhưng người quản lý phải đảm bảo kết quả cuối cùng đúng như ý muốn.

• Agents có thể tự động xây dựng những thứ bạn chưa yêu cầu.
• Người quản lý phải kiểm tra và điều hướng để tránh các lỗi không mong muốn.
• Mối quan hệ này tương tự như quản lý một đội ngũ phát triển nhân sự, nhưng tốc độ làm việc là khác biệt hoàn toàn.

Adrian chia sẻ rằng phần "vui" đến từ việc ông có thể tự do thử nghiệm và thực hành trên các dự án cá nhân. Tuy nhiên, phần "lợi nhuận" đòi hỏi sự cẩn trọng hơn khi áp dụng vào môi trường doanh nghiệp, nơi code cần được đảm bảo an toàn và trách nhiệm.

Tương lai của kỹ thuật: Xây dựng nền tảng điều phối AI

Adrian nhấn mạnh rằng tương lai của kỹ thuật không còn nằm ở việc viết code trực tiếp, mà ở việc xây dựng các nền tảng (platform) để điều phối agent AI. Tương tự như cách DevOps quản lý đám mây, người kỹ sư tương lai sẽ tập trung vào việc thiết lập chính sách, an toàn và các thành phần đã sẵn sàng, trong khi agent sẽ thực hiện phần lớn việc lập trình ứng dụng thực tế.

"Khi bạn muốn một ứng dụng, bạn không cần tuyển dụng người nữa. Bạn chỉ cần gọi một lệnh và agent sẽ tự xây dựng nó."

Ông dự đoán rằng mô hình tổ chức sẽ thay đổi, chuyển dịch từ phát triển ứng dụng sang phát triển nền tảng. Các nhà phát triển sẽ làm việc để tối ưu hóa hệ thống điều phối agent, thay vì viết code từng dòng cho từng tính năng.

Các thực hành hiệu quả với Agent AI

Để làm việc hiệu quả với agent, Adrian đưa ra một số mẹo thực tế và chiến lược:

• Ưu tiên ngôn ngữ Python: Python linh hoạt hơn TypeScript và thường hoạt động ngay lần đầu.
• Sử dụng BDD (Behavior-Driven Development): Cấu trúc test dạng "Given-When-Then" giúp agent hiểu rõ yêu cầu hơn là viết code đơn thuần.
• Giữ Context Block: Viết một khối văn bản ở đầu file code để agent luôn nắm được lịch sử và chức năng của dự án. Điều này giúp agent không phải đọc lại toàn bộ code khi tiếp nhận nhiệm vụ mới.
• Tidy first: Hãy để agent viết code, sau đó dùng agent để "dọn dẹp" (tidy up) code, sửa lỗi và tối ưu hóa hiệu suất.

Công cụ và MCP Servers

Công cụ mà Adrian sử dụng nhiều nhất là Claude Flow, một framework cho phép kết nối nhiều agent với nhau thông qua các MCP servers. Các agent này có thể làm việc song song, ví dụ như một agent viết code, một agent viết test, và một agent kiểm tra, tạo ra quy trình phát triển tự động hóa và hiệu quả hơn.

Ông khuyến khích mọi người xây dựng các MCP server cho các công cụ hoặc kiến thức cụ thể. Đây được coi là "Hello World" trong kỷ nguyên AI, cho phép agent kết nối và sử dụng các API phức tạp một cách dễ dàng.

Adrian tin rằng việc thử nghiệm liên tục với các công cụ AI là bắt buộc. Nếu không làm như vậy, bạn sẽ bị tụt hậu so với xu hướng phát triển công nghệ đang diễn ra cực nhanh mỗi tháng một lần. Sự hiểu biết về cách điều phối agent AI là kỹ năng cốt lõi mà mọi kỹ sư cần trang bị trong thời đại mới.