Multi-agent system là gì? Pattern orchestration phổ biến?

Multi-agent system = nhiều AI agent có role chuyên biệt phối hợp giải quyết task phức tạp. Mỗi agent có system prompt, tool, knowledge riêng — giống một team.

Lý do chia multi-agent (không phải lúc nào cũng cần):
- Specialization: prompt/tool tập trung → chất lượng cao hơn general-purpose agent.
- Separation of concerns: dễ maintain, swap từng agent.
- Parallel execution: các agent chạy song song trên sub-task độc lập.
- Role-play debate: multi-perspective thảo luận → giảm blind spot.

Pattern orchestration:

1. Hierarchical / Manager-Worker — 1 supervisor/orchestrator agent phân task cho worker agents, tổng hợp output.
- Ví dụ: Researcher manager → [Web Searcher, Doc Reader, Data Analyst].
- Framework: LangGraph supervisor, CrewAI hierarchical process.

2. Sequential / Pipeline — agent A → B → C, mỗi agent đảm nhận giai đoạn. Không khác prompt chain nhiều, nhưng mỗi "agent" có thể dùng tool.
- Ví dụ: Researcher → Writer → Editor → Fact-checker.

3. Network / Peer collaboration — agent giao tiếp ngang hàng, ai cần gì hỏi ai. Linh hoạt nhưng dễ loop và tốn token.
- AutoGen mặc định dùng pattern này (GroupChat).

4. Competitive / Debate — 2 agent tranh luận 2 phía → judge chọn hoặc tổng hợp. Cải thiện reasoning (Constitutional AI, CAMEL).

5. Blackboard / Shared memory — nhiều agent ghi/đọc shared state; supervisor coordinate.

6. Swarm / Agent handoff — OpenAI Swarm pattern: các agent chuyển giao quyền control dựa trên context (customer support agent → billing agent → escalation agent).

Các thách thức:

• Token explosion — mỗi agent có context riêng; share info nhau thường copy message → cost tăng theo N². Cần summarize và shared scratchpad.
• Coordination failure — agents giả định sai vai trò nhau, lặp lại công việc, deadlock. Cần clear role definition + termination condition.
• Debugging cực khó — lỗi có thể ở bất kỳ agent nào hoặc ở tương tác. Cần trace toàn pipeline (LangSmith, Langfuse).
• Evaluation — không chỉ final output mà cả hành vi từng agent, contribution.
• Latency — sequential → tổng các step; parallel → max(steps).
• Cost — dễ vượt single-agent 3-10x.

When NOT to multi-agent: nếu single agent + structured prompt làm được → đừng multi-agent. Anthropic research cho thấy nhiều task multi-agent thua single-agent về cả cost và chất lượng vì phức tạp không đáng.

Framework 2025: LangGraph (state machine, mạnh nhất cho production), CrewAI (role-based, dễ dùng), AutoGen (Microsoft, linh hoạt), OpenAI Swarm (minimal, educational), Anthropic orchestrator-worker pattern.