Các nhà nghiên cứu tại Coral AI Labs cùng một số trường đại học vừa giới thiệu AgentRadio, một giao thức truyền tin nhắn không đồng bộ đột phá dành cho các hệ thống đa tác tử (multi-agent). Giải pháp này cho phép bốn AI agent phối hợp trong thời gian thực để vượt qua cả mô hình đơn lẻ cao cấp như Claude Opus 4.8 trong việc xử lý các tác vụ lập trình doanh nghiệp phức tạp. Đây là bước tiến quan trọng giải quyết bài toán nghẽn thông tin khi các AI agent phải làm việc độc lập hoặc bị ngắt quãng giữa chừng.
Bối cảnh & Nguyên nhân
Khi các hệ thống mã nguồn của doanh nghiệp ngày càng phình to, việc phân tích chúng đòi hỏi các AI agent phải thực hiện chuỗi hành động dài hơi với nhiều công cụ hỗ trợ. Tuy nhiên, các hệ thống đa tác tử hiện nay thường gặp lỗi nghiêm trọng do thiếu cơ chế phối hợp thời gian thực giữa các bước thực thi. Theo báo cáo từ nhóm nghiên cứu, các hệ thống hiện tại thường rơi vào cảnh 'song song nhưng cô lập' hoặc chỉ có thể giao tiếp theo từng chu kỳ đồng bộ cứng nhắc. Điều này khiến các agent phải dừng lại chờ đợi lẫn nhau, hoặc tệ hơn là tiếp tục đi sâu vào những hướng giải quyết sai lầm trước khi có thể chia sẻ phát hiện mới ở giai đoạn đánh giá chung. Nhóm tác giả nhấn mạnh: 'Một tác tử đang làm việc thì không thể đồng thời lắng nghe,' và đây chính là rào cản lớn nhất của các hệ thống đa tác tử hiện nay.
Phân tích kỹ thuật & Công nghệ
Để phá vỡ giới hạn này, AgentRadio được thiết kế như một lớp truyền tin không đồng bộ gọn nhẹ, mã nguồn mở dưới giấy phép Apache 2.0 trên GitHub. Hệ thống hoạt động dựa trên ba hàm nguyên bản (primitives) cơ bản bao gồm create_thread để mở cuộc hội thoại, send_message để gửi tin nhắn không nghẽn, và wait_for_mention để cập nhật trạng thái khi được nhắc tên. Cấu trúc này bao gồm một máy chủ tin nhắn trung tâm và một bộ tích hợp phía môi trường chạy (harness) thông qua các lệnh shell chạy ngầm. Cơ chế này tạo ra trạng thái 'nhận thức thụ động' (passive awareness), cho phép các agent vừa tập trung hoàn thành tác vụ chính vừa tiếp nhận thông tin cập nhật từ đồng đội ở chế độ nền. Đặc biệt, giải pháp không yêu cầu sửa đổi trực tiếp các mô hình nền tảng bên dưới như Claude Code hay Codex CLI.
Ý kiến chuyên gia & Nhận định
Trong các thử nghiệm trên bộ dữ liệu SWE-Atlas QnA khắt khe, nhóm bốn tác tử Claude Opus 4.6 sử dụng AgentRadio đã giải quyết thành công 62,1% tác vụ, gần như gấp đôi tỷ lệ 32,3% của một agent chạy độc lập. Kết quả này thậm chí còn vượt qua cả mô hình đơn lẻ thế hệ mới Opus 4.8 vốn chỉ đạt mức 57,2%. Theo nhóm nghiên cứu, sự phối hợp kịp thời quan trọng hơn việc bổ sung thêm tài nguyên tính toán thuần túy. 'Nhóm nghiên cứu không cần thêm một tác tử hay một vòng đánh giá khác. Họ cần phát hiện của một tác tử đến được với đúng đồng nghiệp trước khi giá trị vận hành của nó hết hạn,' các tác giả chia sẻ với VentureBeat. Dù vậy, phương pháp này cũng làm tăng chi phí API trung bình từ 2,96 USD lên 19,45 USD cho mỗi tác vụ do lượng token trao đổi tăng mạnh.
Tác động & Tương lai
Mặc dù AgentRadio hiện tại mới là một dự án nghiên cứu có kiểm soát, những nguyên lý cốt lõi của nó đang được thương mại hóa thông qua sản phẩm Coral Code. Đối với các kỹ sư và doanh nghiệp công nghệ tại Việt Nam, mô hình này mở ra hướng đi mới giúp tối ưu hóa nhân sự AI chuyên biệt thay vì phụ thuộc vào việc nâng cấp phần cứng đắt đỏ. Dù vậy, thách thức lớn nhất trong tương lai vẫn là việc quản lý sự chú ý và xác thực thông tin để tránh tình trạng nhiễu loạn giao tiếp giữa các agent. Việc định tuyến thông tin thông minh và phân quyền rõ ràng sẽ là chìa khóa để các hệ thống tự trị này thực sự có thể tự sửa lỗi và cộng tác hiệu quả trong môi trường thực tế.