Mô hình đã được cố định. Hệ thống điều khiển là chiến trường – Cách các tập đoàn công nghệ lớn thương mại hóa lớp tác nhân.

Nếu bạn vẫn nghĩ cuộc đua AI xoay quanh việc ai sở hữu mô hình lớn nhất, bạn đã bỏ lỡ cuộc chiến thực sự của năm qua. Khi các mô hình hàng đầu hội tụ về khả năng, các thông báo từ OpenAI, Anthropic, Google và Microsoft đã âm thầm không còn tập trung vào mô hình — mà bắt đầu xoay quanh "harness" (bộ khung điều khiển) bao bọc nó. Bài viết này phân tích "harness" là gì, tại sao nó trở thành chiến trường, chính xác cách mỗi công ty biến nó thành sản phẩm và những gì cần theo dõi tiếp theo. ### "Harness" là gì? Khả năng của một tác nhân (agent) được chia làm hai phần. Một phần là trọng số mô hình (model weights) — khả năng thô của LLM. Phần còn lại là "harness": mọi thứ bao bọc quanh mô hình — các câu lệnh (prompts), công cụ (tools), kỹ năng (skills), luồng điều khiển (control flow) và sự hợp tác giữa các tác nhân. Thuật ngữ này bắt nguồn từ "test harness" (bộ khung kiểm thử) trong phần mềm (giàn giáo điều khiển một hệ thống để nó thực sự chạy), sau đó là "evaluation harness" (bộ khung đánh giá) (ví dụ: lm-evaluation-harness của EleutherAI), và giờ là "agent harness". Cùng một mô hình, nhưng "harness" khác nhau sẽ cho ra kết quả hoàn toàn khác biệt. Nói cách khác: tác nhân (agent) = mô hình (model) + "harness". ### Tại sao "harness" trở thành chiến trường Thứ nhất, các mô hình đã được nâng cấp. Khoảng cách giữa các mô hình tiên tiến đã thu hẹp, vì vậy sự khác biệt hiện nay đến từ việc bạn khiến mô hình làm gì, chứ không phải mô hình nào thông minh hơn. Thứ hai, "harness" rẻ và nhanh chóng để thay đổi. Huấn luyện lại một mô hình tốn rất nhiều tiền; một "harness" về cơ bản là mã code — bạn có thể lặp lại nó ngay lập tức. Thứ ba, đây là nơi tạo ra sự ràng buộc (lock-in). Một khi bạn đã quen thuộc với định dạng công cụ và cách điều phối của một công ty, việc chuyển đổi sẽ gây khó khăn. Vì vậy, mỗi nhà cung cấp đang chạy đua để sở hữu hệ sinh thái "harness" của riêng mình. ### Các nhà cung cấp toàn cầu đang thực hiện điều đó như thế nào Cùng một "harness", nhưng các điểm nhấn khác nhau: Anthropic đặt cược vào các giao thức mở, OpenAI vào việc thực thi công cụ, Google vào giao tiếp giữa các tác nhân, Microsoft vào việc hợp nhất. ### 🟣 Anthropic — chia "harness" thành một tiêu chuẩn mở Chiến lược của Anthropic là một sự phân chia ba lớp rõ ràng. Ở lớp dưới cùng là MCP (Model Context Protocol), một tiêu chuẩn JSON-RPC mà Anthropic đã công bố mã nguồn mở vào tháng 11/2024 để giải quyết vấn đề tích hợp M×N — sự phức tạp kết hợp của việc viết một trình kết nối tùy chỉnh cho mọi công cụ. Dấu hiệu cho thấy Anthropic đã không giữ nó độc quyền: OpenAI (tháng 3/2025), Google (tháng 4/2025) và Microsoft đã áp dụng nó, và vào tháng 12/2025, Anthropic đã tặng MCP cho Agentic AI Foundation, một quỹ do Linux Foundation điều hành — thực sự từ bỏ quyền kiểm soát duy nhất. Đặc tả hiện tại (28/7/2026) thậm chí còn là một thiết kế lại không trạng thái (stateless redesign). Ở lớp trên là Agent Skills (tháng 10/2025): các mô-đun khả năng có thể tái sử dụng được định nghĩa bởi một tệp SKILL.md duy nhất. Điểm thông minh là sự tiết lộ dần dần — thông thường chỉ có tên/mô tả khoảng 100 token nằm trong prompt; các hướng dẫn đầy đủ chỉ được tải khi có sự trùng khớp, và các tập lệnh đi kèm chỉ đóng góp đầu ra của chúng vào ngữ cảnh. Cùng một định dạng chạy trên claude.ai, Claude Code và API. Ở lớp trên cùng, Claude Agent SDK (tháng 9/2025, trước đây là Claude Code SDK) cung cấp "vòng lặp tác nhân tương tự cung cấp năng lượng cho Claude Code" dưới dạng một thư viện — nén ngữ cảnh, các tác nhân phụ (subagents), các móc nối (hooks), đầu ra có cấu trúc, MCP gốc. Tóm lại: chuẩn hóa giao diện công cụ thành một giao thức công khai trung lập (MCP), biến chuyên môn thành một tệp di động (Skills), cung cấp thời gian chạy thực tế (Claude Code) dưới dạng SDK. 📎 Chính thức: Giới thiệu MCP · Đặc tả MCP · Quyên góp MCP (AAIF) · Agent Skills · Tài liệu Agent SDK ### 🟢 OpenAI — tập trung hoàn toàn vào việc thực thi công cụ Hệ thống của OpenAI có hai lớp. Lớp cơ sở là Responses API (ra mắt rộng rãi vào tháng 3/2025) — một vòng lặp tác tử (agentic loop) tích hợp, cho phép mô hình gọi nhiều công cụ trong một yêu cầu, cùng với các công cụ được lưu trữ bên thứ nhất (tìm kiếm web, tìm kiếm tệp, trình thông dịch mã, sử dụng máy tính) và hỗ trợ MCP (Multi-Cloud Platform) từ xa nguyên bản. Phía trên là Agents SDK (tháng 3/2025, phiên bản kế nhiệm sản xuất của Swarm thử nghiệm), với mô hình tư duy xoay quanh ba ý tưởng — tác tử (agents), công cụ (tools), và chuyển giao (handoffs) — được bổ sung bởi các hàng rào bảo vệ (guardrails), phiên làm việc (sessions) và theo dõi (tracing). Ranh giới phân chia: tự điều khiển vòng lặp bằng Responses API, hoặc để SDK thực hiện thay. Điểm nhấn chính vào năm 2026 là Programmatic Tool Calling (Gọi công cụ có lập trình): thay vì một lần gọi công cụ mỗi lượt, GPT-5.6 (tháng 7/2026) sẽ viết một chương trình JavaScript điều phối các công cụ của bạn — song song, với các vòng lặp và điều kiện — mà OpenAI chạy trong một môi trường V8 sandbox cô lập (không mạng, không hệ thống tệp) và chỉ trả về kết quả cuối cùng. Bằng cách giữ các đầu ra trung gian cồng kềnh khỏi cửa sổ ngữ cảnh, OpenAI báo cáo một khách hàng đã giảm 63,5% mức sử dụng token. (OpenAI cũng đã phát hành AgentKit vào tháng 10/2025, nhưng Agent Builder và Evals của nó đang được loại bỏ dần đến cuối năm 2026 — các thành phần bền vững là Responses API + Agents SDK.) Tóm lại: tập trung vào hiệu quả thực thi công cụ — để mô hình điều phối công cụ dưới dạng mã. 📎 Chính thức: Tài liệu Agents SDK · Hướng dẫn Programmatic Tool Calling · Thông báo AgentKit 🔵 Google — một tiêu chuẩn giao tiếp giữa các tác tử Google đặt cược ở một cấp độ cao hơn: vào cách các tác tử được xây dựng độc lập giao tiếp với nhau. Giao thức A2A (Agent-to-Agent) cho phép một tác tử ủy quyền công việc cho tác tử khác bất kể khuôn khổ. Thành phần cốt lõi của nó là Agent Card — một tài liệu JSON tại một URL đã biết, quảng cáo danh tính, kỹ năng, điểm cuối và xác thực của tác tử; công việc được truyền dưới dạng Tasks mang theo Messages và Artifacts. Mục tiêu: A2A đối với các tác tử giống như HTTP đối với các dịch vụ web. Google đã công bố A2A vào tháng 4/2025 và tặng nó cho Linux Foundation vào tháng 6/2025; đặc tả ổn định đầu tiên, v1.0.0, ra mắt vào tháng 3/2026 (hiện tại là v1.0.1). Theo Linux Foundation, hơn 150 tổ chức ủng hộ tiêu chuẩn này và kho lưu trữ của nó đã vượt 22 nghìn lượt gắn sao. Về phía nhà phát triển, ADK (Agent Development Kit) mã nguồn mở được tối ưu hóa cho Gemini nhưng không phụ thuộc vào mô hình (cũng hoạt động với Claude, OpenAI), cung cấp các thành phần điều phối (tuần tự/song song/vòng lặp), đã chuyển Python sang công cụ v2.x dựa trên đồ thị, và hỗ trợ Python/Java/Go/TypeScript. Đáng chú ý, Google tạo ra A2A nhưng cũng tiêu thụ MCP — chấp nhận cả hai tiêu chuẩn. Tóm lại: chiếm lĩnh lớp tác tử-tới-tác tử bằng một giao thức mở — phát hành A2A để mở rộng toàn bộ thị trường. 📎 Chính thức: Đặc tả A2A · A2A được tặng cho LF · ADK (GitHub) 🟠 Microsoft — hợp nhất sự hỗn loạn