Chặng tiếp theo của AI Agent: Từ 'biết tạo sinh' đến 'biết thực thi', X-Agent khám phá tự động hóa các tác vụ thực tế

Tin tức Odaily: Khi 'Vibe Coding' giúp nhiều người hơn có thể tạo ra ứng dụng bằng ngôn ngữ tự nhiên, cuộc cạnh tranh tiếp theo của AI Agent đang chuyển sang một vấn đề khó hơn: làm thế nào để thực sự hoàn thành một tác vụ thực tế xuyên nền tảng, xuyên dịch vụ, liên quan đến ngân sách và ủy quyền?

Bài viết mới nhất trên Medium của X-Agent, 'Beyond Vibe Coding, Toward Agentic Execution', lấy ví dụ về 'đặt một chuyến đi Tokyo', đề xuất hướng khám phá cho Agentic Execution: người dùng không còn cần phải chuyển đổi qua lại giữa nhiều trang web như vé máy bay, khách sạn, thanh toán, mà chỉ cần dùng một câu yêu cầu để khởi động tác vụ, để AI điều phối việc tìm kiếm, so sánh, xác nhận và thực thi tiếp theo; người dùng luôn nắm quyền kiểm soát điểm đến, ngân sách, điều khoản và ủy quyền cuối cùng.

Tuy nhiên, từ 'đề xuất giải pháp' đến 'thực thi đáng tin cậy' vẫn còn một loạt thách thức về cơ sở hạ tầng. Các tình huống như giá thay đổi, xác minh đăng nhập, hết thời gian chờ đơn hàng, một phần đặt chỗ thành công, đều yêu cầu Agent phải có khả năng lưu giữ trạng thái tác vụ, xác định kết quả đã xác nhận và chưa xác nhận, đồng thời tạm dừng và xin lại sự ủy quyền của người dùng khi cần, thay vì mù quáng thử lại hoặc tự động chi tiêu.

Xoay quanh định hướng này, X-Agent đề xuất tách biệt và phối hợp bốn loại năng lực: hội thoại, tác vụ, thực thi và sự kiện, đồng thời khám phá các đường thực thi khác nhau như WebMCP, API, công cụ MCP, tự động hóa trình duyệt và Computer Use. Nguyên tắc cốt lõi là: công cụ có thể giúp Agent hành động, nhưng không thể bỏ qua quyền hạn của người dùng, giới hạn ngân sách và xác minh kết quả.

X-Agent cho biết, bài viết hiện tại mô tả định hướng sản phẩm vẫn đang trong quá trình khám phá và xác minh, chứ không phải là khả năng đặt chỗ thông dụng đã được triển khai. Mục tiêu của họ là thúc đẩy AI tiến xa hơn từ 'hiểu và tạo sinh' đến 'hoàn thành tác vụ dưới sự kiểm soát của người dùng', biến ngôn ngữ tự nhiên dần trở thành cổng kết nối mới giữa các dịch vụ thực tế và thực thi kỹ thuật số.