PHẦN XVIII — AGENTIC ENGINEERING

---

18.1 Agentic Engineering là gì?

Từ Vibe Coding đến Agentic Engineering

Andrej Karpathy (đồng sáng lập OpenAI) đặt ra "Vibe Coding" (02/2025), rồi tuyên bố nó đã "passé" vào 2026, thay bằng Agentic Engineering — kỷ nguyên mà Developer là Tech Lead, AI là Junior Dev tự chủ.

Khác biệt cốt lõi

4 Cấp độ AI Autonomy

L0 — Completion     : AI gợi ý dòng code tiếp theo (Copilot autocomplete)
L1 — Conversation   : AI trả lời câu hỏi, giải thích code (ChatGPT, Claude chat)
L2 — Delegation     : AI nhận task, tự thực hiện, báo kết quả (Claude Code, Cursor Agent)
L3 — Orchestration  : AI quản lý nhiều agent khác, phân chia công việc (Multi-agent systems)

Vagataba hiện tại: Chủ yếu L1 (mọi NV) + L2 (CAS). File này hướng dẫn nâng lên L2–L3.

---

18.2 Bốn Design Patterns — Framework Andrew Ng

Tổng hợp từ khóa "Agentic AI" của Andrew Ng (DeepLearning.AI) — được đánh giá là framework vendor-neutral tốt nhất cho agentic design.

Pattern 1: Reflection — AI tự review output

Nguyên lý: Thay vì nhận output lần 1 và dùng luôn, yêu cầu AI tự đánh giá và cải thiện output.

┌──────────┐     ┌──────────┐     ┌──────────┐
│  Generate │ ──→ │  Reflect  │ ──→ │  Refine  │
│  (Draft)  │     │  (Đánh   │     │  (Sửa    │
│           │     │   giá)   │     │   lại)   │
└──────────┘     └──────────┘     └──────────┘
                      ↑                 │
                      └─────────────────┘ (lặp)

Ví dụ Vagataba:

Prompt (MKT):
Tạo 2 caption BNK theo bố cục 5 tầng.
Sau đó TỰ REVIEW output:
1. Có từ cấm TPCN nào không? (điều trị, chữa bệnh, cam kết...)
2. Hook có đủ mạnh cho target 28-40 tuổi?
3. CTA có rõ ràng?
Nếu phát hiện vấn đề → tự sửa → output bản final.

Khi nào dùng: Mọi task quan trọng — content MKT, kịch bản Sales, báo cáo Finance.

---

Pattern 2: Tool Use — AI gọi công cụ bên ngoài

Nguyên lý: AI không chỉ sinh text mà còn gọi API, truy vấn database, đọc file, chạy code để lấy data thật.

Cách triển khai: Dùng MCP (Model Context Protocol) — xem §18.3.

---

Pattern 3: Planning — Vòng lặp ReAct

Nguyên lý: AI lập kế hoạch trước khi hành động, sau đó thực hiện theo vòng lặp ReAct (Reasoning + Acting).

┌──────────────────────────────────────────────────────┐
│                   ReAct Loop                          │
│                                                       │
│   THINK → "Tôi cần làm gì tiếp?"                    │
│     ↓                                                 │
│   ACT   → Thực hiện 1 bước (gọi tool, viết code)    │
│     ↓                                                 │
│   OBSERVE → Kiểm tra kết quả bước vừa làm           │
│     ↓                                                 │
│   THINK → "Kết quả OK? Cần làm gì tiếp?"            │
│     ↓                                                 │
│   ... (lặp cho đến khi hoàn thành)                   │
└──────────────────────────────────────────────────────┘

Ví dụ Vagataba (CAS):

Task: "Kiểm tra tất cả đơn COD chênh lệch >50K tuần này"

Agent THINK: Cần truy vấn Odoo lấy danh sách đơn COD tuần này
Agent ACT:   → Query sale.order WHERE payment_method = 'cod' AND date >= week_start
Agent OBSERVE: Có 342 đơn. Cần so sánh với VTP settlement.
Agent THINK: Cần gọi VTP API lấy settlement data
Agent ACT:   → Call VTP Reconciliation API
Agent OBSERVE: Nhận 340 records từ VTP. Chênh 2 đơn.
Agent THINK: Tìm 2 đơn chênh, tính chênh lệch
Agent ACT:   → Compare datasets → tìm mã đơn + số tiền chênh
Agent OBSERVE: Đơn SO-1234 chênh 72K, SO-5678 chênh 55K → cả 2 >50K
Agent OUTPUT: Báo cáo 2 đơn chênh lệch >50K → Alert FCT theo SOP FIN-02

---

Pattern 4: Multi-Agent Collaboration

Nguyên lý: Nhiều AI agents chuyên biệt phối hợp giải quyết task phức tạp, mỗi agent có vai trò riêng.

┌─────────────────────────────────────────────────┐
│              ORCHESTRATOR AGENT                  │
│         (Phân chia + điều phối)                  │
├─────────┬─────────┬─────────┬──────────────────┤
│ Agent 1 │ Agent 2 │ Agent 3 │    Agent 4       │
│ Planner │ Coder   │ Tester  │    Reviewer      │
│ (Lập KH)│ (Viết)  │ (Test)  │ (Review+Security)│
└─────────┴─────────┴─────────┴──────────────────┘

Ví dụ Vagataba — Pipeline xử lý đơn hàng tự động:

⚠️ Nguyên tắc "Start Simple": KHÔNG triển khai multi-agent ngay. Bắt đầu bằng single agent, chỉ tách khi thấy rõ ràng cần phân quyền hoặc chuyên môn hóa.

---

18.3 MCP — Model Context Protocol

MCP là gì?

MCP = "USB-C cho AI" — giao thức chuẩn để kết nối AI với công cụ bên ngoài.

Trước MCP: mỗi AI model cần integration riêng cho từng tool → N×M problem (N models × M tools = N×M integrations).

Sau MCP: mỗi tool tạo 1 MCP Server, mỗi AI model tạ 1 MCP Client → N+M integrations.

Kiến trúc MCP

┌────────────────────────────────────────────────┐
│  HOST (Claude Desktop / Antigravity / Cursor)   │
│                                                  │
│  ┌──────────┐  ┌──────────┐  ┌──────────┐      │
│  │ MCP      │  │ MCP      │  │ MCP      │      │
│  │ Client 1 │  │ Client 2 │  │ Client 3 │      │
│  └────┬─────┘  └────┬─────┘  └────┬─────┘      │
└───────┼──────────────┼──────────────┼────────────┘
        │              │              │
   ┌────▼─────┐  ┌────▼─────┐  ┌────▼─────┐
   │ MCP      │  │ MCP      │  │ MCP      │
   │ Server   │  │ Server   │  │ Server   │
   │ (Odoo)   │  │ (Slack)  │  │ (GitHub) │
   └──────────┘  └──────────┘  └──────────┘

3 Thành phần MCP Server

MCP Servers phổ biến (2026)

Vagataba MCP Use Cases (Roadmap)

An toàn MCP

---

18.4 Bộ công cụ Agentic Coding (2026)

18.4.1 — Claude Code (Terminal Agent)

Cài đặt:

# macOS / Linux / WSL
npm install -g @anthropic-ai/claude-code
claude  # khởi chạy

# Xác thực
# Dùng API key hoặc đăng nhập Claude Max

Tính năng chính:

Workflow chuẩn cho CAS Vagataba:

1. cd /path/to/vagataba-odoo-addons
2. claude                          # khởi chạy
3. "Đọc CLAUDE.md và hiểu context"
4. "Implement feature X theo spec.md"
5. Agent tự: đọc spec → viết code → chạy test → sửa lỗi
6. Dev review diff → approve → commit

Khi nào dùng Claude Code:

• ✅ Deep architecture / refactoring phức tạp
• ✅ Task cần context lớn (nhiều file liên quan)
• ✅ Debug khó tìm root cause
• ❌ KHÔNG dùng cho quick edit đơn giản (dùng Cursor)

---

18.4.2 — Google Antigravity (Agent-First IDE) 🆕

Antigravity KHÔNG PHẢI IDE thông thường — đây là nền tảng để quản lý fleet AI agents làm việc song song.

Kiến trúc 2 View:

┌────────────────────────────────────────────────────────────┐
│                    ANTIGRAVITY IDE                          │
│                                                             │
│  ┌─────────────────────┐  ┌──────────────────────────────┐ │
│  │    EDITOR VIEW       │  │      MANAGER VIEW            │ │
│  │                      │  │                               │ │
│  │  IDE truyền thống    │  │  "Mission Control" —          │ │
│  │  Code, edit, debug   │  │  quản lý nhiều agent          │ │
│  │  Chat + inline AI    │  │  chạy song song               │ │
│  │                      │  │                               │ │
│  │  Dùng cho:           │  │  Dùng cho:                    │ │
│  │  Interactive coding  │  │  Background tasks             │ │
│  │  Code review         │  │  Multi-workspace              │ │
│  │  Quick edits         │  │  Async delegation             │ │
│  └─────────────────────┘  └──────────────────────────────┘ │
└────────────────────────────────────────────────────────────┘

3 Surface hoạt động:

Artifacts System — Minh bạch hóa công việc Agent:

Agent tạo các "artifacts" ở mỗi giai đoạn để Dev review:

Tại sao Artifacts quan trọng? Dev không cần "tin mù" agent. Mỗi bước đều có bằng chứng để review. Giải quyết "trust gap" trong agentic coding.

Model Support:

Cài đặt Antigravity:

1. Tải từ antigravity.google (Windows / macOS / Linux)
2. Cài đặt như VS Code
3. Đăng nhập Google Account
4. Cấu hình Model preferences: Gemini 3 Pro (default)
5. Mở project folder → Agent tự index codebase

So sánh Antigravity vs Claude Code:

Khi nào dùng Antigravity:

• ✅ Cần agent kiểm tra UI/UX trên browser
• ✅ Quản lý nhiều task song song
• ✅ Thích giao diện IDE hơn terminal
• ✅ Cần Artifacts minh bạch cho team review
• ❌ Nếu đã quen Claude Code + không cần browser agent

---

18.4.3 — Cursor (AI-First IDE)

Khi nào dùng: Daily coding, rapid iteration, team thích GUI.

---

18.4.4 — Windsurf (Cascade Agent)

Loại: Agentic IDE (Codeium) Thế mạnh: Flow-mode, cost-effective, multi-file awareness tự động

Khi nào dùng: Budget-conscious, multi-file refactors, team trung bình.

---

18.4.5 — Bảng so sánh tổng hợp 4 công cụ

Chiến lược hybrid (khuyến nghị cho Vagataba Dev):

Daily coding, quick edits        → Cursor hoặc Windsurf
Deep architecture, complex debug → Claude Code
Multi-task, UI verification      → Antigravity

---

18.5 Agentic Engineering Workflow — Quy trình chuẩn

Framework: Plan → Code → Test → Review → Deploy

┌───────────────────────────────────────────────────┐
│        AGENTIC ENGINEERING WORKFLOW                │
│                                                    │
│   [1] PLAN — Spec + Architecture                  │
│       Brainstorm với AI → tạo spec.md             │
│         ↓                                          │
│   [2] CODE — AI sinh code theo spec               │
│       Chia nhỏ task → AI implement từng phần      │
│         ↓                                          │
│   [3] TEST — Automated + Manual testing           │
│       AI viết test → Dev review test quality      │
│         ↓                                          │
│   [4] REVIEW — Human review MỌI output            │
│       Code review + Security scan                 │
│         ↓                                          │
│   [5] DEPLOY — Staging → Production              │
│       CI/CD pipeline, rollback plan               │
│         ↓                                          │
│   🔁 ITERATE — Continuous improvement             │
└───────────────────────────────────────────────────┘

8 Best Practices

---

18.6 Safety & Governance

Progressive Trust Model

Level 0 — SANDBOX: AI code trong môi trường cách ly, dev copy thủ công
Level 1 — GUIDED: AI commit vào branch riêng, dev review + merge
Level 2 — SUPERVISED: AI tự commit + tạo PR, dev approve PR
Level 3 — AUTONOMOUS: AI merge PR nhỏ (tests pass), dev review tổng cuối ngày

Vagataba nên bắt đầu Level 1, nâng dần khi có kinh nghiệm và CI/CD hoàn chỉnh.

Human-in-the-Loop Checkpoints

Zero-Trust Security cho Agents

Observability — Giám sát Agent

1. Tracing: Ghi lại toàn bộ chain-of-thought → replay khi lỗi
2. Token Tracking: Đếm token/cost per task → budget control
3. Error Alerts: Agent fail 3 lần liên tiếp → alert Dev ngay
4. Weekly Audit: Review log agent tuần → phát hiện pattern bất thường

---

18.7 Khóa đào tạo được đánh giá cao (2026)

Lộ trình học cho CAS/Dev Vagataba:

Tuần 1-2: Andrew Ng "Agentic AI" (free) → hiểu patterns
Tuần 3-4: Anthropic Academy → thành thạo Claude Code + MCP
Tuần 5-6: Hands-on tại Vagataba: build Odoo MCP Server prototype
Tuần 7-8: Chọn 1 advanced course (Udacity hoặc Coursera) → production skills

---

18.8 Khi nào cần Developer vs AI tự làm?

Bạn cần gì?
├─ Script 1 lần, format data, công thức Excel
│   → AI TỰ LÀM (mọi NV, Tier 1-2, xem §16)
│
├─ Odoo Report, Dashboard template, Data analysis
│   → AI + CAS REVIEW (CAS kiểm tra trước khi deploy)
│
├─ Odoo Server Action, Automation Rule, API Integration
│   → AI CODE + DEV REVIEW + STAGING TEST
│   → Dùng Claude Code hoặc Antigravity
│
├─ Database Schema change, DR Logic, Payment Integration
│   → 🔴 DEV LÀM CHÍNH, AI hỗ trợ
│   → PHẢI có PR review + staging + rollback plan
│
└─ Security-critical, PII handling, Legal compliance
    → 🔴🔴 DEV + LEAD DEV + OM APPROVE
    → AI KHÔNG được access data nhạy cảm

---

18.9 Git Workflow với AI — Safety Net

# 1. Tạo branch riêng cho AI
git checkout -b feature/ai-cod-risk-scoring

# 2. Cho AI làm việc (Claude Code / Antigravity)
# Agent: code → test → commit vào branch

# 3. Review diff
git diff main..feature/ai-cod-risk-scoring

# 4a. Nếu OK → PR
git push origin feature/ai-cod-risk-scoring
# Tạo PR → Assign reviewer → Merge after approve

# 4b. Nếu KHÔNG OK → rollback
git checkout main
git branch -D feature/ai-cod-risk-scoring

⚠️ KHÔNG BAO GIỜ cho agent commit thẳng vào main hoặc production.

---

18.10 Checklist Agentic Engineering an toàn

Trước khi giao task cho Agent:

• Task có spec.md / yêu cầu rõ ràng?
• Agent chạy trong branch riêng (không phải main)?
• CLAUDE.md / Project rules đã cập nhật?
• Blast radius analysis: nếu sai, hậu quả là gì?

Trong khi Agent làm việc:

• Monitor output định kỳ (không "fire and forget")?
• Agent KHÔNG access production data/API?
• Token/cost vẫn trong ngân sách?

Sau khi Agent hoàn thành:

• Review 100% code diff?
• Tất cả tests pass (KHÔNG cho AI sửa test)?
• Security scan (SAST) pass?
• PR đã có reviewer approve?

Trước khi deploy production:

• Đã test trên staging?
• Rollback plan sẵn sàng?
• OM/Lead Dev đã approve (cho critical changes)?
• Monitoring/alert đã setup?

---

18.11 Bảng tóm tắt: Ai dùng gì, khi nào?

---

---

18.12 Bài kiểm tra trắc nghiệm nhanh (Quiz) — Tier 3 Kỹ thuật & Quản trị AI nâng cao

📝 Mục tiêu: Kiểm tra mức độ hiểu biết về thiết kế hệ thống AI Agent, giao thức MCP, các công cụ code tự chủ (Claude Code, Antigravity) và mô hình quản trị an toàn của Tier 3. Hãy tự trả lời và đối chiếu đáp án ở cuối để tự chấm điểm (mỗi câu đúng đạt 2 điểm, đạt từ 8/10 điểm trở lên là ĐẠT CHUẨN).

Câu 1: Theo 4 mẫu thiết kế Agentic AI (Andrew Ng), mẫu nào mô tả quy trình AI tự rà soát, đánh giá và chỉnh sửa nâng cấp bản nháp đầu ra của chính nó trước khi trả kết quả?

• A. Reflection (Tự phản chiếu).
• B. Tool Use (Sử dụng công cụ).
• C. Planning (Lập kế hoạch).
• D. Multi-Agent Collaboration (Hợp tác đa tác nhân).

Câu 2: MCP (Model Context Protocol) được ví như "cổng USB-C của thế giới AI" vì lý do gì?

• A. Nó giúp sạc pin cho các thiết bị chạy app Claude nhanh hơn.
• B. Nó cung cấp một giao thức chuẩn hóa mở để kết nối bất kỳ AI model nào (MCP Client) với bất kỳ công cụ hoặc nguồn dữ liệu ngoài nào (MCP Server) một cách an toàn và nhất quán, tránh phải viết code tích hợp riêng lẻ cho từng cặp model-tool.
• C. Nó là một loại cáp vật lý chuyên dụng để truyền dữ liệu từ server Odoo về máy tính cá nhân.
• D. Nó giúp dịch tự động các prompt tiếng Anh sang tiếng Việt.

Câu 3: Trong hệ thống IDE chuyên dụng cho Agentic Coding như Google Antigravity, cơ chế nào giúp Tech Lead kiểm soát và minh bạch hóa công việc của AI Agent để giải quyết "Trust Gap" (khoảng cách lòng tin)?

• A. Báo cáo bằng giọng nói tự động của Agent sau mỗi 10 phút.
• B. Chỉ cho phép Agent chạy trên nền tảng đám mây cách ly hoàn toàn.
• C. Hệ thống Artifacts System: Bắt buộc Agent tạo và cập nhật liên tục 4 tài liệu: Implementation Plan (kế hoạch), Task List ( checklist tiến độ), Code Diffs (mã thay đổi) và Walkthrough (tóm tắt kết quả test) để con người phê duyệt ở mỗi chặng.
• D. Khóa bàn phím của Agent cho đến khi Dev nhấn nút cho phép viết tiếp.

Câu 4: Khi vận hành các AI Agent có khả năng tự động viết code và chạy lệnh hệ thống (Claude Code, Antigravity), nguyên tắc bảo mật "Least Privilege" (Quyền tối thiểu) được triển khai như thế nào?

• A. Cấp toàn quyền Administrator cho AI để nó xử lý lỗi nhanh nhất mà không cần hỏi.
• B. Chỉ cấp quyền tối thiểu cần thiết cho tác vụ hiện tại (ví dụ Odoo MCP chỉ được quyền Read-only đối với dữ liệu nhạy cảm), chạy Agent trong môi trường Sandbox cách ly và luôn có Human-in-the-loop duyệt trước khi commit/deploy.
• C. Không cho AI kết nối mạng internet để tuyệt đối không rò rỉ dữ liệu.
• D. Cấp quyền ghi dữ liệu nhưng cấm quyền đọc dữ liệu hệ thống.

Câu 5: Khi một AI Agent đề xuất thay đổi cấu trúc bảng cơ sở dữ liệu (Database Schema change) trên hệ thống Odoo của Vagataba, quy trình Human-in-the-loop bắt buộc nào phải tuân thủ?

• A. Cho phép Agent tự động migrate schema trực tiếp lên production vào ban đêm để tránh gián đoạn.
• B. Giao dịch này không có rủi ro nên AI có thể tự merge PR.
• C. Bắt buộc phải có sự phê duyệt trực tiếp từ Lead Developer/Odoo Admin, chạy thử nghiệm và kiểm soát lỗi trên môi trường Staging, đồng thời có phương án backup dữ liệu và kế hoạch Rollback (phục hồi) sẵn sàng 100% trước khi deploy thực tế.
• D. Chỉ cần kiểm tra xem tất cả unit test có pass tự động hay không là đủ.

---

🔑 Xem đáp án & tự chấm điểm

• Câu 1: A (Reflection giúp cải thiện chất lượng output cực mạnh bằng cách tạo vòng lặp tự phê duyệt).
• Câu 2: B (Giải quyết bài toán tích hợp N x M hệ thống thành N + M, mở rộng khả năng gọi API và đọc DB của Claude).
• Câu 3: C (Hệ thống Artifacts giúp lập trình viên giám sát hành vi của AI một cách chặt chẽ và an toàn).
• Câu 4: B (Progressive Trust Model đảm bảo an toàn tuyệt đối cho hệ thống, tránh blast radius quá lớn khi AI sai sót).
• Câu 5: C (Thay đổi database schema là hành động có tính rủi ro cao và khó phục hồi, bắt buộc tuân thủ quy trình an toàn nghiêm ngặt).

---

Nội dung PHẦN XVIII — AGENTIC ENGINEERING. Cập nhật 05/2026. Tham chiếu: §17 (Claude Code & Vibe Code), §13 (Claude Skills), §14 (Claude Connectors). Nguồn: Anthropic Academy, DeepLearning.AI, Google DeepMind, Udemy, Vanderbilt University.