# AutoGen đã vào chế độ bảo trì: FDE cần kiểm tra gì trước khi chọn framework multi-agent cho khách

> Chọn framework theo bản demo đẹp nhất thì dễ, nhưng FDE phải trả lời được câu hỏi khó hơn: sáu tháng nữa ai còn bảo trì nó, và đội bảo mật của khách có cho nó chạy không.

Bản gốc: https://fdetimes.net/vi/cong-cu/crewai-autogen-agno-smolagents/

Ngay sau đó Microsoft viết thêm rằng người dùng mới nên bắt đầu với Microsoft Agent Framework.

Thử hình dung bạn đến một khách hàng có bản PoC agent viết bằng AutoGen từ năm ngoái, và họ muốn đưa nó lên production. Câu đầu tiên bạn phải nói không liên quan gì đến prompt hay kiến trúc agent.

Bạn cần báo cho khách rằng framework họ đang dựa vào đã chuyển sang chế độ bảo trì, và chính Microsoft đang khuyên dự án mới dùng một sản phẩm khác.

Với FDE, chọn framework multi-agent là một quyết định due diligence chứ không phải chuyện thích cái nào hơn. Bạn rời đi rồi thì khách vẫn phải sống với lựa chọn đó. Vì thế bài này đi theo thứ tự mà một đội bảo mật hay một CTO của khách sẽ hỏi.

## Ai còn bảo trì nó?

Trường hợp AutoGen là bài học rõ nhất. Code vẫn theo license MIT, nghĩa là khách vẫn được phép dùng và fork. Chế độ bảo trì không có nghĩa là dự án biến mất, nhưng khi chính Microsoft khuyên người dùng mới bắt đầu với Agent Framework, một dự án mới nên cân nhắc kỹ trước khi đặt nền móng trên AutoGen.

Tài liệu cũ cũng có thể đánh lừa bạn. Trang AutoGen của Microsoft Research vẫn giới thiệu v0.4 là bản thiết kế lại hoàn toàn với kiến trúc bất đồng bộ, hướng sự kiện. Trang đó không ghi ngày và không nhắc gì đến Agent Framework, nên nếu chỉ đọc trang này, bạn dễ nghĩ AutoGen vẫn là lựa chọn mặc định cho dự án mới.

Có một cái bẫy nữa liên quan đến cái tên. smol.ai là một công ty khác, chuyên làm nền tảng fine-tuning liên tục, không phải smolagents của Hugging Face. Ghi nhầm tên trong tài liệu kiến trúc gửi khách là cách nhanh nhất để mất uy tín.

## Mỗi framework hứa điều gì?

Khi đã biết framework nào còn là lựa chọn được khuyến nghị cho dự án mới, bước tiếp theo là đọc mỗi framework tự nhận mình là gì. Đó mới là lời hứa của họ, chưa phải điều đã được kiểm chứng.

| Framework | Tự định vị | Điểm đáng kiểm tra | License |
|---|---|---|---|
| CrewAI | Agents, crews, flows, tự nhận sẵn sàng production từ đầu | Flows có start/listen/router, lưu trạng thái, resume workflow dài | Cần tự kiểm tra |
| AutoGen | Kiến trúc async, hướng sự kiện (v0.4) | Đang bảo trì, Microsoft chỉ sang Agent Framework | MIT (code) |
| Agno | Framework kèm runtime (AgentOS) cho nền tảng agent | Dùng database của chính bạn, chạy trên cloud container nào cũng được | Apache-2.0 |
| smolagents | Lõi agent khoảng một nghìn dòng code | CodeAgent, sandbox qua Modal, Blaxel, E2B, Docker | Cần tự kiểm tra |

CrewAI cho biết guardrails, memory, knowledge và observability đều được tích hợp sẵn. Điều đó tiện cho tốc độ, nhưng nghĩa là bạn chấp nhận cách CrewAI định nghĩa những thứ ấy. smolagents đi theo hướng ngược lại, giữ abstraction mỏng nhất có thể so với code thô.

## Một ca thử: agent xử lý hồ sơ cho một ngân hàng

Giả sử khách là một ngân hàng muốn có hệ thống agent đọc hồ sơ vay, tra cứu dữ liệu nội bộ rồi chuyển cho người duyệt. Có bốn yêu cầu đặt lên bàn, và mỗi yêu cầu đẩy bạn về một hướng.

Yêu cầu thứ nhất đến từ đội bảo mật: không cho agent tự chạy code trên máy chủ thật. Ở đây smolagents có lợi thế, vì CodeAgent viết hành động dưới dạng code và có thể chạy trong sandbox như Docker hoặc E2B. Bạn mang được một câu trả lời cụ thể vào buổi security review.

Yêu cầu thứ hai là quy trình duyệt kéo dài nhiều ngày, phải chờ người ký. CrewAI Flows hợp với chuyện này vì nó lưu trạng thái thực thi và resume được workflow dài. Yêu cầu thứ ba là dữ liệu không được rời hạ tầng của ngân hàng. Agno nhấn mạnh đúng điểm đó: database của bạn, cloud container của bạn.

Yêu cầu cuối là model phải chạy nội bộ. smolagents hỗ trợ model trên Hub, OpenAI hay Anthropic qua LiteLLM, và cả Transformers hoặc Ollama chạy cục bộ. Nếu chỉ dựa vào tài liệu, mỗi framework nhấn mạnh một vài yêu cầu khác nhau, nên việc của bạn là cho khách thấy rõ họ ưu tiên điều gì và chấp nhận đánh đổi điều gì khi chọn một cái.

**Điểm mấu chốt:** Đừng hỏi framework nào mạnh nhất, hãy hỏi yêu cầu nào của khách không thể thương lượng, rồi loại dần.

## Giới hạn của việc đánh giá qua tài liệu

Mọi điểm mạnh nêu trên đều do chính các dự án tự viết về mình. "Sẵn sàng production từ ngày đầu" chỉ là một khẩu hiệu cho đến khi bạn tự chạy một workflow lỗi giữa chừng và xem nó có resume thật không. Bảng so sánh chỉ là điểm xuất phát, không phải kết luận.

Đó là lý do bước kiểm chứng nhỏ quan trọng hơn mọi bài review. Một spike hai ngày cho mỗi framework lọt vòng loại, chạy trên đúng một use case của khách, đáng tin hơn nhiều buổi họp.

## Nên học gì trước?

Nếu bạn mới bắt đầu, hãy học smolagents trước. Lõi khoảng một nghìn dòng đủ nhỏ để đọc hết, và nói một cách đơn giản hóa, bạn sẽ thấy một agent về cơ bản là vòng lặp gọi model, chạy hành động rồi đọc kết quả. Sau đó chuyển sang CrewAI Flows để học cách quản lý trạng thái và workflow dài.

Khi viết CV, đừng chỉ liệt kê tên framework. Hãy viết một dòng kiểu "đánh giá bốn framework agent theo bảo trì, license và yêu cầu sandbox, chọn phương án cho hệ thống X". Khi đọc JD của các vị trí FDE, để ý những từ như security review, on-prem hay self-hosted, vì đó chính là những tiêu chí bạn vừa luyện.

Framework sẽ còn thay đổi, AutoGen là ví dụ. Kỹ năng đọc README với con mắt của người phải chịu trách nhiệm cho hệ thống thì bạn mang theo được sang bất kỳ dự án nào.

**Thử ngay tuần này:**

- Mở README của từng framework bạn đang dùng, ghi lại trạng thái bảo trì và license vào một bảng một trang
- Chạy thử một CodeAgent của smolagents trong sandbox Docker với một model chạy cục bộ qua Ollama
- Dựng một CrewAI Flow ba bước start/listen/router, cố tình dừng giữa chừng rồi kiểm tra xem nó có resume được không

## Nguồn

- [CrewAI Documentation](https://docs.crewai.com/)

- [GitHub - microsoft/autogen](https://github.com/microsoft/autogen)

- [AutoGen - Microsoft Research](https://www.microsoft.com/en-us/research/project/autogen/)

- [GitHub - agno-agi/agno](https://github.com/agno-agi/agno)

- [smolagents (Hugging Face docs)](https://huggingface.co/docs/smolagents/index)

- [smol.ai - Continuous Fine-tuning Platform for AI Engineers](https://smol.candycode.dev/)