Khoá AI Agents for Beginners của Microsoft: trong 18 bài, FDE nên học kỹ 5 bài

Bản tháng 9/2025 của khoá AI Agents for Beginners do Microsoft làm có 12 bài, nay repo ghi 18. README của repo còn nói thẳng rằng mỗi bài đứng riêng, bạn muốn bắt đầu từ đâu cũng được. Với FDE, chi tiết đó quan trọng hơn con số 18, vì bạn không có thời gian học hết và cũng không cần học hết.

Nếu bạn sắp nhận một dự án agent ở phía khách hàng, hoặc đang muốn chuyển từ SWE sang FDE, khoá này có thể giúp bạn có vốn từ và checklist chỉ trong vài buổi tối. Có điều chất lượng giữa các bài không đều nhau. Có bài dạy kỹ năng dùng được ở bất kỳ stack nào, có bài thực chất là tài liệu sản phẩm của Microsoft.

Khoá này giờ đã khác bản bạn từng nghe

Khoá nằm trong repo microsoft/ai-agents-for-beginners trên GitHub và dùng giấy phép MIT. KDnuggets từng giới thiệu bản tháng 9/2025: 12 bài, miễn phí, chạy trên Azure AI Foundry, GitHub Models, Semantic Kernel và AutoGen. Bản hiện tại đã chuyển sang Microsoft Agent Framework và có thêm nhiều bài mới.

Các bài mới nằm ở cuối khoá: giao thức agent, context engineering, memory, computer-use agent, deployment, agent chạy local và bảo mật. Có một điểm bạn cần biết trước: muốn chạy code mẫu thì phải có tài khoản Microsoft Foundry (Azure). Nếu đang theo một khách hàng chạy stack khác, bạn hãy học ý tưởng và tự viết lại phần code.

Bài 1 dạy bạn khi nào không nên dùng agent

Bài 1 định nghĩa agent là hệ thống giúp LLM thật sự làm được việc, nhờ được trao công cụ và tri thức. Phần đáng giá hơn với FDE là tiêu chí chọn: theo bài học, agent hợp với bài toán mở, nơi các bước giải không thể lập trình trước.

Thử hình dung một khách hàng muốn “AI agent xử lý hoá đơn”. Nếu quy trình luôn là đọc PDF, trích bốn trường, đối chiếu với đơn mua hàng rồi ghi vào ERP, thì các bước đã cố định. Một pipeline có một lần gọi LLM sẽ rẻ hơn và dễ debug hơn. Agent chỉ đáng tiền khi mỗi hoá đơn lỗi cần một cách điều tra khác nhau.

Vì thế, ngay buổi discovery đầu tiên, bạn nên hỏi khách hàng: “Các bước này có lập trình sẵn được không?”. Câu trả lời sẽ quyết định phạm vi dự án, trước khi bạn hứa hẹn bất cứ điều gì.

Bài 10 là lý do chính để mở repo

Bài về production là phần FDE dùng được nhiều nhất. Bài này coi observability là năng lực bắt buộc chứ không phải thứ thêm vào cho đẹp, và hướng dẫn trace và span qua OpenTelemetry, đánh giá offline và online, rồi kiểm soát chi phí. Bài học giải thích lý do phải đánh giá thường xuyên: agent thường không tất định.

Hệ quả thực tế là chạy thử năm lần thấy ổn chưa chứng minh được gì. Bạn cần một bộ câu hỏi cố định, chạy lại sau mỗi lần sửa prompt hay đổi model, và so điểm giữa các lần chạy. Khách hàng sẽ tin con số đó hơn mọi bản demo.

Bài này còn khuyên định tuyến theo cỡ model: câu hỏi đơn giản thì đưa cho model nhỏ và nhanh, chỉ dùng model lớn cho các tác vụ suy luận phức tạp.

Thử hình dung 1.000 yêu cầu mỗi ngày, trong đó 800 là tra cứu trạng thái đơn hàng. Nếu đưa 800 yêu cầu đó sang model nhỏ, bạn chỉ còn trả giá model lớn cho 200 yêu cầu thật sự cần nó.

Ba bài cho những ngày làm việc tại khách hàng

Bài 6, về agent đáng tin cậy, liệt kê các mối đe doạ: chiếm quyền điều khiển qua chỉ dẫn (instruction hijacking), truy cập hệ thống trọng yếu, gây quá tải hệ thống, đầu độc knowledge base và lỗi dây chuyền.

Nguyên tắc cốt lõi là agent chỉ được truy cập hệ thống khi thực sự cần. Áp vào doanh nghiệp, một agent hỗ trợ khách hàng chẳng hạn chỉ nên có quyền đọc CRM chứ không có quyền ghi.

Bài 11 giải thích MCP, một chuẩn mở để ứng dụng cung cấp context và công cụ cho LLM, cùng với A2A và NLWeb. Với FDE, MCP cho bạn một cách chuẩn để đưa context và công cụ từ hệ thống của khách hàng vào agent.

Bài 12 tách context engineering khỏi prompt engineering: mục tiêu là bảo đảm agent có đúng thông tin nó cần. Bài học đặt tên cho bốn kiểu hỏng là poisoning, distraction, confusion và clash, kèm cách giảm thiểu từng kiểu. Khi agent trả lời sai, có tên gọi chính xác cho lỗi sẽ giúp bạn chẩn đoán nhanh hơn nhiều.

Bài nào có thể lướt, và nên học theo thứ tự nào

Bài 2 so sánh Microsoft Agent Framework, một SDK theo hướng code-first, với Foundry Agent Service, nền tảng triển khai agent trên Microsoft Foundry. Nếu khách hàng dùng Azure, bài này rất cần. Nếu không, bạn đọc lướt để nắm khái niệm SDK khác nền tảng triển khai thế nào là đủ.

Thứ tự hợp lý cho FDE là 1, 10, 6, 11, 12. Thứ tự này đi từ định phạm vi, sang vận hành, bảo mật, tích hợp, rồi mới đến chất lượng câu trả lời. Các bài còn lại như memory hay computer-use agent thì để dành đến khi dự án thật sự cần.

Về chuyện xin việc, hiểu các khái niệm không làm CV của bạn nổi bật. Thứ làm nó nổi bật là một agent nhỏ có trace, có bộ eval chạy lại được và có tài liệu ghi rõ quyền truy cập.

Khi đọc JD, hãy để ý các từ “observability”, “evaluation”, “MCP”. Nếu chúng xuất hiện, bài 10 và bài 11 là chỗ bạn nên ôn lại trước buổi phỏng vấn.

Phần lớn khoá học dạy cách làm agent chạy được. Năm bài nói trên dạy cách làm agent mà khách hàng dám đưa vào production.