Chọn công cụ agent không phải chọn framework nhiều sao nhất trên GitHub. Đó là chọn ba thứ rất cụ thể: state của agent sống ở đâu, bạn debug một lượt chạy bằng gì, và tool của bạn nói chuyện với thế giới qua giao thức nào. Sáu mục dưới đây là sáu lớp khác nhau — framework, runtime, protocol, observability — không phải sáu lựa chọn thay thế cho nhau.
Bản gốc của bài này liệt kê sáu danh mục: SDK LLM, framework, vector database, HTTP client, thư viện JSON, pip/venv. Cách phân loại đó đúng vào lúc agent còn là một script gọi API. Năm 2026, SDK LLM đã nằm trong framework, vector database là hạ tầng RAG, còn pip/venv là kỹ năng nền chứ không phải công cụ agent. Dưới đây là sáu thứ bạn thực sự phải chọn, kèm lý do và trường hợp không nên dùng.
Mục lục
Cập nhật 2026
- Microsoft Agent Framework (MAF) đã là successor chính thức của AutoGen và Semantic Kernel. MAF 1.0 GA ngày 2026-04-03, chạy .NET, Python và Go bản preview. AutoGen dừng ở 0.7.5; Semantic Kernel vẫn phát hành 1.x nhưng dự án mới nên bắt đầu bằng MAF.
- MCP spec 2026-07-28 là bản breaking. Protocol chuyển sang stateless, bỏ handshake
initializevàMcp-Session-Id; chỉ còn stdio và Streamable HTTP. SDK Python 2.3.0, TypeScript 1.32.2 và .NET 2.4.0 có API khác nhau — code copy nguyên xi giữa các SDK sẽ không chạy. - LangChain/LangGraph 1.x đã GA.
create_agentthaycreate_react_agent; phần legacy chuyển sanglangchain-classic. LangGraph 1.2.20 (Python) và 1.7.2 (TypeScript) là bản nên pin. - OpenAI Agents SDK vẫn 0.x (0.24.0 bản Python), nhưng có mô hình HITL và session backend đầy đủ nhất trong nhóm 0.x. Đây là lựa chọn hợp lý, không phải lựa chọn “an toàn” — API vẫn có thể đổi.
Chọn theo hợp đồng, không theo độ phổ biến
Trước khi so tên, hãy xác định thứ bạn không thể tự viết trong một tuần. Năm tiêu chí dưới đây quyết định framework nào phù hợp hơn là số sao trên GitHub.
- State và resume: checkpoint nằm ở đâu, có serialize được không, restart giữa task thì chuyện gì xảy ra.
- Human-in-the-loop: có approve tool call, sửa state, timeout chờ duyệt không.
- MCP và A2A: client/server có sẵn hay phải tự viết adapter; transport và auth hỗ trợ tới đâu.
- Observability: có span theo step/tool không, dữ liệu trace có bị khóa vào vendor không.
- Runtime và license: Python, TypeScript hay .NET; MIT hay Apache; có phải bản 0.x đang đổi API không.
Không framework nào thắng cả năm tiêu chí. Một sai lầm phổ biến là chọn framework mạnh nhất rồi viết lại toàn bộ policy, session và trace bên ngoài nó — lúc đó bạn đã trả giá cho framework mà không dùng được lợi ích nào.
1. OpenAI Agents SDK — vòng lặp agent gọn nhất
openai-agents 0.24.0 (Python) và @openai/agents 0.21.0 (TypeScript), giấy phép MIT. SDK cung cấp Agent và Runner, handoff giữa agent, guardrail, session backend (SQLite, Redis, SQLAlchemy, Mongo, Dapr, Conversations), duyệt tool call và serialize RunState ra JSON. Tracing có sẵn, không cần dựng OTel trước.
Dùng khi bạn có một agent hoặc một chuỗi handoff ngắn trên model OpenAI, cần approve tool và resume mà không muốn tự dựng graph. Đừng dùng khi bạn cần typed dependency injection và validate output chặt (PydanticAI), cần graph nhiều nhánh có checkpoint tùy ý (LangGraph), hoặc chạy .NET.
2. LangGraph — state graph có checkpoint
LangGraph 1.2.20 (Python) và 1.7.2 (TypeScript), MIT. Trừu tượng cốt lõi là StateGraph: node là hàm, edge là điều kiện, state là schema có reducer. Checkpointer lưu từng bước; interrupt dừng graph để người duyệt hoặc sửa state rồi chạy tiếp. Adapter MCP là langchain-mcp-adapters 0.3.2; trace đi qua LangSmith hoặc OTel.
Dùng khi task nhiều bước, có nhánh, chạy dài và phải resume sau lỗi; hoặc bạn cần con người sửa state giữa đường. Đừng dùng khi task chỉ là một tool call — graph chỉ thêm ceremony. Nếu bạn mới bắt đầu, LangChain 1.4.9 với create_agent là lớp mỏng trên LangGraph, dễ hơn để học cùng runtime.
3. Microsoft Agent Framework — lựa chọn cho .NET và Azure
MAF 1.25.0, package Microsoft.Agents.AI 1.28.0, MIT. Đây là nơi Microsoft gộp bài học từ AutoGen (multi-agent) và Semantic Kernel (plugin, connector). MAF có AIAgent + AgentSession, Workflow typed, MCPStdioTool và MCPStreamableHTTPTool, A2AAgent, FileCheckpointStorage, OTel bật không cần code. Bản .NET và Python đều 1.x; Go còn preview.
Dùng khi bạn đang ở .NET, dùng Azure/Foundry, hoặc đang chuyển khỏi Semantic Kernel hay AutoGen. Đừng dùng khi bạn cần hệ sinh thái Python rộng nhất và không có ràng buộc Microsoft — MAF chạy được nhưng số ví dụ và adapter bên thứ ba ít hơn. Tuyệt đối không chạy MAF song song với Semantic Kernel trong cùng service.
4. Google ADK — runtime và eval phía Google Cloud
Google ADK 2.14.0, Apache-2.0, hỗ trợ Python, TypeScript, Go, Java và Kotlin. ADK 2.x thêm graph workflow và TypeScript GA. Trừu tượng là Agent + Session, có workflow agent, MCP tool, và có thể expose agent như một MCP server. Tool confirmation, session rewind, Cloud Trace/OTel và eval là first-party. Trên Google Cloud, ADK chạy trên Agent Runtime thuộc Gemini Enterprise Agent Platform.
Dùng khi bạn ở GCP, dùng Gemini, cần A2A hoặc muốn runtime + eval + trace từ một nhà cung cấp. Đừng dùng khi bạn không có ý định chạy trên hạ tầng Google: ADK vẫn chạy local, nhưng giá trị lớn nhất của nó nằm ở tích hợp platform, và bạn sẽ phải tự lo phần còn lại.
5. PydanticAI — typed agent cho dịch vụ Python
PydanticAI 2.66.0, MIT. Điểm khác biệt là generic Agent[Deps, Output]: dependency injection có kiểu, RunContext mang repo và tenant, output do Pydantic validate. Tool có thể yêu cầu approve; MCP client là capability MCP(url). Durability đã chuyển vào capability — Temporal, DBOS, Prefect, Restate — và trace đi qua OTel hoặc Logfire.
Dùng khi bạn viết service Python có sẵn dependency injection, muốn schema là hợp đồng và lỗi validation phải nổi lên thay vì bị model nuốt. Đừng dùng khi bạn cần graph nhiều nhánh (LangGraph), crew theo vai trò (CrewAI), hoặc một runtime đóng gói sẵn deploy như Agent Runtime của Google.
6. MCP SDK — lớp nói chuyện với tool, không phải framework
Model Context Protocol là chuẩn để agent tiêu thụ tool, resource và prompt từ server bên ngoài. Spec hiện hành là 2026-07-28, stateless: mỗi request mang protocolVersion và clientCapabilities trong _meta, server trả lời server/discover. Transport chỉ còn stdio và Streamable HTTP; HTTP+SSE đã deprecated. Auth dùng OAuth 2.1 với PKCE và resource indicator.
SDK chính thức: Python mcp 2.3.0, TypeScript 1.32.2, .NET 2.4.0. Dùng khi bạn muốn một tool server phục vụ nhiều agent, nhiều IDE hoặc nhiều team, hoặc cần tiêu thụ tool do bên thứ ba cung cấp. Đừng dùng khi chỉ có một agent và một hàm nội bộ — một function tool là đủ, thêm MCP chỉ thêm một process và một lớp auth. Và MCP không phải security boundary: quyền của server vẫn do bạn cấp.
Ngoài danh sách: eval và observability
Hai cái tên đáng có trong mọi dự án là LangSmith 0.14.17 (trace, dataset, eval, tích hợp LangGraph sâu) và Langfuse 5.2.0 (trace, prompt, eval, có OSS core). Chúng không thay framework, nhưng không có chúng thì bạn không biết agent hỏng ở bước nào. CrewAI 1.15.37 hợp lý nếu mô hình của bạn là crew theo vai trò; Mastra 1.82.0 là lựa chọn TypeScript-native có workflow và MCP client/server.
Một agent tối thiểu
# File: support_agent.py — openai-agents 0.24.0
from agents import Agent, Runner, function_tool
@function_tool
def order_status(order_id: str) -> str:
"""Tra trang thai don hang. Dung khi nguoi dung hoi ve mot don cu the."""
return lookup_order(order_id) # ham cua ban
support = Agent(
name="support",
instructions="Tra loi ngan. Trich nguon khi co. Khong hua hoan tien.",
tools=[order_status],
model="gpt-6.1-sol",
)
result = Runner.run_sync(support, "Don ORD-1042 dang o dau?")
print(result.final_output)
Docstring của order_status trở thành description mà model đọc. Đây là chi tiết quan trọng: nếu description mơ hồ, model sẽ gọi tool sai, và không có framework nào sửa được điều đó. Phần “khi nào dùng” trong description có giá trị hơn phần mô tả chức năng.
Chọn nhanh
| Nhu cầu | Chọn | Lý do |
|---|---|---|
| Một agent, model OpenAI, cần approve tool | OpenAI Agents SDK | Vòng lặp, session và HITL có sẵn |
| Graph nhiều bước, resume, sửa state | LangGraph | Checkpoint và interrupt là trung tâm |
| .NET, Azure, chuyển từ SK/AutoGen | MAF | Typed workflow, MCP/A2A, OTel |
| GCP, Gemini, cần runtime và eval | ADK | First-party trên Agent Runtime |
| Python typed, DI, validate output | PydanticAI | Schema là hợp đồng, durability qua capability |
| Tool dùng chung nhiều agent/IDE | MCP SDK | Chuẩn hóa transport và auth |
Bẫy thường gặp
- Trộn ba framework trong một service. Mỗi framework có state, retry và trace riêng; trộn chúng làm hỏng cả ba. Chọn một runtime, viết phần còn lại thành thư viện thuần.
- Coi 0.x là API ổn định. Pin đúng phiên bản và đọc changelog trước khi nâng. Với OpenAI Agents, một thay đổi ở
RunStatecó thể phá resume của bạn. - Bỏ qua breaking change của MCP. Code mẫu cũ dùng
initializesẽ không chạy với spec 2026-07-28. Kiểm tra phiên bản SDK và spec trước khi copy từ blog. - Nghĩ framework lo phần bảo mật. Quyền của tool, egress, approval và audit vẫn là code của bạn. Framework chỉ gọi được thứ bạn đã cấp quyền.
- Đo sau khi đã cam kết. Trước khi chọn, đo p95 latency, cost mỗi task và tỷ lệ resume thành công trên một task thật. Con số này quyết định hơn bảng so sánh.
Nhìn tới 2027
Các framework sẽ tiếp tục hội tụ quanh ba thứ: workflow typed, durable execution và trace theo chuẩn OTel. Semantic conventions GenAI hiện vẫn ở trạng thái Development, nên tên span và attribute còn đổi; đừng chờ ổn định mới bắt đầu ghi trace, nhưng hãy pin phiên bản semconv. MCP registry vẫn là preview, và A2A mới được chuẩn hóa — hai lớp này sẽ ổn định sau framework.
Checklist
- Chọn một runtime chính; mọi thứ khác là thư viện thuần.
- Pin phiên bản framework, SDK MCP và semconv OTel trong lockfile.
- Xác định state sống ở đâu và đã thử resume sau restart chưa.
- Kiểm tra HITL: approve tool, sửa state, timeout chờ duyệt.
- Ghi trace từ ngày đầu; đừng đợi có eval mới bật.
- Đo p95 latency và cost mỗi task trên lưu lượng thật.
Đọc tiếp
Để hiểu lớp giao thức trước khi chọn SDK, đọc Model Context Protocol (MCP). Khi đã có framework, việc tiếp theo là viết tool cho đúng — xem thiết kế công cụ cho AI Agent. Và trước khi tin một lượt chạy, hãy đọc kiểm thử agent: unit, tích hợp và con người trong vòng lặp.
