Task 2.1: Agentic AI & Tool Integrations

Task 2.1: Triển khai Agentic AI solutions và tool integrations

Skill 2.1.1: Hệ thống tự chủ thông minh

Kiến thức cần nắm:

• Strands Agents và AWS Agent Squad cho multi-agent systems
• Model Context Protocol (MCP) cho agent-tool interactions
• Memory management: short-term (conversation) và long-term (persistent)
• State management patterns cho agents

Giải thích chi tiết:

Agentic AI là paradigm mới trong GenAI, cho phép FM tự chủ thực hiện các tác vụ phức tạp bằng cách:

1. Reasoning — Phân tích vấn đề và lập kế hoạch
2. Tool Use — Gọi external tools/APIs để thu thập thông tin hoặc thực hiện hành động
3. Memory — Lưu trữ context qua nhiều bước tương tác

Amazon Bedrock Agents cung cấp managed service cho agentic workflows:

• Tự động phân tích user request và quyết định tool nào cần gọi
• Hỗ trợ Action Groups — định nghĩa các tools agent có thể sử dụng
• Tích hợp với Lambda functions cho custom tool implementations
• Hỗ trợ Knowledge Bases cho RAG-based retrieval

Strands Agents SDK là open-source framework:

• Lightweight, model-driven approach
• Hỗ trợ multi-agent coordination qua AWS Agent Squad
• Native integration với AWS services

Skill 2.1.2: Advanced problem-solving systems

Kiến thức cần nắm:

• Step Functions để implement ReAct patterns
• Chain-of-thought reasoning approaches
• Task decomposition strategies

Giải thích chi tiết:

ReAct Pattern (Reasoning + Acting):

1. Agent nhận input từ user
2. Thought — Agent suy nghĩ về bước tiếp theo
3. Action — Agent thực hiện action (gọi tool, query database)
4. Observation — Agent quan sát kết quả
5. Lặp lại cho đến khi có câu trả lời cuối cùng

User: "Tìm doanh thu Q4 2024 và so sánh với Q3"
→ Thought: Cần query database cho Q4 và Q3
→ Action: Call SQL tool cho Q4 data
→ Observation: Q4 revenue = $5.2M
→ Thought: Cần Q3 data để so sánh
→ Action: Call SQL tool cho Q3 data
→ Observation: Q3 revenue = $4.8M
→ Thought: Có đủ data, tính toán comparison
→ Final Answer: "Q4 tăng 8.3% so với Q3..."

Skill 2.1.3: Safeguarded AI workflows

Kiến thức cần nắm:

• Step Functions cho stopping conditions
• Lambda functions cho timeout mechanisms
• IAM policies cho resource boundaries
• Circuit breakers cho failure mitigation

Giải thích chi tiết:

Khi deploy agents vào production, cần các safeguards:

Skill 2.1.4: Model coordination systems

Kiến thức cần nắm:

• Specialized FMs cho complex tasks
• Custom aggregation logic cho model ensembles
• Model selection frameworks — chọn model phù hợp cho từng subtask

Giải thích chi tiết:

Multi-model orchestration cho phép sử dụng nhiều FMs cho các subtasks khác nhau:

• Router model — Phân loại request và chọn model phù hợp
• Specialist models — Mỗi model chuyên về một domain
• Aggregator — Tổng hợp kết quả từ nhiều models

Ví dụ: Chatbot hỗ trợ khách hàng:

• Haiku cho intent classification (nhanh, rẻ)
• Claude Sonnet cho complex reasoning
• Titan cho embedding generation

Skill 2.1.5: Human-in-the-loop systems

Kiến thức cần nắm:

• Step Functions cho review và approval processes
• API Gateway cho feedback collection
• Human augmentation patterns

Giải thích chi tiết:

Amazon Augmented AI (A2I) và Step Functions cho phép:

• Tạo human review workflows khi agent confidence thấp
• Approval gates trước khi thực hiện high-impact actions
• Feedback loops để cải thiện agent performance

Skill 2.1.6: Tool integrations

Kiến thức cần nắm:

• Strands API cho custom behaviors
• Standardized function definitions (tool use / function calling)
• Lambda functions cho error handling và parameter validation

Giải thích chi tiết:

Function Calling (Tool Use) trong Bedrock:

{
  "tools": [{
    "name": "get_weather",
    "description": "Get current weather for a location",
    "input_schema": {
      "type": "object",
      "properties": {
        "location": {"type": "string"}
      },
      "required": ["location"]
    }
  }]
}

Agent sẽ tự quyết định khi nào cần gọi tool dựa trên user request.

Skill 2.1.7: Model extension frameworks (MCP)

Kiến thức cần nắm:

• Lambda functions cho stateless MCP servers (lightweight tool access)
• Amazon ECS cho MCP servers phức tạp
• MCP client libraries cho consistent access patterns

Giải thích chi tiết:

Model Context Protocol (MCP) là open standard cho agent-tool communication:

• MCP Server — Expose tools, resources, và prompts
• MCP Client — Agent sử dụng để kết nối với MCP servers
• Stateless servers (Lambda) cho simple tools
• Stateful servers (ECS) cho complex tools cần maintain state

Tài liệu tham khảo

• Amazon Bedrock Agents
• AWS Blog - Building Agentic AI
• Strands Agents SDK
• Model Context Protocol
• AWS Blog - Multi-agent collaboration