Chọn framework là chọn ai cầm lái.Choosing a framework is choosing who drives.

Sáu framework điều phối agent phổ biến, xếp theo một câu hỏi duy nhất: bước tiếp theo do code của bạn quyết định, hay do model? Six popular agent orchestration frameworks, arranged by a single question: is the next step decided by your code, or by the model?

Chọn cái nàoWhich one to pick

Trả lời theo thứ tự. Dừng ở câu đầu tiên bạn trả lời “có”.Answer in order. Stop at the first question you answer “yes” to.

Trước hết: có thể bạn không cần framework nàoFirst: you may not need a framework at all

Một lần gọi LLM, một chuỗi 2–4 bước viết bằng code thường, hoặc một agent với dưới khoảng 15–20 tool đều không cần framework. Vòng lặp dưới đây là đủ, đọc hiểu trong năm phút và gỡ lỗi bằng print. Chỉ nâng cấp khi cần resume, cần nhiều ngữ cảnh tách biệt, cần chạy song song có kiểm soát, hoặc cần tracing chuẩn cho cả đội. One LLM call, a 2–4 step chain in plain code, or a single agent with fewer than roughly 15–20 tools needs no framework. The loop below is enough, readable in five minutes, and debuggable with print. Upgrade only when you need resume, separate contexts, controlled parallelism, or standardized tracing across a team.

messages = [user_msg]
for _ in range(MAX_TURNS):              # always cap the turns
    resp = llm.call(messages, tools=TOOLS)
    if not resp.tool_calls:
        break
    for call in resp.tool_calls:
        messages.append(run_tool(call)) # return errors to the model
return resp.text

Một lần gọi LLM hoặc một vòng tool-calling đã đủ?Is one LLM call or one tool-calling loop enough?

Không dùng frameworkNo framework
Đường đi biết trước, cần audit, phải dừng chờ người duyệt?Known path, needs audit, must pause for human approval?

.NET hoặc Azure, cần hỗ trợ dài hạn:.NET or Azure, need long-term support: MS Agent Framework Python/TS, cần kiểm soát từng node:Python/TS, need per-node control: LangGraph
Một phần cố định, một phần cần model tự phán đoán?Partly fixed, partly needs model judgment?

Đang ở Google Cloud, dùng Gemini:On Google Cloud, using Gemini: Google ADK Muốn một “đội” theo vai trò, dựng nhanh:Want a role-based “team”, built fast: CrewAI
Model nên tự quyết gần như mọi bước?Should the model decide almost every step?

Định tuyến hội thoại giữa các chuyên gia:Routing a conversation between specialists: OpenAI Agents SDK Việc dài với file, shell, nhiều tool:Long work with files, shell, many tools: Claude Agent SDK

Phân vân giữa hai nhánh thì chọn nhánh gần phía code hơn. Nới quyền cho model dễ hơn nhiều so với thu hồi.Torn between two branches? Pick the one closer to code. Loosening the model’s control is far easier than taking it back.

Sáu frameworkThe six frameworks

Xếp theo vị trí trên trục, từ phía code sang phía model.Ordered by position on the axis, from the code end to the model end.

Nét liền: code quyết địnhSolid: code decides Nét đứt chuyển động: model quyết định lúc chạyMoving dashes: the model decides at runtime Chấm: dữ liệu hoặc chờ ngườiDots: data, or waiting on a human

Microsoft Agent Framework

Đồ thị tất địnhDeterministic graph

codemodel

Bản kế nhiệm chính thức của AutoGen và Semantic Kernel (1.0 GA ngày 3/4/2026). Workflow là đồ thị executor với message có kiểu, checkpoint và bước chờ người duyệt; chạy trên .NET và Python.The official successor to AutoGen and Semantic Kernel (1.0 GA on April 3, 2026). Workflows are graphs of executors with typed messages, checkpoints, and human approval steps; runs on .NET and Python.

Đánh đổiTrade-off

Đổi sự gọn nhẹ và tính trung lập hệ sinh thái lấy type safety, telemetry và hỗ trợ dài hạn.Trades lightness and ecosystem neutrality for type safety, telemetry, and long-term support.

Dùng choUse for

Duyệt chi: kiểm tra, chờ quản lý duyệt, thanh toánSpend approval: validate, manager sign-off, pay
Claim bảo hiểm có thẩm định viênInsurance claims with a human assessor
Hệ thống nội bộ trên Azure, đội .NETInternal Azure systems, .NET teams

ĐượcGain

API ổn định, cam kết hỗ trợ dài hạnStable API, long-term support
.NET là công dân hạng nhất.NET is first-class
OpenTelemetry, MCP, A2A có sẵnOpenTelemetry, MCP, A2A built in

MấtLose

Mới, ít ví dụ cộng đồngNew; few community examples
Đường mượt nhất nghiêng về AzureSmoothest path leans Azure
Ví dụ SK/AutoGen cũ dễ gây nhầm APIOld SK/AutoGen examples cause API mix-ups

Dấu hiệu:Telltale sign: quy trình đã có trên giấy, có bước phê duyệt, và compliance sẽ hỏi “ai đã duyệt bước này”.the process already exists on paper, has approval steps, and compliance will ask “who approved this step”.

Đính chính ảnh gốc: không chỉ “workflow-based”, framework gồm cả lớp agent lẫn lớp workflow.Correction to the image: not only “workflow-based”; it has both an agent layer and a workflow layer.

LangGraph

Đồ thị tất địnhDeterministic graph

codemodel

Đồ thị node–edge trên một state dùng chung. Code quyết định mọi chuyển bước; khi có checkpointer, state được lưu sau mỗi super-step nên dừng, chờ người duyệt rồi chạy tiếp được.A node–edge graph over one shared state. Code decides every transition; with a checkpointer, state is saved after each super-step, so the run can pause, wait for a reviewer, and resume.

Đánh đổiTrade-off

Đổi sự gọn nhẹ và tốc độ viết code lấy quyền kiểm soát từng bước cùng khả năng dừng rồi chạy tiếp.Trades lightness and coding speed for step-level control and the ability to pause and resume.

Dùng choUse for

Chờ nhân viên duyệt hoàn tiền rồi chạy tiếpPausing for a refund approval, then continuing
Pipeline chạy hàng giờ, cần resume khi sậpHours-long pipelines that resume after crashes
Vòng viết code, chạy test, sửa có trầnCapped write–test–fix coding loops

ĐượcGain

Mọi chuyển bước nằm trong code, test đượcEvery transition is code, unit-testable
HITL và resume gần như miễn phíHITL and resume almost for free
Không có lần gọi LLM ẩnNo hidden LLM calls

MấtLose

Đường cong học dốc: reducer, super-stepSteep curve: reducers, super-steps
Nhiều code khung cho bài toán nhỏHeavy scaffolding for small problems
Công cụ quan sát mạnh nhất là dịch vụ trả phíBest observability tool is paid

Dấu hiệu:Telltale sign: bạn vẽ được luồng lên bảng trắng, và nó phải dừng rồi chạy tiếp được.you can draw the flow on a whiteboard, and it must be able to pause and resume.

Đính chính ảnh gốc: checkpoint chỉ có khi compile đồ thị với một checkpointer.Correction to the image: checkpoints exist only if you compile the graph with a checkpointer.

Google ADK

LaiHybrid

codemodel

LlmAgent tự suy luận, được lồng trong các workflow agent (Sequential, Parallel, Loop) chạy theo logic cố định và không gọi LLM. Dữ liệu đi qua session state bằng output_key.Reasoning LlmAgents nested inside workflow agents (Sequential, Parallel, Loop) that run fixed logic and call no LLM. Data moves through session state via output_key.

Đánh đổiTrade-off

Đổi sự trung lập về hạ tầng lấy các khối điều phối tất định có sẵn và đường triển khai ngắn trên Google Cloud.Trades infrastructure neutrality for ready-made deterministic orchestration blocks and a short deploy path on Google Cloud.

Dùng choUse for

Tìm vé, khách sạn, hoạt động song song rồi tổng hợpParallel flight, hotel, activity search, then synthesis
Vòng soạn, phê bình, sửa tối đa N lầnDraft–critique–revise loops, max N times
Ứng dụng đã nằm trên Google Cloud và GeminiApps already on Google Cloud and Gemini

ĐượcGain

Phần điều phối không tốn tokenOrchestration costs no tokens
Ba khối luồng phủ phần lớn nhu cầuThree flow blocks cover most needs
Python, Java, Go, TS và giao thức A2APython, Java, Go, TS, plus A2A

MấtLose

Tích hợp sâu nhất giả định Google CloudDeepest integrations assume Google Cloud
Không có bước merge dựng sẵnNo built-in merge step
Trùng output_key là ghi đè nhauDuplicate output_keys overwrite each other

Dấu hiệu:Telltale sign: bạn muốn khung chạy cố định, nhưng từng ô bên trong cần một LLM phán đoán.you want fixed scaffolding, but each slot inside needs an LLM’s judgment.

Đính chính ảnh gốc: ADK không có node “Merge”; một agent phía sau đọc state để gộp kết quả.Correction to the image: ADK has no “Merge” node; a later agent reads state to combine results.

CrewAI

LaiHybrid

codemodel

Một “đội” agent có role, goal, backstory. Task chạy tuần tự theo mặc định, hoặc qua một manager LLM nếu bật hierarchical. Flows là luồng hướng sự kiện, do code điều khiển, dành cho production.A “team” of agents with role, goal, and backstory. Tasks run sequentially by default, or through a manager LLM if hierarchical is enabled. Flows are event-driven, code-controlled pipelines for production.

Đánh đổiTrade-off

Đổi quyền kiểm soát chi tiết luồng chạy lấy tốc độ dựng một đội agent theo vai trò.Trades fine-grained control of execution for the speed of assembling a role-based agent team.

Dùng choUse for

Pipeline nội dung: nghiên cứu, viết, biên tậpContent pipelines: research, write, edit
Báo cáo thị trường từ nhiều nguồn webMarket reports from many web sources
Prototype multi-agent trong một buổi chiềuA multi-agent prototype in one afternoon

ĐượcGain

Dựng nhanh nhất trong sáu frameworkFastest of the six to stand up
Mô hình vai trò dễ giải thíchRole model is easy to explain
Memory, structured output có sẵnMemory and structured output built in

MấtLose

Hierarchical thêm một lần gọi manager mỗi vòngHierarchical adds a manager call each round
Hành vi phụ thuộc prompt hơn vẻ ngoài “đội ngũ”Behavior hinges on prompts, not the “team” framing
Manager phân việc sai thì khó gỡ lỗiHard to debug a manager’s bad delegation

Dấu hiệu:Telltale sign: bạn mô tả hệ thống bằng chức danh trước khi nghĩ tới luồng dữ liệu.you describe the system in job titles before thinking about data flow.

Đính chính ảnh gốc: ảnh vẽ manager, nhưng mặc định là sequential; hierarchical phải bật rõ và cần manager_llm.Correction to the image: it shows a manager, but the default is sequential; hierarchical must be enabled and needs manager_llm.

OpenAI Agents SDK

Model tự điều phốiModel-driven

codemodel

API tối giản: agent, handoff, guardrail, session, tracing. Model tự quyết chuyển hẳn quyền cho agent khác (handoff) hay gọi agent khác như một tool rồi giữ quyền trả lời (agent-as-tool).A minimal API: agents, handoffs, guardrails, sessions, tracing. The model decides whether to hand control to another agent (handoff) or call it like a tool and keep answering itself (agent-as-tool).

Đánh đổiTrade-off

Đổi tính tất định của luồng chạy lấy một API tối giản nơi model tự quyết giao việc cho ai.Trades deterministic execution for a minimal API where the model decides whom to hand work to.

Dùng choUse for

Chatbot CSKH nhiều bộ phận chuyên tráchSupport bots with specialist desks
Trợ lý nội bộ định tuyến HR, IT, pháp chếInternal assistants routing to HR, IT, legal
Voice agent chuyển người phụ trách giữa cuộc gọiVoice agents transferring mid-call

ĐượcGain

API nhỏ nhất, chạy được trong vài phútSmallest API, running in minutes
Tracing có sẵn, không cần cấu hìnhTracing built in, zero setup
Guardrail là khái niệm hạng nhấtGuardrails are first-class

MấtLose

Cùng đầu vào có thể đi hai nhánh khác nhauSame input can take different branches
Session lưu hội thoại, không lưu tiến độSessions keep chat, not process progress
Chuỗi handoff dài làm ngữ cảnh phìnhLong handoff chains bloat context

Dấu hiệu:Telltale sign: bài toán nghe giống tổng đài, “chuyển máy cho bộ phận phù hợp”.the problem sounds like a call center: “transfer me to the right department”.

Claude Agent SDK

Model tự điều phốiModel-driven

codemodel

Harness chạy Claude Code (vòng điều khiển bao quanh model), đóng gói thành SDK. Agent có file system, bash, tool, MCP và tự lặp: thu thập ngữ cảnh, hành động, kiểm chứng, lặp lại đến khi đạt.The harness behind Claude Code, packaged as an SDK. The agent gets a file system, bash, tools, and MCP, and loops on its own: gather context, act, verify, repeat until done.

Đánh đổiTrade-off

Đổi khả năng dự đoán chi phí và đường đi lấy một agent tự chủ, tự kiểm chứng, đã thử lửa ở quy mô Claude Code.Trades predictable cost and path for an autonomous, self-verifying agent proven at Claude Code scale.

Dùng choUse for

Sửa bug trong repo thật, có chạy testFixing bugs in a real repo, with tests
Đọc hàng trăm tài liệu, viết báo cáo có nguồnReading hundreds of docs into a cited report
SRE: đọc log, chạy lệnh chẩn đoánSRE: read logs, run diagnostics

ĐượcGain

Harness đã chạy thực tế, có nén ngữ cảnhBattle-tested harness with compaction
Tool file và shell có sẵnFile and shell tools built in
Sub-agent, hooks, permissionSub-agents, hooks, permissions

MấtLose

Chi phí và thời gian khó đoánCost and time are hard to predict
Gắn với model ClaudeTied to Claude models
Agent có bash là bề mặt tấn công lớnAn agent with bash is a big attack surface

Dấu hiệu:Telltale sign: số bước không biết trước, và người làm việc này sẽ cần một máy tính có terminal.the number of steps is unknown, and a human doing this job would need a computer with a terminal.

Bảng đánh đổiTrade-off table

Đọc theo hàng. Hàng đầu tiên quyết định gần hết các hàng còn lại.Read by rows. The first row determines most of the others.

	MS Agent Fw	LangGraph	Google ADK	CrewAI	OpenAI SDK	Claude SDK
Ai quyết định bước tiếpWho decides next	Code (workflow)Code (workflow)	Code (đồ thị)Code (graph)	Khung cố định, LLM bên trongFixed scaffold, LLM inside	Sequential hoặc manager LLMSequential or manager LLM	LLM (handoff)LLM (handoffs)	LLM (agent loop)LLM (agent loop)
Dừng rồi chạy tiếpPause and resume	Checkpoint trong workflowWorkflow checkpoints	Mạnh, checkpointer là lõiStrong; checkpointer is core	Qua session state, tuỳ backendVia session state, backend-dependent	Flows có; Crews yếuFlows yes; Crews weak	Lưu hội thoại, không lưu tiến độStores chat, not progress	Resume session, nén ngữ cảnhSession resume, compaction
Token phát sinhExtra token cost	Không có call ẩnNo hidden calls	Không có call ẩnNo hidden calls	Workflow agent không gọi LLMWorkflow agents call no LLM	Hierarchical: +1 call mỗi vòngHierarchical: +1 call per round	Mỗi handoff thêm lượt modelEach handoff adds turns	Cao, model chọn số vòngHigh; model picks turn count
Quan sát, gỡ lỗiObservability	OpenTelemetry	LangSmith (trả phí)LangSmith (paid)	Dev UI, Cloud TraceDev UI, Cloud Trace	Trung bình, lỗi nằm trong suy luậnMedium; bugs live in reasoning	Tracing có sẵnBuilt-in tracing	Hooks, log tool callHooks, tool-call logs
Ràng buộc nhà cung cấpVendor pull	Nghiêng AzureLeans Azure	KhôngNone	Nghiêng Gemini, GCPLeans Gemini, GCP	KhôngNone	Nghiêng OpenAILeans OpenAI	Model ClaudeClaude models
Tới bản chạy đầuTime to first run	Trung bìnhMedium	ChậmSlow	Trung bìnhMedium	Nhanh nhấtFastest	NhanhFast	NhanhFast

Anti-patternsAnti-patterns

Sai lầmMistake	Vì sao saiWhy it’s wrong	Sửa thế nàoFix
Multi-agent cho việc một agent làm đượcMulti-agent for one-agent work	Thêm lần gọi model, thêm điểm hỏng, mất ngữ cảnh khi chuyển giaoMore model calls, more failure points, context lost at handoff	Bắt đầu một agent; chỉ tách khi đo được ngữ cảnh quá tảiStart with one; split only when you measure overload
LLM định tuyến quy trình đã biết thứ tựLLM routing a known-order process	Trả tiền và chịu rủi ro sai đường cho quyết định code làm miễn phíPaying for, and risking errors on, a decision code makes for free	Edge cố định, SequentialAgent, Process.sequentialFixed edges, SequentialAgent, Process.sequential
Vòng lặp không có trầnUncapped loops	Agent lặp đến khi hết ngân sách hoặc hết giờThe agent loops until budget or clock runs out	`max_iterations`, `recursion_limit`, `max_turns`
Handoff khi cần kết quả quay vềHandoff when you need the result back	Agent mới tiếp quản, orchestrator mất quyền tổng hợpThe new agent takes over; the orchestrator can’t synthesize	Dùng agent-as-toolUse agent-as-tool
Bước duyệt mà không có checkpointApproval step without a checkpoint	Người duyệt trả lời sau hai ngày, tiến trình đã chết, mất tiến độThe reviewer replies two days later; the process is dead, progress lost	Checkpointer bền (Postgres), bước duyệt thành node riêngDurable checkpointer (Postgres), approval as its own node
Agent có bash chạy thẳng trên máy thậtAgent with bash on a real machine	Một lệnh sai là mất dữ liệu; prompt injection thành thực thi lệnhOne bad command loses data; prompt injection becomes execution	Sandbox, permission mặc định chặn, hook chặn lệnh nguy hiểmSandbox, default-deny permissions, blocking hooks

Ba câu cần nhớThree things to remember

Câu hỏi đầu tiên không phải “framework nào” mà là “ai quyết định bước tiếp theo: code hay model”.The first question isn’t “which framework” but “who decides the next step: code or the model”.
Đường đi đã biết thì để code vẽ; chỉ giao cho model những chỗ thật sự cần phán đoán.If the path is known, let code draw it; hand the model only what genuinely needs judgment.
Đo trước, framework sau: vòng tool-calling 50 dòng cộng bộ eval tốt thường thắng một hệ multi-agent chưa ai đo.Measure first, framework second: a 50-line tool loop plus good evals often beats an unmeasured multi-agent system.