Agentic Design Pattern: P6 – Tool Use & Augmentation – Beyond Words — When Agents Start Doing

A tool-using agent is no longer a chatbot — it’s a digital operator.
— Khi AI không chỉ hiểu, mà còn làm được việc.

⚙️ At a Glance

🧠 Why It Matters

LLM có kiến thức khổng lồ, nhưng:

• Không có truy cập thời gian thực (no live data).
• Không thể tính toán chính xác.
• Không thể thao tác với hệ thống ngoài.

👉 Tool Use Pattern là cách ta “nối não” LLM với thế giới thật.
Nó biến LLM từ “người tư vấn” thành “người thực thi”.

Ví dụ:

• Từ “hãy cho tôi biểu đồ doanh thu tháng trước” →
  Agent dùng SQL tool truy xuất dữ liệu, rồi dùng Plot tool để vẽ biểu đồ.

🧩 How It Works

1️⃣ Tool Declaration
Khai báo công cụ mà Agent có thể gọi:
Ví dụ:

{
  "name": "get_weather",
  "description": "Retrieve current weather information",
  "parameters": {"city": "string"}
}

2️⃣ Tool Selection (Decision Phase)
Agent phân tích mục tiêu người dùng và chọn tool phù hợp.

“Để trả lời câu hỏi này, tôi cần gọi API nào?”

3️⃣ Tool Invocation (Action Phase)
Agent gửi request đến tool (hoặc function) → nhận kết quả thực tế.

4️⃣ Integration (Reasoning Phase)
Agent hợp nhất kết quả tool vào câu trả lời tự nhiên.

Chu trình khép kín:
Intent → Tool Selection → Execution → Reasoned Response

🧰 Example Workflow

User: “Tính trung bình nhiệt độ của Kuala Lumpur trong 7 ngày qua.”
Agent workflow:

1. Gọi get_weather(city=Kuala Lumpur, days=7)
2. Nhận danh sách nhiệt độ.
3. Gọi calculate_average() function.
4. Trả về kết quả kèm phân tích.

→ Kết quả không chỉ “nói”, mà được tính thực từ dữ liệu thật.

💼 Practical Applications & Use Cases

1️⃣ Data Query & Business Intelligence

Agent dùng tool để:

• Gọi SQL/BigQuery.
• Kết nối PowerBI hoặc Data Studio.
• Vẽ biểu đồ hoặc báo cáo định kỳ.

💡 Ứng dụng trong BI-as-a-Service: “Hỏi dữ liệu như nói chuyện.”

2️⃣ Real-Time Knowledge & Web Search

Khi câu hỏi vượt ngoài dữ liệu huấn luyện, Agent:

• Gọi Search API (Bing, Google, Tavily, DuckDuckGo).
• Thu thập kết quả → lọc → tổng hợp → trả lời có dẫn chứng.

💡 Giúp giữ tính “factual” và cập nhật liên tục.

3️⃣ Task Automation

Agent tự động hóa hành động qua API:

• Gửi email / tin nhắn.
• Cập nhật CRM hoặc ticket.
• Gọi lịch họp / tạo sự kiện.

💡 Từ assistant → autonomous digital worker.

4️⃣ Code Execution & Tool-Chaining

Agent có thể:

• Sinh code → chạy → kiểm tra output.
• Gọi tool nội bộ như Python REPL, shell, hay Notebook.
  💡 Áp dụng trong data science, DevOps, hoặc workflow automation.

5️⃣ Multi-Tool Reasoning

Agent phối hợp nhiều công cụ cùng lúc:

• Tool A: tìm dữ liệu.
• Tool B: xử lý, phân tích.
• Tool C: trình bày, báo cáo.
  → Tạo thành một multi-tool orchestration pipeline.

Frameworks như LangChain, OpenDevin, và Google ADK hỗ trợ pattern này native.

6️⃣ External System Integration

Agent kết nối hệ thống doanh nghiệp:

• ERP, CRM, JIRA, SAP, Salesforce…
• Cho phép giao tiếp hai chiều (read/write).
  💡 Mở ra khả năng “AI copilot for business operations”.

7️⃣ Autonomous Multi-Agent Collaboration

Khi nhiều agent cùng dùng tool:

• Một agent “Data Retriever” gọi API.
• Một agent “Analyst” xử lý dữ liệu.
• Một agent “Reporter” tổng hợp kết quả.
  → Sức mạnh của tool-use kết hợp multi-agent = hệ thống thực thi tự động toàn phần.

⚙️ Implementation Note

• LangChain / LangGraph: hỗ trợ tool node và RunnableTool.
• OpenAI Function Calling / JSON Schema: chuẩn phổ biến cho LLM tool use.
• Google ADK (Agent Developer Kit): có ToolAgent và ExternalFunctionAgent.
• CrewAI / AutoGen: hỗ trợ “tool roles” như Executor, Researcher, Builder.

💡 Key Takeaways

✅ Tool Use Pattern biến LLM thành Agent hành động được trong thế giới thực.
✅ Là nền tảng cho:

• Retrieval-Augmented Generation (RAG)
• Action-based Agents
• Enterprise workflow automation

✅ Mở ra kỷ nguyên LLM-as-a-Platform, nơi mỗi tổ chức có thể gắn AI vào quy trình thật.