Các bộ khung (harness) tác tử AI đã xuất hiện một thời gian, nhưng chúng đã thay đổi rất nhiều trong khoảng một năm rưỡi qua. Chúng ta đã đi từ những tác tử đơn giản chỉ có thể chạy lệnh Bash và chỉnh sửa tệp sang các hệ thống có thể tìm kiếm web, kết nối công cụ bên ngoài, quản lý ngữ cảnh, ghi nhớ hội thoại trước đó và hoàn thành các tác vụ phức tạp.
Các bộ khung AI hiện đại nay hỗ trợ kỹ năng có thể tái sử dụng, nhiều tác tử phối hợp cùng nhau và thực thi công cụ song song. Các nhà phát triển cũng tìm ra cách tốt hơn để quản lý ngữ cảnh, giảm sử dụng token và giúp tác tử nhanh hơn, đáng tin cậy hơn.
Điều tôi thấy thú vị là trọng tâm đang chuyển từ cải thiện mô hình AI sang cải thiện bộ khung bao quanh chúng. Nhiều cải thiện hiệu năng mà chúng ta thấy ở tác tử AI ngày nay đến từ công cụ tốt hơn, quy trình thông minh hơn và quản lý ngữ cảnh hiệu quả hơn, không chỉ từ mô hình tốt hơn.
Về cốt lõi, một bộ khung tác tử AI là phần mã kết nối mô hình AI với các công cụ của nó, quản lý thực thi và tạo vòng phản hồi cho phép tác tử điều chỉnh dựa trên kết quả và sửa sai.
Trong bài viết này, tôi sẽ đề cập 10 bộ khung tác tử AI mã nguồn mở phổ biến và hữu ích nhất năm 2026, xem điều gì làm nên khác biệt của từng bộ và cách bắt đầu với chúng. Số lượng sao GitHub tính đến tháng 11/2026. Để tìm hiểu sâu hơn cách xây dựng bộ khung, xem Hướng dẫn Kỹ thuật Bộ Khung Tác Tử của chúng tôi.
Bộ khung tác tử AI là gì?
Bộ khung tác tử AI là hệ thống cung cấp cho mô hình AI các công cụ và môi trường cần thiết để hoàn thành nhiệm vụ.
Hãy coi mô hình AI là bộ não và bộ khung là mọi thứ giúp nó hành động. Một bộ khung cho phép mô hình tự thực thi các đề xuất của chính nó: nó có thể đọc tệp, chạy lệnh và kiểm tra kết quả.
Ví dụ, hãy tưởng tượng bạn có một ứng dụng Python liên tục bị sập. Thay vì sao chép lỗi vào ChatGPT và tự tay áp dụng các bản sửa được gợi ý, bạn yêu cầu một tác tử lập trình AI:
"Tìm lý do tại sao ứng dụng Python của tôi bị sập, sửa vấn đề và đảm bảo tất cả bài kiểm thử đều qua."
Bộ khung cho phép mô hình AI đọc mã của bạn, chạy ứng dụng, tìm lỗi, chỉnh sửa các tệp liên quan và chạy kiểm thử. Nếu kiểm thử thất bại, nó gửi kết quả lại cho mô hình để thử giải pháp khác.
Tất cả có thể diễn ra qua một yêu cầu duy nhất, với rất ít can thiệp thủ công.
Bộ khung tác tử AI thực sự làm gì?
Hầu hết các bộ khung tác tử AI cung cấp 5 năng lực thiết yếu:
Thực thi công cụ: Cho phép mô hình đọc tệp, chạy lệnh, duyệt trang web và tương tác với ứng dụng.
Quản lý ngữ cảnh: Theo dõi các tệp liên quan, hành động trước đó và thông tin mô hình cần để hoàn thành nhiệm vụ.
Vòng lặp tác tử: Cho phép mô hình lặp lại việc dùng công cụ, kiểm tra kết quả và sửa lỗi cho đến khi hoàn thành hoặc chạm giới hạn.
Quyền hạn và an toàn: Kiểm soát tệp, công cụ và lệnh mà tác tử có thể truy cập hoặc thực thi.
Bộ nhớ và mở rộng: Hỗ trợ kỹ năng tái sử dụng, tích hợp bên ngoài và, trong một số bộ khung, bộ nhớ xuyên phiên.
Một số bộ khung cũng hỗ trợ nhiều tác tử cùng làm việc trên các phần khác nhau của một dự án.
Cùng một mô hình AI có thể thể hiện rất khác nhau tùy theo bộ khung. Trong các bài kiểm thử DeepSeek V4 Flash của Composio, cùng một mô hình đạt điểm từ 46,7% đến 66,7% tùy theo bộ khung, và tác tử Pi tối giản đứng đầu.
Một bộ khung được thiết kế tốt với vài công cụ hữu ích và quản lý ngữ cảnh tốt đôi khi có thể vượt trội hơn hệ thống phức tạp hơn nhiều. Đó là lý do bạn nên chọn bộ khung cẩn trọng như khi chọn mô hình.
Bây giờ, hãy cùng xem 10 bộ khung tác tử AI mã nguồn mở hàng đầu năm 2026.
1. Codex CLI: Bộ khung tác tử AI mã nguồn mở tốt nhất cho kỹ thuật phần mềm
Codex CLI là lựa chọn hàng đầu của tôi cho tác tử lập trình AI mã nguồn mở. Do OpenAI phát triển và chủ yếu viết bằng Rust, nó gọn nhẹ và được xây dựng cho nhà phát triển làm các dự án kỹ thuật phần mềm chuyên nghiệp. Nó có khoảng 134 nghìn sao trên GitHub.
Điểm làm Codex nổi bật là khối lượng công việc nó có thể tự xử lý. Nó có thể xây dựng dự án hoàn chỉnh, làm việc với công cụ sẵn có của bạn, sửa lỗi và chạy kiểm thử. Bạn có thể giao một nhiệm vụ phức tạp và để nó đảm nhiệm phần lớn quy trình phát triển.
Đánh đổi chính là sự tập trung vào OpenAI: hướng dẫn nhanh đăng nhập bằng tài khoản ChatGPT hoặc khóa API OpenAI.
Điểm nổi bật của Codex CLI
Nền tảng Rust và mã nguồn mở: Tác tử nhẹ, ưu tiên terminal với bộ khung mở để nhà phát triển tùy biến và phát triển tiếp.
Hỗ trợ đa tác tử: Ủy thác nhiệm vụ khác nhau cho các tác tử phụ chuyên biệt và chạy công việc độc lập song song.
Quy trình cục bộ và đám mây: Bắt đầu lập trình cục bộ, chuyển nhiệm vụ lên Codex Cloud và tiếp tục làm việc qua CLI, IDE hoặc ứng dụng desktop.
Hệ sinh thái mở rộng: Dùng máy chủ Model Context Protocol (MCP), kỹ năng tái sử dụng và plugin để kết nối công cụ bên ngoài và tự động hóa vượt ra ngoài lập trình.
Xây dựng cho kỹ thuật thực tế: Chạy review mã tự động, tích hợp pipeline CI/CD, quản lý tác vụ chạy lâu và kiểm soát thực thi qua sandbox và quyền hạn.
Cách cài đặt Codex CLI
Mỗi trình cài đặt trong bài này đều pipe một script từ xa vào shell của bạn, vì vậy hãy xem trước script nếu bạn muốn kiểm tra nó làm gì.
macOS và Linux:
curl-fsSL https://chatgpt.com/codex/install.sh |shĐược hỗ trợ bởi
Đăng nhập bằng tài khoản ChatGPT của bạn hoặc cấu hình truy cập API để bắt đầu lập trình.
Ví dụ, bạn có thể yêu cầu Codex xây dựng một bảng điều khiển Python hoàn chỉnh với frontend, backend, kiểm thử và tài liệu. Nó có thể xử lý phần lớn triển khai trong khi bạn rà soát kết quả. Để thực hành từng bước, xem hướng dẫn OpenAI Codex CLI của chúng tôi.
2. OpenCode: Bộ khung tác tử AI mã nguồn mở tốt nhất về linh hoạt mô hình
OpenCode là một trong những tác tử lập trình AI tôi yêu thích suốt hơn một năm qua. Nó hoạt động trên Windows, macOS và Linux, hỗ trợ rất nhiều mô hình AI và cho phép nhà phát triển tự do tùy biến quy trình làm việc.
Đây cũng là một trong những tác tử lập trình mã nguồn mở phổ biến nhất, với khoảng 226 nghìn sao GitHub. Điều tôi đặc biệt thích là bạn không bị khóa vào một nhà cung cấp AI. Bạn có thể dùng OpenAI, Anthropic, Google hoặc mô hình cục bộ, tất cả trong cùng giao diện.
Điểm nổi bật của OpenCode
Hơn 75 nhà cung cấp mô hình: Chuyển đổi giữa mô hình thương mại và cục bộ mà không cần thay đổi môi trường lập trình.
Hỗ trợ đa nền tảng: Dùng terminal, ứng dụng desktop (hiện beta), giao diện web hoặc SDK trên các hệ điều hành khác nhau.
Tác tử và phiên song song: Chạy nhiều nhiệm vụ lập trình đồng thời và tạo tác tử chuyên biệt cho các công việc khác nhau.
Tùy biến cao: Mở rộng chức năng qua plugin, máy chủ MCP, lệnh tùy chỉnh và kỹ năng tái sử dụng.
Kiến trúc client-server: Tách tác tử khỏi giao diện và kết nối với công cụ, ứng dụng, quy trình khác.
Điểm trừ với tôi là OpenCode có thể cảm giác hơi cồng kềnh so với các tác tử đơn giản hơn. Nó bao gồm nhiều tính năng mà phần lớn nhà phát triển có thể không bao giờ dùng, và các phiên lớn đôi khi phản hồi kém nhạy hơn. Tuy vậy, nếu bạn coi trọng sự linh hoạt và lựa chọn mô hình, OpenCode rất khó bị vượt qua.
Cách cài đặt OpenCode CLI
Windows (WSL), macOS và Linux:
curl-fsSL https://opencode.ai/v2/install |bashĐược hỗ trợ bởi
Sau khi cài đặt, đi tới thư mục dự án của bạn và khởi chạy OpenCode:
Dùng /connect để cấu hình nhà cung cấp AI ưa thích của bạn, hoặc bắt đầu với các mô hình miễn phí sẵn có. Bạn cũng có thể tải ứng dụng desktop OpenCode nếu thích giao diện đồ họa.
3. OpenClaw: Bộ khung tác tử AI mã nguồn mở tốt nhất cho tự động hóa AI cá nhân
OpenClaw là một trong những dự án tác tử AI mã nguồn mở lớn nhất năm 2026, với khoảng 394 nghìn sao GitHub. Khác với hầu hết tác tử lập trình trong danh sách này, OpenClaw được thiết kế như một trợ lý AI cá nhân có thể thực sự thực thi tác vụ trên các ứng dụng của bạn.
Điều làm OpenClaw thú vị là bạn có thể chạy nó trên máy tính hoặc máy chủ của mình và giao tiếp qua WhatsApp, Telegram, Discord, Slack và các nền tảng khác. Nó có thể ghi nhớ ngữ cảnh hữu ích, thực thi lệnh, duyệt web và tự động hóa các tác vụ hằng ngày.
Nó cũng hoạt động như một nền tảng cho các tác tử lập trình khác, bao gồm Codex, và lớp trợ lý của nó được xây dựng trên Pi, một bộ khung khác trong danh sách này.
Điểm nổi bật của OpenClaw
Trợ lý AI trên nhiều ứng dụng: Kết nối một tác tử với WhatsApp, Telegram, Slack, Discord và hơn 20 kênh nhắn tin khác.
Tác tử luôn hoạt động: Chạy trên máy hoặc máy chủ của bạn để xử lý tác vụ và phản hồi tin nhắn từ xa.
Bộ nhớ và ngữ cảnh bền bỉ: Duy trì hội thoại, thông tin dự án và ngữ cảnh hữu ích xuyên suốt các phiên.
Linh hoạt về tác tử và mô hình: Kết nối nhà cung cấp AI khác nhau, mô hình cục bộ và runtime tác tử lập trình được hỗ trợ, bao gồm Codex.
Hệ sinh thái tự động hóa: Dùng kỹ năng, plugin, công cụ trình duyệt, tác vụ theo lịch và định tuyến đa tác tử để xây dựng quy trình tùy chỉnh.
Hạn chế chính là độ phức tạp và yêu cầu bảo mật. OpenClaw có thể truy cập công cụ và tệp nhạy cảm, nên bạn cần cấu hình quyền hạn, sandbox và tích hợp bên ngoài cẩn thận.
Tôi khuyến nghị OpenClaw cho các nhà phát triển muốn vượt ra ngoài trợ lý lập trình và xây dựng trợ lý AI cá nhân hoạt động trên nhiều ứng dụng.
Cách cài đặt tác tử AI OpenClaw
macOS, Linux và Windows (WSL2):
curl-fsSL https://openclaw.ai/install.sh |bashĐược hỗ trợ bởi
Windows (PowerShell):
iwr-useb https://openclaw.ai/install.ps1 |iexĐược hỗ trợ bởi
Trình cài đặt sẽ bắt đầu quy trình onboarding. Nếu cần, chạy:
Kết nối mô hình AI và nền tảng nhắn tin bạn ưa thích để bắt đầu.
Ví dụ, bạn có thể cấu hình OpenClaw để giám sát dự án phát triển của bạn, tóm tắt cập nhật, thực thi tác vụ đã được duyệt và gửi kết quả trực tiếp tới Telegram hoặc WhatsApp.
4. Hermes Agent: Bộ khung tác tử AI mã nguồn mở tốt nhất cho bộ nhớ bền bỉ
Hermes Agent, do Nous Research phát triển, ghi nhớ thông tin hữu ích về bạn, các cuộc hội thoại và dự án của bạn xuyên suốt các phiên.
Điều làm Hermes thú vị là cách nó kết hợp bộ nhớ bền bỉ với một tác tử AI hoàn chỉnh. Nó có thể viết mã, chạy lệnh, học kỹ năng tái sử dụng và tự động hóa tác vụ trong khi theo dõi ngữ cảnh quan trọng từ các cuộc trò chuyện trước đó.
Bộ nhớ bền bỉ: Lưu các tùy chọn quan trọng, chi tiết dự án và bài học thu được xuyên suốt hội thoại.
Tìm kiếm lịch sử hội thoại: Dùng SQLite để tìm trong các phiên trước và khôi phục thông tin không nằm trong bộ nhớ hoạt động.
Kỹ năng tự cải thiện: Tạo kỹ năng tái sử dụng từ các tác vụ đã hoàn thành và có thể tinh chỉnh khi tích lũy kinh nghiệm.
Hoạt động đa nền tảng: Trò chuyện qua terminal, Telegram, Discord, Slack, WhatsApp và các nền tảng nhắn tin được hỗ trợ khác.
Quy trình tự động: Lên lịch tác vụ, ủy thác công việc cho tác tử phụ và kết nối mô hình AI thương mại hoặc cục bộ.
Hiệu năng lập trình của nó cũng cạnh tranh. Trên Composio Bench, chạy mỗi bộ khung qua cùng bộ tác vụ đa ứng dụng, Hermes đạt tỷ lệ thành công 75,9% (22/29 tác vụ) khi dùng GPT-6 Astra của OpenAI, ngang Codex CLI. Nó cũng ghi nhận thời gian hoàn thành trung bình nhanh nhất trong số các bộ khung được kiểm thử với mô hình đó, ở mức 125 giây mỗi tác vụ.
Hạn chế chính là bộ nhớ của nó không hoàn hảo. Nó chỉ lưu thông tin được chọn thay vì mọi thứ, và chạy quy trình phức tạp với các mô hình cục bộ nhỏ hơn có thể là thách thức.
Tôi khuyến nghị Hermes cho nhà phát triển muốn nhiều hơn một trợ lý lập trình, đặc biệt là những người tìm kiếm một tác tử AI cá nhân ghi nhớ công việc của họ và hữu ích hơn theo thời gian.
Cách cài đặt Hermes Agent
Linux, macOS và Windows (WSL2):
curl-fsSL https://hermes-agent.nousresearch.com/install.sh |bashĐược hỗ trợ bởi
Windows (PowerShell):
iex(irm https://hermes-agent.nousresearch.com/install.ps1)Được hỗ trợ bởi
Bạn cũng có thể chạy hermes setup để cấu hình công cụ bổ sung, nền tảng nhắn tin và tính năng tự động hóa. Để xem hướng dẫn đầy đủ, hãy xem hướng dẫn thiết lập Hermes Agent của chúng tôi.
5. Pi: Bộ khung tác tử AI mã nguồn mở gọn nhẹ tốt nhất cho LLM cục bộ
Pi là bộ khung tác tử AI gọn nhẹ mà tôi yêu thích. Mỗi khi tôi viết hướng dẫn về chạy mô hình ngôn ngữ lớn (LLM) cục bộ, tôi gần như luôn dùng Pi vì nó dễ thiết lập, có kiến trúc tối giản và cảm giác nhẹ hơn nhiều tác tử lập trình lớn.
Điều tôi đặc biệt thích là sự đơn giản. Pi tập trung vào vòng lặp tác tử nhỏ, hiệu quả. Theo kinh nghiệm của tôi, điều này giúp quy trình nhanh và lượng token ở mức hợp lý, trong khi vẫn mang lại kết quả lập trình tương đương các tác tử phức tạp hơn.
Nó có khoảng 120 nghìn sao GitHub. Pi hiện do Earendil phát triển, đơn vị mua lại dự án từ người tạo, Mario Zechner, vào tháng 4/2026, và vẫn theo giấy phép MIT. OpenClaw được xây dựng trên các thành phần của Pi.
Điểm nổi bật của Pi
Kiến trúc tác tử tối giản: Vòng lặp tác tử nhỏ, tập trung, không có các tính năng tích hợp không cần thiết hoặc quy trình phức tạp.
Tuyệt vời cho LLM cục bộ: Hỗ trợ mô hình cục bộ qua llama.cpp, Ollama, LM Studio và API tương thích.
Quản lý ngữ cảnh hiệu quả: Lời nhắc hệ thống tối giản và ngữ cảnh tùy chỉnh giúp giảm chi phí thừa và có thể tiết kiệm token.
Tùy biến hoàn toàn: Thêm tiện ích mở rộng, kỹ năng, lệnh tùy chỉnh hoặc kết nối máy chủ MCP qua hỗ trợ tích hợp được bổ sung trong Pi 1.0, mà không làm phức tạp lõi tác tử.
SDK thân thiện với nhà phát triển: Dùng Pi qua CLI, giao diện RPC hoặc SDK TypeScript để xây dựng tác tử AI và công cụ tự động hóa của riêng bạn.
Hiệu năng của nó cũng cạnh tranh. Trên Composio Bench, Pi đạt tỷ lệ thành công 69% khi dùng GPT-6 Astra, ngang bằng OpenCode trên cùng 29 tác vụ.
Giới hạn chính là các tính năng như tác tử phụ và lập kế hoạch không được tích hợp sẵn theo mặc định. Bạn cần tiện ích mở rộng hoặc triển khai tùy chỉnh cho những tính năng đó. Tuy nhiên, chính sự đơn giản này là lý do tôi ưa chuộng Pi cho thử nghiệm LLM cục bộ và các dự án lập trình gọn nhẹ.
Dùng /login để kết nối nhà cung cấp AI hoặc cấu hình mô hình cục bộ. Sau đó dùng /model để chọn mô hình bạn muốn chạy.
Để xem Pi hoạt động với mô hình cục bộ, hãy thử hướng dẫn chạy Bonsai 27B cục bộ của chúng tôi.
6. Cline: Bộ khung tác tử AI mã nguồn mở tốt nhất cho VS Code
Cline là một trong những tác tử lập trình AI mã nguồn mở đầu tiên trở nên phổ biến như một tiện ích mở rộng VS Code. Nó nhanh chóng thu hút đông đảo nhà phát triển và dẫn đến các nhánh như Roo Code.
Dù tôi không dùng Cline nhiều như các tác tử khác trong danh sách, tiến độ phát triển và phản hồi cộng đồng của nó rất ấn tượng. Hiện nó hỗ trợ nhiều IDE, một CLI, bảng tác vụ Kanban và SDK, với khoảng 70 nghìn sao trên GitHub.
Điểm nổi bật của Cline
Trải nghiệm ưu tiên IDE: Làm việc trực tiếp trong VS Code và các trình soạn thảo được hỗ trợ khác, với thay đổi mã trực quan và kiểm soát phê duyệt.
Chế độ Plan và Act: Cho phép tác tử khám phá dự án của bạn và tạo kế hoạch trước khi thay đổi.
Điểm kiểm soát và an toàn: Rà soát thay đổi tệp, phê duyệt lệnh terminal và khôi phục các checkpoint trước đó khi cần.
Linh hoạt mô hình: Hỗ trợ OpenAI, Anthropic, Google, OpenRouter và mô hình cục bộ qua Ollama hoặc LM Studio.
Nền tảng tác tử mở rộng: Dùng máy chủ MCP, kỹ năng tùy chỉnh, CLI và SDK để xây dựng quy trình lập trình tự động.
Trên Composio Bench, Cline đạt 79,3% tỷ lệ thành công (23/29 tác vụ) khi dùng GPT-6 Astra, hơn Codex CLI và Hermes Agent một tác vụ. Điều đó giúp nó là bộ khung đạt điểm hoàn thành tác vụ cao nhất.
Hạn chế chính là tốc độ. Cline trung bình 193 giây mỗi tác vụ trong cùng benchmark, so với 125 giây của Hermes Agent.
Cách cài đặt tác tử AI Cline
VS Code (Windows, macOS và Linux):
Mở VS Code, vào Extensions (Ctrl+Shift+X trên Windows và Linux, Cmd+Shift+X trên macOS), tìm Cline và nhấp Install.
Hoặc, cài CLI bằng npm (yêu cầu Node.js 22 trở lên):
Giờ bạn có thể yêu cầu Cline khám phá codebase, triển khai tính năng, sửa lỗi và chạy kiểm thử trong khi bạn rà soát thay đổi của nó. Với ví dụ thực hành, xem hướng dẫn Cline AI của chúng tôi.
7. DeepSeek Harness: Bộ khung tác tử AI mã nguồn mở tốt nhất cho các mô hình DeepSeek
DeepSeek Harness ra mắt ngày 13/08/2026 và vượt 186.000 sao GitHub trong 10 ngày đầu, trở thành một trong những dự án tác tử AI mã nguồn mở tăng trưởng nhanh nhất. Hiện có khoảng 279 nghìn sao.
Tôi đã dùng DeepSeek Harness, và điều gây ấn tượng lớn nhất là tốc độ, đặc biệt khi làm việc với DeepSeek-V4.1-Flash. Nó được tinh chỉnh cho các mô hình DeepSeek và đi kèm hầu như mọi thứ bạn kỳ vọng ở một tác tử lập trình hiện đại.
Một điểm tôi rất thích nữa là tính minh bạch. Bạn có thể kiểm tra lời gọi công cụ, dấu vết thực thi và thống kê chi tiết để hiểu tác tử của bạn hoạt động ra sao.
Điểm nổi bật của DeepSeek Harness
Mọi thứ là plugin: Xây dựng trên Cordis, cho phép nhà phát triển tùy biến mô hình, công cụ, kỹ năng, bộ nhớ, sandbox và thậm chí cả vòng lặp tác tử.
Xây cho mô hình DeepSeek: Hoạt động đặc biệt tốt với DeepSeek-V4.1-Flash, với các cập nhật chính thức tập trung cải thiện hiệu năng và hiệu quả lập trình.
Thống kê hiệu năng chi tiết: Kiểm tra mức dùng ngữ cảnh, hoạt động mô hình, thông tin cache, lời gọi công cụ và thời gian thực thi qua công cụ dành cho nhà phát triển.
Năng lực tác tử đầy đủ: Hỗ trợ lập trình, chỉnh sửa tệp, thực thi terminal, tác tử phụ, kỹ năng, tự động hóa và quy trình nhiều bước.
Giao diện web và desktop: Chạy tác tử qua giao diện web cục bộ hoặc dùng ứng dụng desktop (macOS chip Apple và Windows), với khả năng mở rộng chức năng qua plugin.
Hạn chế chính là DeepSeek Harness vẫn ở giai đoạn xem trước dành cho nhà phát triển. Plugin và API đang thay đổi, và cập nhật có thể gây thay đổi phá vỡ tương thích.
Tôi khuyến nghị cho nhà phát triển thường xuyên dùng mô hình DeepSeek hoặc muốn một bộ khung tác tử tùy biến cao với thông tin thực thi chi tiết.
Cách cài đặt DeepSeek Harness
Trước tiên, cài Node.js 22.19 trở lên trên Windows, macOS hoặc Linux.
8. Deep Agents: Bộ khung tác tử AI mã nguồn mở tốt nhất cho tác tử AI tùy chỉnh
Deep Agents là bộ khung tác tử AI mã nguồn mở do LangChain phát triển. Khác với hầu hết tác tử lập trình trong danh sách, nó được thiết kế cho cả phát triển phần mềm và xây dựng tác tử AI tùy chỉnh có thể xử lý tác vụ phức tạp, nhiều bước.
Điều tôi thấy thú vị ở Deep Agents là bạn có thể dùng tác tử lập trình terminal dựng sẵn hoặc tự xây bằng Python hay TypeScript. Nó đã bao gồm lập kế hoạch, bộ nhớ, tác tử phụ và quản lý ngữ cảnh, nên bạn không phải xây mọi thứ từ đầu.
Dự án cũng thu hút sự chú ý đáng kể, với khoảng 31 nghìn sao GitHub.
Điểm nổi bật của Deep Agents
Tác tử lập trình và SDK: Dùng Deep Agents Code như một CLI dựng sẵn hoặc xây ứng dụng AI tùy chỉnh với thư viện Python và TypeScript.
Xây cho tác vụ chạy lâu: Tác tử có thể lập kế hoạch quy trình, quản lý ngữ cảnh và xử lý các tác vụ phức tạp gồm nhiều bước.
Ủy thác cho tác tử phụ: Chia tác vụ lớn thành công việc nhỏ hơn và ủy thác cho các tác tử chuyên biệt với cửa sổ ngữ cảnh riêng.
Môi trường thực thi linh hoạt: Làm việc với hệ tệp cục bộ, sandbox từ xa, công cụ tùy chỉnh và máy chủ MCP.
Nền tảng sẵn sàng sản xuất: Xây trên LangGraph, hỗ trợ trạng thái bền bỉ, checkpoint, phê duyệt của con người và tích hợp với LangSmith để theo dõi và đánh giá.
Các cải thiện benchmark cũng đáng chú ý. Tháng 2/2026, LangChain báo cáo cải thiện điểm Terminal Bench 2.0 của tác tử lập trình từ 52,8% lên 66,5% với gpt-5.2-codex, chỉ bằng cách tinh chỉnh prompt, công cụ và middleware mà không thay đổi mô hình nền tảng.
Tôi khuyến nghị Deep Agents cho nhà phát triển xây ứng dụng AI riêng hơn là những người tìm trợ lý lập trình đơn giản nhất. Với tác vụ lập trình gọn nhẹ, Pi hoặc Codex CLI có thể dễ bắt đầu hơn. Để biết thêm về SDK, xem hướng dẫn Deep Agents của chúng tôi.
Cách cài đặt Deep Agents
Cài Deep Agents Code (macOS và Linux, hoặc Windows qua WSL):
Chọn mô hình AI của bạn và cấu hình xác thực để bắt đầu làm việc.
Với tác tử AI tùy chỉnh dùng Python, tạo dự án với uv và cài SDK:
uv init my-agent
cd my-agent
uv add deepagentsĐược hỗ trợ bởi
Sau đó bạn có thể dùng create_deep_agent() để xây tác tử với mô hình, công cụ, prompt và quy trình của riêng bạn.
Ví dụ, bạn có thể xây tác tử nghiên cứu tìm kiếm web, phân tích tài liệu, ủy thác nghiên cứu cho tác tử phụ và tạo báo cáo cuối cùng.
9. OpenHands: Bộ khung tác tử AI mã nguồn mở tốt nhất cho phát triển phần mềm tự chủ
OpenHands là một trong những dự án tác tử lập trình AI mã nguồn mở sớm nhất. Nó khởi đầu vào tháng 3/2024 với tên OpenDevin, khi các nhà phát triển còn đang khám phá GPT-3.5 và GPT-4 có thể làm gì ngoài chat và sinh mã đơn giản.
Thời điểm đó, ý tưởng giao một tác vụ cho tác tử AI và để nó xây dự án thực tế rất hấp dẫn. OpenHands giúp hiện thực hóa điều đó bằng cách cho phép tác tử viết mã, thực thi lệnh, sửa lỗi và tự kiểm thử công việc.
Ngày nay, nó đã phát triển thành một nền tảng hoàn chỉnh cho phát triển phần mềm tự chủ, với khoảng 93 nghìn sao GitHub.
Điểm nổi bật của OpenHands
Tiên phong lập trình tự chủ sớm: Một trong những dự án mã nguồn mở phổ biến đầu tiên tập trung cho phép tác tử AI hoàn thành tác vụ kỹ thuật phần mềm.
Agent Canvas: Giao diện web để quản lý hội thoại, tệp, terminal và nhiều tác tử lập trình từ một nơi.
Hỗ trợ nhiều tác tử: Làm việc với OpenHands, Codex, Claude Code, Gemini và các tác tử khác hỗ trợ Agent Client Protocol (ACP) qua giao diện chung.
Môi trường thực thi linh hoạt: Chạy tác tử cục bộ, trong container Docker, trên máy chủ từ xa hoặc qua hạ tầng đám mây.
Tự động hóa và SDK: Xây tác tử tùy chỉnh, tự động hóa quy trình phát triển và chạy tác vụ qua SDK Python và dịch vụ backend.
Hạn chế chính là độ phức tạp. So với các bộ khung gọn nhẹ như Pi hoặc Codex CLI, OpenHands cần thiết lập và tài nguyên nhiều hơn, đặc biệt khi dùng môi trường thực thi cách ly.
Tôi khuyến nghị cho nhà phát triển muốn chạy tác tử lập trình tự chủ, quản lý nhiều quy trình hoặc xây hệ thống phát triển dựa trên tác tử riêng. Để xem chi tiết hơn, xem hướng dẫn OpenHands của chúng tôi.
Cách cài đặt tác tử AI OpenHands
Cách dễ nhất để chạy OpenHands cục bộ là qua Agent Canvas.
Trước tiên, cài Node.js 24 trở lên và uv.
Sau đó cài Agent Canvas trên Windows, macOS hoặc Linux:
Cấu hình mô hình AI ưa thích, chọn không gian làm việc và bắt đầu giao nhiệm vụ lập trình cho tác tử.
Mặc định, điều này chạy tác tử trực tiếp trên máy của bạn với toàn quyền truy cập hệ tệp. Để giữ tác tử tránh xa các tệp ngoài không gian làm việc đã cấu hình, hãy chạy Agent Canvas với sandbox Docker thay thế:
10. mini-SWE-agent: Bộ khung tác tử AI mã nguồn mở tối giản tốt nhất cho kỹ thuật phần mềm
mini-SWE-agent là một trong những bộ khung lập trình AI đơn giản nhất mà tôi từng gặp. Được xây dựng bởi các nhà nghiên cứu đứng sau SWE-agent và SWE-bench, nó theo một cách tiếp cận khác so với các tác tử lập trình nhiều tính năng.
Tác tử lõi được viết trong khoảng 100 dòng Python. Thay vì xây hệ thống công cụ và quy trình phức tạp, nó cung cấp cho mô hình AI quyền truy cập Bash và để mô hình tự tìm cách hoàn thành nhiệm vụ.
Cách tiếp cận tối giản này vẫn mang lại hiệu năng lập trình mạnh mẽ. Dự án đã có khoảng 9,5 nghìn sao GitHub và được dùng bởi nhà nghiên cứu, kỹ sư tại các tổ chức như NVIDIA, Meta và IBM.
Điểm nổi bật của mini-SWE-agent
Kiến trúc tác tử 100 dòng: Triển khai Python nhỏ gọn, dễ hiểu, dễ chỉnh sửa và mở rộng.
Chỉ thực thi Bash: Dùng lệnh shell đơn giản thay vì hệ thống gọi công cụ phức tạp để chỉnh sửa tệp, chạy kiểm thử và sửa lỗi.
Thực thi minh bạch: Duy trì lịch sử hội thoại tuyến tính, giúp dễ kiểm tra mọi hành động và gỡ lỗi hành vi tác tử.
Môi trường thực thi linh hoạt: Chạy cục bộ hoặc dùng Docker, Podman, Singularity và các môi trường được hỗ trợ khác để cách ly.
Xây cho nghiên cứu AI: Hỗ trợ nhiều nhà cung cấp mô hình và cung cấp nền tảng đơn giản cho benchmark, fine-tuning và thử nghiệm học tăng cường.
Theo README của dự án, mini-SWE-agent đạt trên 74% trên SWE-bench Verified, một benchmark các issue GitHub thực tế, khi kết hợp với mô hình mạnh như Gemini 3 Pro. Bạn có thể so sánh mô hình trên bảng xếp hạng bash-only của SWE-bench.
Hạn chế chính là thiếu nhiều tính năng tích hợp sẵn như lập kế hoạch nâng cao, tác tử phụ và tích hợp mở rộng. Nhà phát triển có thể cần tự triển khai.
Tôi khuyến nghị mini-SWE-agent cho nhà phát triển và nhà nghiên cứu AI muốn một bộ khung lập trình nhanh, gọn nhẹ, dễ tùy chỉnh, đặc biệt để thử nghiệm các mô hình và kiến trúc tác tử khác nhau.
Cách cài đặt mini-SWE-agent
Cách dễ nhất để cài mini-SWE-agent trên macOS hoặc Linux là dùng uv:
Ví dụ, bạn có thể yêu cầu mini-SWE-agent khám phá một kho Python, xác định kiểm thử thất bại, sửa lỗi và chạy lại kiểm thử. Nó xử lý mọi thứ qua lệnh shell đơn giản mà không cần một khung tác tử phức tạp.
So sánh 10 bộ khung tác tử AI mã nguồn mở hàng đầu năm 2026
Bảng dưới đây so sánh 10 bộ khung tác tử AI mã nguồn mở hàng đầu dựa trên thế mạnh chính, trường hợp sử dụng lý tưởng và hạn chế.
Bộ khung tác tử AI
Phù hợp nhất cho
Ưu thế chính
Hạn chế chính
1. Codex CLI
Kỹ thuật phần mềm
Hiệu năng lập trình mạnh và quy trình tác tử
Xây quanh tài khoản và mô hình OpenAI
2. OpenCode
Linh hoạt mô hình
Hỗ trợ mô hình rộng và tùy biến cao
Có thể cảm giác cồng kềnh
3. OpenClaw
Tự động hóa AI cá nhân
Tích hợp nhắn tin và tác tử luôn hoạt động
Thiết lập phức tạp và cân nhắc bảo mật
4. Hermes Agent
Bộ nhớ bền bỉ
Ghi nhớ ngữ cảnh và phát triển kỹ năng tái sử dụng
Bộ nhớ không phải lúc nào cũng đáng tin
5. Pi
LLM cục bộ
Gọn nhẹ, đơn giản và hiệu quả
Ít tính năng tích hợp sẵn
6. Cline
Phát triển trong VS Code
Tích hợp IDE và kiểm soát phê duyệt
Chậm hơn mỗi tác vụ trong benchmark
7. DeepSeek Harness
Các mô hình DeepSeek
Kiến trúc plugin và thống kê thực thi
Vẫn ở giai đoạn xem trước
8. Deep Agents
Ứng dụng AI tùy chỉnh
Lập kế hoạch, tác tử phụ và SDK linh hoạt
Đường cong học tập dốc
9. OpenHands
Phát triển tự chủ
Môi trường thực thi linh hoạt
Thiết lập tốn tài nguyên
10. mini-SWE-agent
Nghiên cứu và thử nghiệm
Kiến trúc Python tối giản
Chức năng tích hợp hạn chế
Lời kết
Các tác tử lập trình đã dẫn dắt lĩnh vực này một thời gian, và giờ chúng ta đang chứng kiến sự dịch chuyển sang trợ lý AI cá nhân và công cụ cho công việc hằng ngày.
Tôi không đưa công cụ đóng mã nguồn vào danh sách này, nhưng các sản phẩm như ChatGPT Work và dots của OpenAI là ví dụ tốt về xu hướng sắp tới. Chúng được thiết kế không chỉ cho nhà phát triển: nhân viên văn phòng, chủ doanh nghiệp, nhà nghiên cứu và cả người không có kinh nghiệm lập trình cũng có thể dùng AI để làm việc với tài liệu, phân tích bảng tính, gửi email, quản lý dự án và tự động hóa tác vụ hằng ngày.
Flow của Google cho thấy một sự dịch chuyển tương tự nhằm khiến AI hữu ích cho công việc sáng tạo. Tất nhiên, phần lớn các bộ khung mã nguồn mở ở trên đã có thể xử lý nhiều tác vụ này với công cụ và tích hợp phù hợp. Khác biệt là các công ty hiện đang xây dựng trải nghiệm chuyên biệt cho các quy trình này thay vì chỉ tập trung vào lập trình.
Bộ khung giờ là nơi phần lớn công việc diễn ra. Các nhà phát triển đang tinh chỉnh toàn bộ bộ khung tác tử, bao gồm công cụ, bộ nhớ, quản lý ngữ cảnh và quy trình, để giúp mô hình thể hiện tốt hơn trên các nhiệm vụ cụ thể.
Bộ khung tác tử AI là mã kết nối mô hình AI với các công cụ như terminal, hệ tệp và trình duyệt. Nó quản lý thực thi, theo dõi ngữ cảnh và đưa kết quả trở lại cho mô hình để mô hình có thể sửa sai. Để tìm hiểu sâu cách xây dựng, xem Hướng dẫn Kỹ thuật Bộ Khung Tác Tử của chúng tôi.
Bộ khung tác tử AI mã nguồn mở tốt nhất là gì?⌄
Tùy vào công việc. Codex CLI là lựa chọn của tôi cho kỹ thuật phần mềm, OpenCode cho linh hoạt mô hình, Pi cho mô hình cục bộ và Hermes Agent cho bộ nhớ bền bỉ. Trên Composio Bench với GPT-6 Astra, Cline đạt điểm cao nhất 79,3%, vượt Codex CLI và Hermes Agent ở mức 75,9%.
Claude Code có phải là bộ khung tác tử AI không?⌄
Có. Claude Code là công cụ lập trình theo hướng tác tử của Anthropic, và nó là một bộ khung theo đúng nghĩa như các công cụ ở trên. Nó là mã nguồn đóng, nên không có trong danh sách này. Trên Composio Bench với GPT-6 Astra, nó đạt 72,4%.
Tôi có thể dùng bộ khung tác tử AI với mô hình cục bộ không?⌄
Có, một số có thể. Pi hoạt động với llama.cpp, Ollama và LM Studio, trong khi OpenCode và Cline cũng hỗ trợ mô hình cục bộ. Các mô hình cục bộ nhỏ hơn có thể gặp khó khăn với quy trình phức tạp, nên hãy bắt đầu với tác vụ đơn giản.
Các bộ khung tác tử AI có an toàn khi chạy trên máy tính của tôi không?⌄
Có thể an toàn, nhưng chỉ khi bạn kiểm soát được những gì chúng có thể truy cập. Bộ khung chạy lệnh và chỉnh sửa tệp, nên hãy dùng lời nhắc cấp quyền và sandbox khi có. Ví dụ, OpenHands mặc định cho tác tử toàn quyền truy cập hệ tệp của bạn, và chạy nó với sandbox Docker sẽ giới hạn điều đó.
Là một nhà khoa học dữ liệu được chứng nhận, tôi đam mê tận dụng công nghệ tiên tiến để tạo ra các ứng dụng học máy đổi mới. Với nền tảng vững chắc về nhận dạng giọng nói, phân tích và báo cáo dữ liệu, MLOps, AI hội thoại và NLP, tôi đã rèn giũa kỹ năng phát triển các hệ thống thông minh có thể tạo ra tác động thực sự. Bên cạnh chuyên môn kỹ thuật, tôi cũng là một người truyền đạt tốt, có khả năng chắt lọc các khái niệm phức tạp thành ngôn ngữ rõ ràng, súc tích. Nhờ đó, tôi trở thành một blogger được nhiều người quan tâm trong lĩnh vực khoa học dữ liệu, chia sẻ góc nhìn và kinh nghiệm với cộng đồng các chuyên gia dữ liệu ngày càng lớn. Hiện tại, tôi tập trung vào sáng tạo và biên tập nội dung, làm việc với các mô hình ngôn ngữ lớn để phát triển nội dung mạnh mẽ và hấp dẫn, giúp doanh nghiệp và cá nhân tận dụng tối đa dữ liệu của mình.
%22%3E%0A%20%20%20%20%20%20%20%20%3Crect%20fill%3D%22%23EFEBE4%22%20height%3D%22180%22%20width%3D%22336%22%20%2F%3E%0A%20%20%20%20%20%20%20%20%3Crect%0A%20%20%20%20%20%20%20%20%20%20fill%3D%22%23DD3400%22%0A%20%20%20%20%20%20%20%20%20%20height%3D%22106.6%22%0A%20%20%20%20%20%20%20%20%20%20transform%3D%22rotate(-30%20-208.588%20220.18)%22%0A%20%20%20%20%20%20%20%20%20%20width%3D%22456.125%22%0A%20%20%20%20%20%20%20%20%20%20x%3D%22-208.588%22%0A%20%20%20%20%20%20%20%20%20%20y%3D%22220.18%22%0A%20%20%20%20%20%20%20%20%2F%3E%0A%20%20%20%20%20%20%20%20%3Crect%0A%20%20%20%20%20%20%20%20%20%20fill%3D%22%23FFEC3C%22%0A%20%20%20%20%20%20%20%20%20%20height%3D%2235.875%22%0A%20%20%20%20%20%20%20%20%20%20transform%3D%22rotate(-30%20-208.588%20220.18)%22%0A%20%20%20%20%20%20%20%20%20%20width%3D%22347.576%22%0A%20%20%20%20%20%20%20%20%20%20x%3D%22-208.588%22%0A%20%20%20%20%20%20%20%20%20%20y%3D%22220.18%22%0A%20%20%20%20%20%20%20%20%2F%3E%0A%20%20%20%20%20%20%20%20%3Crect%0A%20%20%20%20%20%20%20%20%20%20fill%3D%22%23FF931E%22%0A%20%20%20%20%20%20%20%20%20%20height%3D%2235.875%22%0A%20%20%20%20%20%20%20%20%20%20transform%3D%22rotate(-30%20-226.525%20189.111)%22%0A%20%20%20%20%20%20%20%20%20%20width%3D%22347.576%22%0A%20%20%20%20%20%20%20%20%20%20x%3D%22-226.525%22%0A%20%20%20%20%20%20%20%20%20%20y%3D%22189.111%22%0A%20%20%20%20%20%20%20%20%2F%3E%0A%20%20%20%20%20%20%20%20%3Crect%0A%20%20%20%20%20%20%20%20%20%20fill%3D%22%23DD3400%22%0A%20%20%20%20%20%20%20%20%20%20height%3D%22106.6%22%0A%20%20%20%20%20%20%20%20%20%20transform%3D%22rotate(-30%2085.5879%20256.055)%22%0A%20%20%20%20%20%20%20%20%20%20width%3D%22456.125%22%0A%20%20%20%20%20%20%20%20%20%20x%3D%2285.5879%22%0A%20%20%20%20%20%20%20%20%20%20y%3D%22256.055%22%0A%20%20%20%20%20%20%20%20%2F%3E%0A%20%20%20%20%20%20%20%20%3Crect%0A%20%20%20%20%20%20%20%20%20%20fill%3D%22%23FFEC3C%22%0A%20%20%20%20%20%20%20%20%20%20height%3D%2235.875%22%0A%20%20%20%20%20%20%20%20%20%20transform%3D%22rotate(-30%2085.5879%20256.055)%22%0A%20%20%20%20%20%20%20%20%20%20width%3D%22184.5%22%0A%20%20%20%20%20%20%20%20%20%20x%3D%2285.5879%22%0A%20%20%20%20%20%20%20%20%20%20y%3D%22256.055%22%0A%20%20%20%20%20%20%20%20%2F%3E%0A%20%20%20%20%20%20%20%20%3Crect%0A%20%20%20%20%20%20%20%20%20%20fill%3D%22%23FF931E%22%0A%20%20%20%20%20%20%20%20%20%20height%3D%2235.875%22%0A%20%20%20%20%20%20%20%20%20%20transform%3D%22rotate(-30%20227.432%20132.736)%22%0A%20%20%20%20%20%20%20%20%20%20width%3D%22271.625%22%0A%20%20%20%20%20%20%20%20%20%20x%3D%22227.432%22%0A%20%20%20%20%20%20%20%20%20%20y%3D%22132.736%22%0A%20%20%20%20%20%20%20%20%2F%3E%0A%20%20%20%20%20%20%3C%2Fg%3E%0A%20%20%20%20%20%20%3Cdefs%3E%0A%20%20%20%20%20%20%20%20%3CclipPath%20id%3D%22clip%22%3E%0A%20%20%20%20%20%20%20%20%20%20%3Crect%20fill%3D%22white%22%20height%3D%22180%22%20width%3D%22336%22%20%2F%3E%0A%20%20%20%20%20%20%20%20%3C%2FclipPath%3E%0A%20%20%20%20%20%20%3C%2Fdefs%3E%0A%20%20%20%20%3C%2Fsvg%3E)
Các bộ khung (harness) tác tử AI đã xuất hiện một thời gian, nhưng chúng đã thay đổi rất nhiều trong khoảng một năm rưỡi qua. Chúng ta đã đi từ những tác tử đơn giản chỉ có thể chạy lệnh Bash và chỉnh sửa tệp sang các hệ thống có thể tìm kiếm web, kết nối công cụ bên ngoài, quản lý ngữ cảnh, ghi nhớ hội thoại trước đó và hoàn thành các tác vụ phức tạp.
Các bộ khung AI hiện đại nay hỗ trợ kỹ năng có thể tái sử dụng, nhiều tác tử phối hợp cùng nhau và thực thi công cụ song song. Các nhà phát triển cũng tìm ra cách tốt hơn để quản lý ngữ cảnh, giảm sử dụng token và giúp tác tử nhanh hơn, đáng tin cậy hơn.
Điều tôi thấy thú vị là trọng tâm đang chuyển từ cải thiện mô hình AI sang cải thiện bộ khung bao quanh chúng. Nhiều cải thiện hiệu năng mà chúng ta thấy ở tác tử AI ngày nay đến từ công cụ tốt hơn, quy trình thông minh hơn và quản lý ngữ cảnh hiệu quả hơn, không chỉ từ mô hình tốt hơn.
Về cốt lõi, một bộ khung tác tử AI là phần mã kết nối mô hình AI với các công cụ của nó, quản lý thực thi và tạo vòng phản hồi cho phép tác tử điều chỉnh dựa trên kết quả và sửa sai.
Trong bài viết này, tôi sẽ đề cập 10 bộ khung tác tử AI mã nguồn mở phổ biến và hữu ích nhất năm 2026, xem điều gì làm nên khác biệt của từng bộ và cách bắt đầu với chúng. Số lượng sao GitHub tính đến tháng 11/2026. Để tìm hiểu sâu hơn cách xây dựng bộ khung, xem Hướng dẫn Kỹ thuật Bộ Khung Tác Tử của chúng tôi.
Bộ khung tác tử AI là gì?
Bộ khung tác tử AI là hệ thống cung cấp cho mô hình AI các công cụ và môi trường cần thiết để hoàn thành nhiệm vụ.
Hãy coi mô hình AI là bộ não và bộ khung là mọi thứ giúp nó hành động. Một bộ khung cho phép mô hình tự thực thi các đề xuất của chính nó: nó có thể đọc tệp, chạy lệnh và kiểm tra kết quả.
Ví dụ, hãy tưởng tượng bạn có một ứng dụng Python liên tục bị sập. Thay vì sao chép lỗi vào ChatGPT và tự tay áp dụng các bản sửa được gợi ý, bạn yêu cầu một tác tử lập trình AI:
"Tìm lý do tại sao ứng dụng Python của tôi bị sập, sửa vấn đề và đảm bảo tất cả bài kiểm thử đều qua."
Bộ khung cho phép mô hình AI đọc mã của bạn, chạy ứng dụng, tìm lỗi, chỉnh sửa các tệp liên quan và chạy kiểm thử. Nếu kiểm thử thất bại, nó gửi kết quả lại cho mô hình để thử giải pháp khác.
Tất cả có thể diễn ra qua một yêu cầu duy nhất, với rất ít can thiệp thủ công.
Bộ khung tác tử AI thực sự làm gì?
Hầu hết các bộ khung tác tử AI cung cấp 5 năng lực thiết yếu:
Một số bộ khung cũng hỗ trợ nhiều tác tử cùng làm việc trên các phần khác nhau của một dự án.
Cùng một mô hình AI có thể thể hiện rất khác nhau tùy theo bộ khung. Trong các bài kiểm thử DeepSeek V4 Flash của Composio, cùng một mô hình đạt điểm từ 46,7% đến 66,7% tùy theo bộ khung, và tác tử Pi tối giản đứng đầu.
Một bộ khung được thiết kế tốt với vài công cụ hữu ích và quản lý ngữ cảnh tốt đôi khi có thể vượt trội hơn hệ thống phức tạp hơn nhiều. Đó là lý do bạn nên chọn bộ khung cẩn trọng như khi chọn mô hình.
Bây giờ, hãy cùng xem 10 bộ khung tác tử AI mã nguồn mở hàng đầu năm 2026.
1. Codex CLI: Bộ khung tác tử AI mã nguồn mở tốt nhất cho kỹ thuật phần mềm
Codex CLI là lựa chọn hàng đầu của tôi cho tác tử lập trình AI mã nguồn mở. Do OpenAI phát triển và chủ yếu viết bằng Rust, nó gọn nhẹ và được xây dựng cho nhà phát triển làm các dự án kỹ thuật phần mềm chuyên nghiệp. Nó có khoảng 134 nghìn sao trên GitHub.
Điểm làm Codex nổi bật là khối lượng công việc nó có thể tự xử lý. Nó có thể xây dựng dự án hoàn chỉnh, làm việc với công cụ sẵn có của bạn, sửa lỗi và chạy kiểm thử. Bạn có thể giao một nhiệm vụ phức tạp và để nó đảm nhiệm phần lớn quy trình phát triển.
Đánh đổi chính là sự tập trung vào OpenAI: hướng dẫn nhanh đăng nhập bằng tài khoản ChatGPT hoặc khóa API OpenAI.
Điểm nổi bật của Codex CLI
Cách cài đặt Codex CLI
Mỗi trình cài đặt trong bài này đều pipe một script từ xa vào shell của bạn, vì vậy hãy xem trước script nếu bạn muốn kiểm tra nó làm gì.
macOS và Linux:
Windows (PowerShell):
npm hoặc Homebrew (mọi nền tảng được hỗ trợ):
Đi tới thư mục dự án của bạn và khởi chạy Codex:
Đăng nhập bằng tài khoản ChatGPT của bạn hoặc cấu hình truy cập API để bắt đầu lập trình.
Ví dụ, bạn có thể yêu cầu Codex xây dựng một bảng điều khiển Python hoàn chỉnh với frontend, backend, kiểm thử và tài liệu. Nó có thể xử lý phần lớn triển khai trong khi bạn rà soát kết quả. Để thực hành từng bước, xem hướng dẫn OpenAI Codex CLI của chúng tôi.
2. OpenCode: Bộ khung tác tử AI mã nguồn mở tốt nhất về linh hoạt mô hình
OpenCode là một trong những tác tử lập trình AI tôi yêu thích suốt hơn một năm qua. Nó hoạt động trên Windows, macOS và Linux, hỗ trợ rất nhiều mô hình AI và cho phép nhà phát triển tự do tùy biến quy trình làm việc.
Đây cũng là một trong những tác tử lập trình mã nguồn mở phổ biến nhất, với khoảng 226 nghìn sao GitHub. Điều tôi đặc biệt thích là bạn không bị khóa vào một nhà cung cấp AI. Bạn có thể dùng OpenAI, Anthropic, Google hoặc mô hình cục bộ, tất cả trong cùng giao diện.
Điểm nổi bật của OpenCode
Điểm trừ với tôi là OpenCode có thể cảm giác hơi cồng kềnh so với các tác tử đơn giản hơn. Nó bao gồm nhiều tính năng mà phần lớn nhà phát triển có thể không bao giờ dùng, và các phiên lớn đôi khi phản hồi kém nhạy hơn. Tuy vậy, nếu bạn coi trọng sự linh hoạt và lựa chọn mô hình, OpenCode rất khó bị vượt qua.
Cách cài đặt OpenCode CLI
Windows (WSL), macOS và Linux:
Sau khi cài đặt, đi tới thư mục dự án của bạn và khởi chạy OpenCode:
Dùng
/connectđể cấu hình nhà cung cấp AI ưa thích của bạn, hoặc bắt đầu với các mô hình miễn phí sẵn có. Bạn cũng có thể tải ứng dụng desktop OpenCode nếu thích giao diện đồ họa.Để thử OpenCode với mô hình chạy trên máy của bạn, xem hướng dẫn chạy Qwen3.8-Flash-Next cục bộ với OpenCode.
3. OpenClaw: Bộ khung tác tử AI mã nguồn mở tốt nhất cho tự động hóa AI cá nhân
OpenClaw là một trong những dự án tác tử AI mã nguồn mở lớn nhất năm 2026, với khoảng 394 nghìn sao GitHub. Khác với hầu hết tác tử lập trình trong danh sách này, OpenClaw được thiết kế như một trợ lý AI cá nhân có thể thực sự thực thi tác vụ trên các ứng dụng của bạn.
Nguồn: hướng dẫn về OpenClaw của chúng tôi
Điều làm OpenClaw thú vị là bạn có thể chạy nó trên máy tính hoặc máy chủ của mình và giao tiếp qua WhatsApp, Telegram, Discord, Slack và các nền tảng khác. Nó có thể ghi nhớ ngữ cảnh hữu ích, thực thi lệnh, duyệt web và tự động hóa các tác vụ hằng ngày.
Nó cũng hoạt động như một nền tảng cho các tác tử lập trình khác, bao gồm Codex, và lớp trợ lý của nó được xây dựng trên Pi, một bộ khung khác trong danh sách này.
Điểm nổi bật của OpenClaw
Hạn chế chính là độ phức tạp và yêu cầu bảo mật. OpenClaw có thể truy cập công cụ và tệp nhạy cảm, nên bạn cần cấu hình quyền hạn, sandbox và tích hợp bên ngoài cẩn thận.
Tôi khuyến nghị OpenClaw cho các nhà phát triển muốn vượt ra ngoài trợ lý lập trình và xây dựng trợ lý AI cá nhân hoạt động trên nhiều ứng dụng.
Cách cài đặt tác tử AI OpenClaw
macOS, Linux và Windows (WSL2):
Windows (PowerShell):
Trình cài đặt sẽ bắt đầu quy trình onboarding. Nếu cần, chạy:
Sau khi cấu hình, khởi chạy bảng điều khiển web:
Kết nối mô hình AI và nền tảng nhắn tin bạn ưa thích để bắt đầu.
Ví dụ, bạn có thể cấu hình OpenClaw để giám sát dự án phát triển của bạn, tóm tắt cập nhật, thực thi tác vụ đã được duyệt và gửi kết quả trực tiếp tới Telegram hoặc WhatsApp.
4. Hermes Agent: Bộ khung tác tử AI mã nguồn mở tốt nhất cho bộ nhớ bền bỉ
Hermes Agent, do Nous Research phát triển, ghi nhớ thông tin hữu ích về bạn, các cuộc hội thoại và dự án của bạn xuyên suốt các phiên.
Điều làm Hermes thú vị là cách nó kết hợp bộ nhớ bền bỉ với một tác tử AI hoàn chỉnh. Nó có thể viết mã, chạy lệnh, học kỹ năng tái sử dụng và tự động hóa tác vụ trong khi theo dõi ngữ cảnh quan trọng từ các cuộc trò chuyện trước đó.
Nguồn: Hermes AI Agent by Nous Research | Trang chính thức
Nó có khoảng 260 nghìn sao GitHub.
Điểm nổi bật của Hermes Agent
Hiệu năng lập trình của nó cũng cạnh tranh. Trên Composio Bench, chạy mỗi bộ khung qua cùng bộ tác vụ đa ứng dụng, Hermes đạt tỷ lệ thành công 75,9% (22/29 tác vụ) khi dùng GPT-6 Astra của OpenAI, ngang Codex CLI. Nó cũng ghi nhận thời gian hoàn thành trung bình nhanh nhất trong số các bộ khung được kiểm thử với mô hình đó, ở mức 125 giây mỗi tác vụ.
Hạn chế chính là bộ nhớ của nó không hoàn hảo. Nó chỉ lưu thông tin được chọn thay vì mọi thứ, và chạy quy trình phức tạp với các mô hình cục bộ nhỏ hơn có thể là thách thức.
Tôi khuyến nghị Hermes cho nhà phát triển muốn nhiều hơn một trợ lý lập trình, đặc biệt là những người tìm kiếm một tác tử AI cá nhân ghi nhớ công việc của họ và hữu ích hơn theo thời gian.
Cách cài đặt Hermes Agent
Linux, macOS và Windows (WSL2):
Windows (PowerShell):
Cấu hình nhà cung cấp mô hình ưa thích của bạn:
Khởi động tác tử:
Bạn cũng có thể chạy
hermes setupđể cấu hình công cụ bổ sung, nền tảng nhắn tin và tính năng tự động hóa. Để xem hướng dẫn đầy đủ, hãy xem hướng dẫn thiết lập Hermes Agent của chúng tôi.5. Pi: Bộ khung tác tử AI mã nguồn mở gọn nhẹ tốt nhất cho LLM cục bộ
Pi là bộ khung tác tử AI gọn nhẹ mà tôi yêu thích. Mỗi khi tôi viết hướng dẫn về chạy mô hình ngôn ngữ lớn (LLM) cục bộ, tôi gần như luôn dùng Pi vì nó dễ thiết lập, có kiến trúc tối giản và cảm giác nhẹ hơn nhiều tác tử lập trình lớn.
Điều tôi đặc biệt thích là sự đơn giản. Pi tập trung vào vòng lặp tác tử nhỏ, hiệu quả. Theo kinh nghiệm của tôi, điều này giúp quy trình nhanh và lượng token ở mức hợp lý, trong khi vẫn mang lại kết quả lập trình tương đương các tác tử phức tạp hơn.
Nó có khoảng 120 nghìn sao GitHub. Pi hiện do Earendil phát triển, đơn vị mua lại dự án từ người tạo, Mario Zechner, vào tháng 4/2026, và vẫn theo giấy phép MIT. OpenClaw được xây dựng trên các thành phần của Pi.
Điểm nổi bật của Pi
Hiệu năng của nó cũng cạnh tranh. Trên Composio Bench, Pi đạt tỷ lệ thành công 69% khi dùng GPT-6 Astra, ngang bằng OpenCode trên cùng 29 tác vụ.
Giới hạn chính là các tính năng như tác tử phụ và lập kế hoạch không được tích hợp sẵn theo mặc định. Bạn cần tiện ích mở rộng hoặc triển khai tùy chỉnh cho những tính năng đó. Tuy nhiên, chính sự đơn giản này là lý do tôi ưa chuộng Pi cho thử nghiệm LLM cục bộ và các dự án lập trình gọn nhẹ.
Cách cài đặt Pi AI Agent CLI
macOS và Linux:
Windows (PowerShell):
Đi tới thư mục dự án của bạn và khởi chạy Pi:
Dùng
/loginđể kết nối nhà cung cấp AI hoặc cấu hình mô hình cục bộ. Sau đó dùng/modelđể chọn mô hình bạn muốn chạy.Để xem Pi hoạt động với mô hình cục bộ, hãy thử hướng dẫn chạy Bonsai 27B cục bộ của chúng tôi.
6. Cline: Bộ khung tác tử AI mã nguồn mở tốt nhất cho VS Code
Cline là một trong những tác tử lập trình AI mã nguồn mở đầu tiên trở nên phổ biến như một tiện ích mở rộng VS Code. Nó nhanh chóng thu hút đông đảo nhà phát triển và dẫn đến các nhánh như Roo Code.
Dù tôi không dùng Cline nhiều như các tác tử khác trong danh sách, tiến độ phát triển và phản hồi cộng đồng của nó rất ấn tượng. Hiện nó hỗ trợ nhiều IDE, một CLI, bảng tác vụ Kanban và SDK, với khoảng 70 nghìn sao trên GitHub.
Điểm nổi bật của Cline
Trên Composio Bench, Cline đạt 79,3% tỷ lệ thành công (23/29 tác vụ) khi dùng GPT-6 Astra, hơn Codex CLI và Hermes Agent một tác vụ. Điều đó giúp nó là bộ khung đạt điểm hoàn thành tác vụ cao nhất.
Hạn chế chính là tốc độ. Cline trung bình 193 giây mỗi tác vụ trong cùng benchmark, so với 125 giây của Hermes Agent.
Cách cài đặt tác tử AI Cline
VS Code (Windows, macOS và Linux):
Mở VS Code, vào Extensions (
Ctrl+Shift+Xtrên Windows và Linux,Cmd+Shift+Xtrên macOS), tìm Cline và nhấp Install.Hoặc, cài CLI bằng npm (yêu cầu Node.js 22 trở lên):
Cấu hình nhà cung cấp AI ưa thích:
Đi tới thư mục dự án của bạn và khởi chạy Cline:
Giờ bạn có thể yêu cầu Cline khám phá codebase, triển khai tính năng, sửa lỗi và chạy kiểm thử trong khi bạn rà soát thay đổi của nó. Với ví dụ thực hành, xem hướng dẫn Cline AI của chúng tôi.
7. DeepSeek Harness: Bộ khung tác tử AI mã nguồn mở tốt nhất cho các mô hình DeepSeek
DeepSeek Harness ra mắt ngày 13/08/2026 và vượt 186.000 sao GitHub trong 10 ngày đầu, trở thành một trong những dự án tác tử AI mã nguồn mở tăng trưởng nhanh nhất. Hiện có khoảng 279 nghìn sao.
Tôi đã dùng DeepSeek Harness, và điều gây ấn tượng lớn nhất là tốc độ, đặc biệt khi làm việc với DeepSeek-V4.1-Flash. Nó được tinh chỉnh cho các mô hình DeepSeek và đi kèm hầu như mọi thứ bạn kỳ vọng ở một tác tử lập trình hiện đại.
Một điểm tôi rất thích nữa là tính minh bạch. Bạn có thể kiểm tra lời gọi công cụ, dấu vết thực thi và thống kê chi tiết để hiểu tác tử của bạn hoạt động ra sao.
Điểm nổi bật của DeepSeek Harness
Hạn chế chính là DeepSeek Harness vẫn ở giai đoạn xem trước dành cho nhà phát triển. Plugin và API đang thay đổi, và cập nhật có thể gây thay đổi phá vỡ tương thích.
Tôi khuyến nghị cho nhà phát triển thường xuyên dùng mô hình DeepSeek hoặc muốn một bộ khung tác tử tùy biến cao với thông tin thực thi chi tiết.
Cách cài đặt DeepSeek Harness
Trước tiên, cài Node.js 22.19 trở lên trên Windows, macOS hoặc Linux.
Sau đó khởi chạy DeepSeek Harness bằng npx:
Thao tác này tự động khởi chạy giao diện web cục bộ tại
http://127.0.0.1:3080.Cấu hình khóa API DeepSeek của bạn, chọn mô hình ưa thích và bắt đầu xây dựng. Bạn cũng có thể tải ứng dụng desktop từ trang chính thức của DeepSeek Harness. Để xem hướng dẫn từng bước, xem hướng dẫn DeepSeek Harness của chúng tôi.
8. Deep Agents: Bộ khung tác tử AI mã nguồn mở tốt nhất cho tác tử AI tùy chỉnh
Deep Agents là bộ khung tác tử AI mã nguồn mở do LangChain phát triển. Khác với hầu hết tác tử lập trình trong danh sách, nó được thiết kế cho cả phát triển phần mềm và xây dựng tác tử AI tùy chỉnh có thể xử lý tác vụ phức tạp, nhiều bước.
Nguồn: Tổng quan Deep Agents - Tài liệu của LangChain
Điều tôi thấy thú vị ở Deep Agents là bạn có thể dùng tác tử lập trình terminal dựng sẵn hoặc tự xây bằng Python hay TypeScript. Nó đã bao gồm lập kế hoạch, bộ nhớ, tác tử phụ và quản lý ngữ cảnh, nên bạn không phải xây mọi thứ từ đầu.
Dự án cũng thu hút sự chú ý đáng kể, với khoảng 31 nghìn sao GitHub.
Điểm nổi bật của Deep Agents
Các cải thiện benchmark cũng đáng chú ý. Tháng 2/2026, LangChain báo cáo cải thiện điểm Terminal Bench 2.0 của tác tử lập trình từ 52,8% lên 66,5% với gpt-5.2-codex, chỉ bằng cách tinh chỉnh prompt, công cụ và middleware mà không thay đổi mô hình nền tảng.
Tôi khuyến nghị Deep Agents cho nhà phát triển xây ứng dụng AI riêng hơn là những người tìm trợ lý lập trình đơn giản nhất. Với tác vụ lập trình gọn nhẹ, Pi hoặc Codex CLI có thể dễ bắt đầu hơn. Để biết thêm về SDK, xem hướng dẫn Deep Agents của chúng tôi.
Cách cài đặt Deep Agents
Cài Deep Agents Code (macOS và Linux, hoặc Windows qua WSL):
Khởi động tác tử lập trình:
Chọn mô hình AI của bạn và cấu hình xác thực để bắt đầu làm việc.
Với tác tử AI tùy chỉnh dùng Python, tạo dự án với
uvvà cài SDK:Sau đó bạn có thể dùng
create_deep_agent()để xây tác tử với mô hình, công cụ, prompt và quy trình của riêng bạn.Ví dụ, bạn có thể xây tác tử nghiên cứu tìm kiếm web, phân tích tài liệu, ủy thác nghiên cứu cho tác tử phụ và tạo báo cáo cuối cùng.
9. OpenHands: Bộ khung tác tử AI mã nguồn mở tốt nhất cho phát triển phần mềm tự chủ
OpenHands là một trong những dự án tác tử lập trình AI mã nguồn mở sớm nhất. Nó khởi đầu vào tháng 3/2024 với tên OpenDevin, khi các nhà phát triển còn đang khám phá GPT-3.5 và GPT-4 có thể làm gì ngoài chat và sinh mã đơn giản.
Nguồn: OpenHands/OpenHands: OpenHands: AI-Driven Development
Thời điểm đó, ý tưởng giao một tác vụ cho tác tử AI và để nó xây dự án thực tế rất hấp dẫn. OpenHands giúp hiện thực hóa điều đó bằng cách cho phép tác tử viết mã, thực thi lệnh, sửa lỗi và tự kiểm thử công việc.
Ngày nay, nó đã phát triển thành một nền tảng hoàn chỉnh cho phát triển phần mềm tự chủ, với khoảng 93 nghìn sao GitHub.
Điểm nổi bật của OpenHands
Hạn chế chính là độ phức tạp. So với các bộ khung gọn nhẹ như Pi hoặc Codex CLI, OpenHands cần thiết lập và tài nguyên nhiều hơn, đặc biệt khi dùng môi trường thực thi cách ly.
Tôi khuyến nghị cho nhà phát triển muốn chạy tác tử lập trình tự chủ, quản lý nhiều quy trình hoặc xây hệ thống phát triển dựa trên tác tử riêng. Để xem chi tiết hơn, xem hướng dẫn OpenHands của chúng tôi.
Cách cài đặt tác tử AI OpenHands
Cách dễ nhất để chạy OpenHands cục bộ là qua Agent Canvas.
Trước tiên, cài Node.js 24 trở lên và uv.
Sau đó cài Agent Canvas trên Windows, macOS hoặc Linux:
Khởi động ứng dụng:
Mở giao diện web tại
http://localhost:8000.Cấu hình mô hình AI ưa thích, chọn không gian làm việc và bắt đầu giao nhiệm vụ lập trình cho tác tử.
Mặc định, điều này chạy tác tử trực tiếp trên máy của bạn với toàn quyền truy cập hệ tệp. Để giữ tác tử tránh xa các tệp ngoài không gian làm việc đã cấu hình, hãy chạy Agent Canvas với sandbox Docker thay thế:
10. mini-SWE-agent: Bộ khung tác tử AI mã nguồn mở tối giản tốt nhất cho kỹ thuật phần mềm
mini-SWE-agent là một trong những bộ khung lập trình AI đơn giản nhất mà tôi từng gặp. Được xây dựng bởi các nhà nghiên cứu đứng sau SWE-agent và SWE-bench, nó theo một cách tiếp cận khác so với các tác tử lập trình nhiều tính năng.
Tác tử lõi được viết trong khoảng 100 dòng Python. Thay vì xây hệ thống công cụ và quy trình phức tạp, nó cung cấp cho mô hình AI quyền truy cập Bash và để mô hình tự tìm cách hoàn thành nhiệm vụ.
Cách tiếp cận tối giản này vẫn mang lại hiệu năng lập trình mạnh mẽ. Dự án đã có khoảng 9,5 nghìn sao GitHub và được dùng bởi nhà nghiên cứu, kỹ sư tại các tổ chức như NVIDIA, Meta và IBM.
Điểm nổi bật của mini-SWE-agent
Theo README của dự án, mini-SWE-agent đạt trên 74% trên SWE-bench Verified, một benchmark các issue GitHub thực tế, khi kết hợp với mô hình mạnh như Gemini 3 Pro. Bạn có thể so sánh mô hình trên bảng xếp hạng bash-only của SWE-bench.
Hạn chế chính là thiếu nhiều tính năng tích hợp sẵn như lập kế hoạch nâng cao, tác tử phụ và tích hợp mở rộng. Nhà phát triển có thể cần tự triển khai.
Tôi khuyến nghị mini-SWE-agent cho nhà phát triển và nhà nghiên cứu AI muốn một bộ khung lập trình nhanh, gọn nhẹ, dễ tùy chỉnh, đặc biệt để thử nghiệm các mô hình và kiến trúc tác tử khác nhau.
Cách cài đặt mini-SWE-agent
Cách dễ nhất để cài mini-SWE-agent trên macOS hoặc Linux là dùng
uv:Hoặc cài bằng pip:
Cấu hình mô hình AI và khóa API bạn ưa thích:
Đi tới thư mục dự án của bạn và khởi chạy tác tử:
Bạn cũng có thể chạy trực tiếp mà không cần cài đặt vĩnh viễn:
Ví dụ, bạn có thể yêu cầu mini-SWE-agent khám phá một kho Python, xác định kiểm thử thất bại, sửa lỗi và chạy lại kiểm thử. Nó xử lý mọi thứ qua lệnh shell đơn giản mà không cần một khung tác tử phức tạp.
So sánh 10 bộ khung tác tử AI mã nguồn mở hàng đầu năm 2026
Bảng dưới đây so sánh 10 bộ khung tác tử AI mã nguồn mở hàng đầu dựa trên thế mạnh chính, trường hợp sử dụng lý tưởng và hạn chế.
Lời kết
Các tác tử lập trình đã dẫn dắt lĩnh vực này một thời gian, và giờ chúng ta đang chứng kiến sự dịch chuyển sang trợ lý AI cá nhân và công cụ cho công việc hằng ngày.
Tôi không đưa công cụ đóng mã nguồn vào danh sách này, nhưng các sản phẩm như ChatGPT Work và dots của OpenAI là ví dụ tốt về xu hướng sắp tới. Chúng được thiết kế không chỉ cho nhà phát triển: nhân viên văn phòng, chủ doanh nghiệp, nhà nghiên cứu và cả người không có kinh nghiệm lập trình cũng có thể dùng AI để làm việc với tài liệu, phân tích bảng tính, gửi email, quản lý dự án và tự động hóa tác vụ hằng ngày.
Flow của Google cho thấy một sự dịch chuyển tương tự nhằm khiến AI hữu ích cho công việc sáng tạo. Tất nhiên, phần lớn các bộ khung mã nguồn mở ở trên đã có thể xử lý nhiều tác vụ này với công cụ và tích hợp phù hợp. Khác biệt là các công ty hiện đang xây dựng trải nghiệm chuyên biệt cho các quy trình này thay vì chỉ tập trung vào lập trình.
Bộ khung giờ là nơi phần lớn công việc diễn ra. Các nhà phát triển đang tinh chỉnh toàn bộ bộ khung tác tử, bao gồm công cụ, bộ nhớ, quản lý ngữ cảnh và quy trình, để giúp mô hình thể hiện tốt hơn trên các nhiệm vụ cụ thể.
Nếu bạn muốn tìm hiểu thêm về cách xây dựng bộ khung của riêng mình, tôi khuyên bạn xem khóa học Xây dựng Bộ Khung Tác Tử AI với Strands Agents của chúng tôi.