AI Agent คืออะไร? ต่างจาก AI Model ยังไง
AI Agent คือการนำ AI Model มาประกอบเข้ากับ Plan(การวางแผน) Tool(เครื่องมือ) และ Memory(หน่วยความจำ) แล้วให้ทำงานวนเป็น Loop ไปเรื่อยๆ จนกว่าจะได้ผลลัพธ์ตามเป้าหมายที่เราตั้งไว้ ซึ่งต่างจาก Chatbot ที่ถามคำถามแล้วตอบกลับมาทันที บทความนี้จะพาไปดูว่าแต่ละองค์ประกอบืำหน้าที่อะไร และเมื่อประกอบร่างกันแล้ว AI Agent มีวิธีทำงานยังไง
AI Model(LLM) ทำหน้าที่อะไร
ทุกอย่างเริ่มจาก AI Model ซึ่งเป็นหัวใจของเรื่องทั้งหมด AI Model มีหลายประเภท แต่สิ่งที่เรากำลังพูดถึงคือ LLM(Large Language Model)
LLM ทำหน้าที่ประมวลผลว่า คำถัดไปคำไหนมีโอกาสเกิดขึ้นมากที่สุด โดยเราใส่ Prompt และ Context เข้าไป แล้ว Model จะคำนวณ Probability ว่าคำไหนมีแนวโน้มจะต่อท้ายมากที่สุด จากนั้นเติมคำนั้นเข้าไป แล้วคำนวณคำถัดไปต่อทีละคำ
ยกตัวอย่างเช่น “ท้องฟ้าวันนี้สี…” คำว่า ฟ้า มี Probability สูงที่สุด ส่วนสีเทาหรือสีส้มมี Probability น้อยกว่า ผลลัพธ์จึงออกมาเป็น “ท้องฟ้าวันนี้สีฟ้า”
LLM ที่เราใช้กันในปัจจุบันเริ่มต้นมาจาก Transformer ในปี 2017 และเป็นที่รู้จักอย่างมากเมื่อมี ChatGPT เกิดขึ้น
จุดอ่อน 4 ข้อของ AI Model
ถึง LLM จะดูเก่ง แต่ถ้าใช้ AI Model อย่างเดียวก็ยังมีข้อจำกัดที่ทำให้ตอบโจทย์การใช้งานจริงไม่ได้ทั้งหมด
- ความรู้มีจำกัด Model ไม่รู้ข้อมูลส่วนตัวของเรา และไม่รู้ข้อมูลภายในองค์กร
- ทำงานข้ามแชทไม่ได้ เพราะ Model จำอะไรไม่ได้เลย ทุกครั้งที่ทำงานจะต้องส่งข้อความทั้งหมดกลับเข้าไปใหม่เสมอ
- ลงมือทำ Action ไม่ได้ เพราะ Model ไม่ได้เชื่อมต่อกับระบบอื่น จึงทำได้แค่ตอบคำถาม แล้วให้เราเป็นคนลงมือทำเอง
- มีข้อผิดพลาด เช่น Hallucination(อาการหลอน) ที่อาจตอบผิด หรือได้คำตอบที่ไม่ตรงกับความจริง
องค์ประกอบที่เหลือของ AI Agent ทั้ง Plan, Tool และ Memory ถูกเพิ่มเข้ามาเพื่อแก้จุดอ่อนเหล่านี้
Plan คิดทีละขั้น
แนวคิดแรกในการแก้ปัญหาคือ แยกการวางแผนออกมาก่อน ซึ่งเริ่มตั้งแต่ระดับ Prompt Engineering
- Chain-of-Thought แทนที่จะสั่งคำสั่งเดียวแล้วให้ Model ตอบทันที ให้แตกงานออกเป็น Step ย่อยๆ แล้วค่อยๆ ทำไปทีละขั้นจนได้คำตอบ
- ReAct พัฒนาต่อมาจากแนวคิดนี้ โดยแยกการทำงานออกเป็น 2 ส่วนคือ Reason(การคิดหาเหตุผล) และ Action(การลงมือทำ)
ขั้นตอนการทำงานของ ReAct มีดังนี้
- รับข้อมูลเข้ามาแล้วคิด (Reason) ว่าต้องทำอะไรต่อ
- ส่ง Action ออกไปเรียกใช้ Tool เช่น ถ้าข้อมูลไม่เพียงพอให้ไป Search ข้อมูลจากภายนอก หรือถ้าต้องคำนวณก็ใช้ Calculator
- นำผลลัพธ์กลับมาตรวจสอบเป็น Observation ว่าผลลัพธ์ที่ได้ถูกต้องหรือไม่
- วนทำแบบนี้ไปเรื่อยๆ จนกว่าจะได้ข้อมูลที่ตรงตาม Plan ที่วางไว้
ทั้ง Chain-of-Thought และ ReAct มีแนวคิดเดียวกันคือ แตกงานใหญ่ออกเป็นชิ้นย่อยๆ
Tool โมเดลขอ ระบบทำ
หลังจากวางแผนแล้ว Agent ต้องเชื่อมต่อกับ Tool หรือเครื่องมือต่างๆ ได้ด้วย สิ่งที่ต้องเข้าใจคือ AI Model ไม่สามารถไป Search หาข้อมูลเองได้ แต่จะส่งคำสั่งไปที่ Agent Runtime แล้ว Agent Runtime เป็นคนทำให้
ยกตัวอย่างเช่น เราพิมพ์ Prompt เข้าไปค้นหาข้อมูล ถ้า Model ไม่เข้าใจคำไหน
- AI Model ส่งคำสั่งเรียกใช้เครื่องมือไปที่ Agent Runtime
- Agent Runtime ไป Search หาข้อมูลจากหน้าเว็บ
- เมื่อได้ข้อมูลกลับมา Agent Runtime ส่งผลลัพธ์กลับเข้าไปที่ Model
AI Model เป็นคน “ขอ” ส่วนระบบ (Agent Runtime) เป็นคน “ทำ”
ต่อมาในปี 2024 MCP ก็เกิดขึ้น ปัจจุบันการเชื่อมต่อกับเครื่องมือภายนอก ไม่ว่าจะเป็น API, Database, การ Search ข้อมูลจากเว็บ หรือฟังก์ชันที่ใช้คำนวณ จะทำผ่าน Protocol ที่มีมาตรฐานกำหนดไว้ ซึ่งในปัจจุบันมีอยู่ 2 ตัวคือ MCP และ UTCP
Memory ความจำที่ AI Model ไม่เคยมี
อีกส่วนหนึ่งที่ AI Model ไม่เคยมีเลยคือ Memory เดิมทีการใช้งาน AI จะทำงานเป็นแชท โดยมีแอปพลิเคชันคอยเก็บข้อความในแชทแล้วส่งเข้าไปใน AI Model ทุกครั้ง ส่วนที่เก็บข้อความในแชทนี้เรียกว่า Context Window ซึ่งมีปัญหา 2 อย่าง
- Context Window มีขนาดจำกัด
- ยิ่ง Context Window มีขนาดใหญ่ Model ก็ยิ่งทำงานได้แย่ลง
เราจึงต้องพยายามทำให้ Context Window มีขนาดเล็กอยู่เสมอ
การมี Memory ทำให้ AI Agent จดจำผลลัพธ์ที่ได้กลับมาได้ และสามารถ Compact(ย่อ) Context Window ลงได้ โดย Memory ของ Agent แบ่งออกเป็น
- Context ใช้จดจำการทำงานที่กำลังทำอยู่ตรงหน้า
- Working Memory เก็บผลลัพธ์ที่ได้จาก Agent ทำให้เก็บข้อมูลของแต่ละ State ในแต่ละ Workflow ได้
- ข้อมูลระยะยาว ถ้าต้องการข้อมูลระยะยาวจาก RAG หรือ Database ก็ยังทำได้เหมือนเดิม โดยดึงเข้ามาใน Memory
ประกอบร่าง 4 องค์ประกอบของ AI Agent
เมื่อนำทุกส่วนมารวมกัน AI Agent จะประกอบด้วย
- AI Model เป็นสมองที่ใช้คิดและประมวลผล
- Plan การวางแผนการทำงาน ตามหลักการ Chain-of-Thought และการแยก Reason กับ Acting ออกจากกัน
- Tool ส่วนของ Acting ที่เชื่อมต่อกับเครื่องมือต่างๆ
- Memory จดจำผลลัพธ์ที่ได้ในแต่ละขั้นตอน และเก็บ State(สถานะ) ของงานไว้
แต่การมีครบทั้ง 4 องค์ประกอบ ยังไม่เพียงพอ ต่อการเป็น Agent เพราะ Agent จะต้องทำงานเป็น Iteration(ทำซ้ำเป็นรอบ) เหมือนแนวคิดของ ReAct
Agent Loop 5 ขั้นตอน
กระบวนการทำงานของ AI Agent จะทำเป็น Loop ดังนี้
- Goal ตั้งเป้าหมาย ซึ่งก็คือคำสั่งที่เราใส่เข้าไปใน Prompt เพื่อระบุว่าสิ่งที่เราอยากได้คืออะไร
- Plan Agent แตกงานที่เราพิมพ์เข้าไปใน Prompt ออกมาเป็นแผน
- Act เชื่อมต่อกับเครื่องมือที่ต้องการ เพื่อดึงข้อมูลมารวบรวม
- Observe เมื่อได้ข้อมูลทั้งหมดมาแล้ว ตรวจสอบ Output ที่ได้
- Reflect ประเมินผลลัพธ์ แล้วปรับแผนใหม่
จากนั้นจะกลับเข้าสู่รอบเดิม ทำเป็น Iteration ไปเรื่อยๆ จนกว่าจะได้ผลลัพธ์ตามที่ต้องการ แล้ว Model จึงตอบผลลัพธ์กลับออกมา
ตัวอย่าง 1 รอบใน Loop
สมมุติว่าเราพิมพ์ Prompt เข้าไปว่า “ช่วยเปรียบเทียบการทำงานของ Postman, Bruno และ Insomnia ซึ่งเป็นเครื่องมือทดสอบ API ว่าแตกต่างกันยังไง”
- AI Model ต้องคิดก่อนว่าจะรู้ได้ยังไงว่า Postman, Insomnia และ Bruno แตกต่างกันยังไง คำตอบคือต้องไป Search ข้อมูลจากเว็บ
- Agent เรียกใช้ Web Search ผ่าน LangChain Tool แล้วดึงข้อมูลกลับมา
- ข้อมูลที่ได้กลับมาจะถูกรวมไว้ใน Context แล้วส่งกลับเข้าไปที่ Model
- ทำแบบนี้จนได้ข้อมูลครบทั้ง Postman, Insomnia และ Bruno
อ่านเพิ่มเติมเกี่ยวกับการทดสอบ API ด้วย Postman
เมื่อเจอปัญหา Agent จะปรับแผนใหม่
ระหว่างที่ Search หาข้อมูลของ Postman, Insomnia และ Bruno ถ้าเกิดเว็บไซต์ของ Insomnia Down หรือหาข้อมูลไม่ได้ ก็จะเกิดข้อผิดพลาดขึ้น เมื่อเป็นแบบนี้ AI Agent จะ Reflect คือปรับแผนใหม่
- ไป Search หาข้อมูลจากเว็บไซต์หรือแหล่งข้อมูลอื่นแทน
- รวมผลลัพธ์ใหม่
- วน Loop แบบนี้ไปเรื่อยๆ จนการเปรียบเทียบเสร็จสมบูรณ์
สุดท้ายผลลัพธ์ที่ได้จะถูกสรุปเก็บไว้ใน Memory
AI Workflow กับ AI Agent ต่างกันยังไง
สิ่งที่มักสับสนกันอยู่เสมอคือ AI Workflow กับ AI Agent ซึ่งแยกง่ายๆ ได้แบบนี้
- AI Workflow มีลำดับและขั้นตอนการทำงานที่ชัดเจน ถูกกำหนดไว้แล้วด้วย Programming
- AI Agent ไม่มีขั้นตอนที่กำหนดไว้ตายตัว การทำงานเป็น Loop ที่วนซ้ำและปรับแผนไปเรื่อยๆ โดยให้ Agent คิดเองว่าขั้นต่อไปต้องการอะไร จะเรียกใช้เครื่องมือตัวไหน และต้องการข้อมูลอะไรมาประมวลผล
ลักษณะสำคัญของ AI Agent คือการทำให้ Model คิดช้าลง ทำงานช้าลง หรือ Think Slow (คิด ตรวจ ทำซ้ำ) ในขณะที่การใช้ AI Model ในยุคก่อนเป็นแบบ Think Fast คือใส่ข้อมูลเข้าไปแล้วได้ผลลัพธ์กลับมาทันที หรือทำงานตามขั้นตอนที่กำหนดไว้แล้วด้วย Programming ซึ่งทำงานได้รวดเร็ว เพราะไม่ต้องคิด ไม่ต้องตรวจเช็ก และไม่ต้องทำซ้ำ
Human-in-the-Loop
AI Agent ส่วนใหญ่ถูกสร้างขึ้นมาเพื่อทำงานแบบอัตโนมัติ (Automation) แต่เราไม่สามารถปล่อยให้ทุกอย่างเกิดขึ้นอัตโนมัติทั้งหมดได้ จึงอาจต้องมีขั้นตอน Human-in-the-Loop คือมีคนคอย Approve หรือ Confirm ว่าผลลัพธ์ของงานเสร็จสมบูรณ์แล้ว
ยกตัวอย่างเช่น ให้ AI ประมวลผลแล้วร่างอีเมลขึ้นมา แต่คนที่กดส่งอีเมลต้องเป็นคนที่มีสิทธิ์ (Authorize) เพื่อให้แน่ใจว่า AI Agent จะไม่ส่งอีเมลออกไปมั่วซั่ว
AI Agent ทำงานอัตโนมัติได้ แต่ควรมีคนเข้ามาคัดกรองในขั้นตอนสุดท้าย
สรุป
AI Agent ประกอบด้วย 4 องค์ประกอบ
- AI Model แกนหลักที่เป็นสมอง
- Plan รับคำสั่งจาก Prompt แล้วแตกออกเป็น Step ย่อยๆ
- Tool ในแต่ละ Step ถ้าต้องการข้อมูลหรือติดต่อเครื่องมือ จะเรียกใช้ Tool ผ่าน Protocol อย่าง MCP หรือ UTCP
- Memory เก็บผลลัพธ์ที่สรุปได้ในแต่ละรอบ
ทั้งหมดนี้ทำงานวนซ้ำเป็นรอบๆ จนข้อมูลมีความถูกต้องและใกล้เคียงกับเป้าหมายที่วางไว้มากขึ้น และเนื่องจาก AI Agent ทำงานอัตโนมัติ จึงอาจต้องมี Human-in-the-Loop คอย Approve ในขั้นตอนสุดท้าย
