VHCSoft's INDEPENDENT TECHNICAL PERSPECTIVE

AI Agents
trong kiến trúc
mạng viễn thông

AI Agents mở rộng tự động hóa từ các rule cố định sang các hệ thống có thể quan sát, lập kế hoạch, phối hợp công cụ và hành động theo mục tiêu. Trong telecom, agent không nên được xem như một lớp “trang trí AI”, mà là kỹ thuật hiện thực hóa cho intent management, OSS/BSS automation, service assurance và vận hành mạng tự chủ.

AI-enabled

Ghi chú tham khảo: Bài viết này được biên soạn theo góc nhìn độc lập. White paper “AI agents in the telecommunication network architecture” của Ericsson chỉ được sử dụng như một nguồn tham khảo kỹ thuật về định nghĩa agent, intent management, MCP, A2A và kiến trúc mạng tự chủ.

Agentic Telecom Architecture — High-level View

NOC / SOC

Con người đặt mục tiêu, phê duyệt và giám sát

Orchestrator Agent

Phân rã mục tiêu và điều phối agent

Business / Enterprise

Intent, SLA, dịch vụ và trải nghiệm

Intent • Policy • Context • Evidence • Approval

Assurance Agent

Alarm, KPI/KQI, RCA, impact

Provisioning Agent

Service, slice, resource orchestration

Security Agent

Anomaly, policy, threat response

OSS/BSS & SMO

NMS, inventory, ITSM, order, charging

Network Domains

RAN, Core, Transport, Cloud, Edge

Exposure Layer

APIs, MCP servers, CAMARA/Open Gateway

Nền tảng khái niệm

Agent là gì trong bối cảnh mạng viễn thông?

Agent là một hệ thống được trao quyền để hành động thay mặt cho con người hoặc một thực thể. Nó quan sát môi trường, duy trì trạng thái, lựa chọn hành động và sử dụng công cụ để đạt mục tiêu. AI Agent là một lớp con của agent, sử dụng mô hình học máy hoặc mô hình ngôn ngữ để thích nghi, suy luận và cập nhật tri thức trong quá trình vận hành.

Quan sát

Thu nhận alarm, telemetry, KPI/KQI, topology, policy, ticket và thay đổi cấu hình.

Suy luận

Liên kết bằng chứng, nhận diện bất thường, đánh giá tác động và đề xuất nguyên nhân gốc.

Lập kế hoạch

Phân rã mục tiêu thành bước xử lý, lựa chọn kỹ năng, công cụ và thứ tự hành động.

Hành động

Gọi API, tạo ticket, chạy workflow, thực hiện kiểm tra hoặc thay đổi đã được phê duyệt.

Ghi nhớ

Lưu bối cảnh sự cố, kết quả RCA, phản hồi vận hành và tri thức từ các phiên trước.

Phối hợp

Làm việc với orchestrator, domain agents, con người và các hệ thống khác qua giao diện chuẩn.

AI Agent = Goal + Context + Reasoning + Memory + Tools + Policy + Action

Kiến trúc tham chiếu

Agent nên được đặt ở đâu trong kiến trúc mạng?

Một nguyên tắc quan trọng là AI Agent không nhất thiết trở thành một network function hoàn toàn mới. Trong nhiều trường hợp, agent là kỹ thuật hiện thực hóa cho các chức năng đã tồn tại như Intent Management Function, rApp, policy function, assurance application hoặc workflow automation.

Lớp 1 — Business & Intent

Biểu đạt kết quả mong muốn, SLA, ưu tiên kinh doanh và constraint.

Enterprise portal · Product · Customer care · SLA

Lớp 2 — Agent Orchestration

Phân rã intent, lựa chọn agent, quản lý kế hoạch, bằng chứng và phê duyệt.

Orchestrator · Coordinator · Copilot

Lớp 3 — Domain Intelligence

Các agent chuyên biệt cho assurance, provisioning, security, optimization và energy.

RAN agent · Core agent · Transport agent · SOC agent

Lớp 4 — MCP / Tool Gateway

Đóng gói khả năng nghiệp vụ mức cao, kiểm soát quyền, schema và audit.

Alarm MCP · Topology MCP · ITSM MCP · Runbook MCP

Lớp 5 — OSS/BSS & Network

Nguồn sự thật và điểm thực thi: NMS, SMO, inventory, PM, ticket, RAN, Core, cloud.

NCE/U2000 · NetAct · OSS · 5GC · O-RAN SMO

Business / Customer

Intent dịch vụ, SLA, order, trải nghiệm, ưu tiên doanh nghiệp.

NOC / SOC / Engineering

Phê duyệt, giám sát, điều tra, quản trị policy và xử lý ngoại lệ.

Knowledge Sources

Runbook, alarm manual, HLD/LLD, RCA history, change records.

Intent & Agent Orchestrator

Nhận mục tiêu, phân rã tác vụ, gán agent, theo dõi trạng thái và kiểm chứng kết quả.

↓ phối hợp ↓

Domain Agents

Assurance · Provisioning · Optimization · Security · Energy · Customer Experience.

↓ tools / resources / prompts ↓

MCP & Policy Gateway

Tool abstraction, RBAC, approval, validation, rate limit, logging và sandbox.

↓ API / event / workflow ↓

OSS/BSS + Network Domains

FM/PM/CM, inventory, ITSM, order, charging, RAN, Core, transport, cloud và edge.

Exposure Layer

Network APIs, CAMARA/Open Gateway, service exposure, location và slicing.

Data & Observability

Telemetry, traces, agent trajectory, model metrics, event history và audit.

Execution & Closed Loop

Workflow engine, automation scripts, controller, rollback và validation.

MCP trong telecom

MCP không phải chỉ là “Wrap the API”

API thường cung cấp thao tác chi tiết cho lập trình viên. MCP tool nên đại diện cho một năng lực hoặc tác vụ mức cao mà agent có thể dùng để đạt mục tiêu. Một tool tốt có thể điều phối nhiều API phía dưới, chuẩn hóa dữ liệu và áp dụng policy trước khi trả kết quả cho agent.

API

API truyền thống

Thao tác hẹp, tham số chính xác, phụ thuộc cấu trúc hệ thống và thường yêu cầu developer hiểu chi tiết.

Ví dụ

GET alarm detail, query KPI table, POST ticket

Mức trừu tượng

Thấp

Đối tượng dùng

Ứng dụng và developer

MCP

MCP tool mức tác vụ

Đóng gói nhiều thao tác thành năng lực nhất quán, thân thiện với agent và được bảo vệ bằng policy.

Ví dụ

analyze_alarm_impact, diagnose_n2_failure, prepare_incident_ticket

Mức trừu tượng

Cao

Đối tượng dùng

Agent và copilot

MCP Server	Khả năng nền cung cấp	Hệ thống phía dưới	Mức rủi ro
Alarm MCP	Phân tích alarm, tương quan, trạng thái active/cleared	NMS/FM/Kafka	Thấp khi read-only
Topology MCP	Dependency, service path, cell-site-core mapping	Inventory/CMDB/GIS	Thấp
Performance MCP	KPI/KQI trend, before/after, anomaly context	PM/Data lake/SmartCare	Thấp
ITSM MCP	Tạo/cập nhật ticket, liên kết RCA và evidence	ServiceNow/Remedy/JSM	Trung bình
Execution MCP	Health check, remediation workflow, rollback	Automation/NMS/SMO	Cao

Use cases ưu tiên

AI Agents có thể tạo giá trị ở đâu?

A1

Alarm triage & RCA

Thu thập context từ alarm, KPI, topology, change history và runbook để xác định nguyên nhân gốc có bằng chứng.

A2

Intent-driven provisioning

Chuyển yêu cầu kinh doanh thành kế hoạch cấp phát dịch vụ, slice, policy và resource theo constraint.

A3

Predictive assurance

Dự báo congestion, hardware failure hoặc quality degradation trước khi ảnh hưởng khách hàng.

A4

Dynamic optimization

Tối ưu routing, radio resource, energy và capacity theo trạng thái mạng thời gian thực.

A5

Service ordering copilot

Hỗ trợ sales/enterprise: truy vấn catalog, đề xuất gói, kiểm tra feasibility và tạo order.

A6

Agent-aware exposure

Cung cấp location, differentiated connectivity, slicing và network APIs cho agent ở application space.

Giá trị lớn nhất không nằm ở việc “đưa chatbot vào NMS”, mà ở khả năng kết nối mục tiêu kinh doanh, tri thức vận hành, dữ liệu mạng và workflow thực thi thành một vòng lặp có kiểm soát.

Agent-to-Agent

A2A và giao diện chức năng hiện có

A2A có thể hữu ích cho phối hợp agent ở các khu vực proprietary hoặc agent ecosystem mở. Tuy nhiên, khi agent hiện thực hóa một chức năng mạng chuẩn, giao tiếp giữa các chức năng nên tiếp tục sử dụng giao diện chức năng chuẩn tương ứng. Ví dụ, agent hiện thực hóa Intent Management Function nên trao đổi intent qua framework/protocol intent, thay vì buộc miền khác phải biết rằng nó đang giao tiếp với một agent.

Tình huống	Giao tiếp khuyến nghị	Lý do
IMF ↔ IMF	Intent management interface chuẩn	Tách công nghệ hiện thực hóa khỏi chức năng mạng
rApp ↔ rApp trong SMO	Giao diện do O-RAN/SMO hỗ trợ	Duy trì interoperability theo domain
Agent nội bộ proprietary	A2A hoặc protocol phù hợp	Linh hoạt cho phối hợp đa-agent
Agent ↔ Tool/Data	MCP	Chuẩn hóa tool, resource, prompt và policy gateway

Robustness & Trustworthiness

Guardrails phải là một phần của kiến trúc

Telecom đòi hỏi độ tin cậy, khả năng kiểm chứng và kiểm soát cao. Guardrails chỉ ở prompt là không đủ. Cần kết hợp kiểm soát mô hình, tool, policy, dữ liệu, execution và observability.

✓

Kiểm soát bắt buộc

RBAC, allowlist tool, schema validation, human approval, sandbox, rate limit, secrets vault, rollback, kill switch và audit end-to-end.

!

Rủi ro cần quản lý

Hallucination, prompt injection, data leakage, excessive autonomy, tool misuse, policy conflict, stale context và hành động không thể đảo ngược.

Khía cạnh	Yêu cầu kỹ thuật
Evaluation	Đánh giá cả kết quả cuối và toàn bộ trajectory của agent.
Observability	Trace từng bước: prompt, context, tool call, output, decision, approval và action.
Evidence	Mọi RCA hoặc recommendation phải liên kết được tới alarm, KPI, topology hoặc tài liệu nguồn.
Human control	Con người giữ quyền với thay đổi cấu hình, restart, rollback và quyết định ảnh hưởng dịch vụ.
Runtime policy	Giới hạn agent theo domain, risk level, thời gian, environment và phạm vi tài nguyên.

Lộ trình triển khai

Từ copilot đến closed-loop có kiểm soát

PHASE 01

Read-only Copilot

Giải thích alarm, tìm runbook, tổng hợp KPI và topology. Không thực hiện write action.

PHASE 02

Assisted Operations

Đề xuất RCA, soạn ticket, chuẩn bị lệnh và workflow để con người phê duyệt.

PHASE 03

Controlled Automation

Thực hiện health check, log collection và remediation đã chuẩn hóa với rollback.

PHASE 04

Intent-based Closed Loop

Agent phối hợp đa-domain để đạt SLA, tự xác minh kết quả và xử lý ngoại lệ.

Khuyến nghị thực tế: bắt đầu với Alarm Agent + Topology Agent + Runbook Agent, sau đó mới bổ sung Ticket Agent, Diagnostic Agent và cuối cùng là Remediation Agent.

Kết luận

Agentic architecture là phương thức hiện thực hóa, không phải một “functional island” mới

AI Agents có thể xuất hiện ở OSS/BSS, SMO, intent management, assurance, policy control, network exposure và application space. Nhưng kiến trúc tốt phải giữ rõ ranh giới giữa chức năng, dữ liệu, tool, quyền và thực thi. MCP giúp agent tiếp cận năng lực mạng ở mức tác vụ; A2A hỗ trợ phối hợp agent khi phù hợp; còn các giao diện chức năng chuẩn vẫn là nền tảng đảm bảo khả năng tương tác.