Google × Kaggle — 5-Day AI Agents Intensive là một lộ trình tự học rất đáng chú ý cho những ai muốn hiểu và xây dựng AI agent từ nền tảng đến triển khai thực tế. Khóa học này ban đầu được tổ chức trực tiếp trong 5 ngày, sau đó được Kaggle mở lại thành Learn Guide tự học để developer có thể học theo tốc độ riêng.
Điểm hay của khóa này là không chỉ nói về “prompt hay chatbot”, mà đi thẳng vào kiến trúc agent: model, công cụ, orchestration, memory, evaluation, multi-agent, A2A Protocol và deployment lên môi trường production.
5-Day AI Agents Intensive là gì?
Theo trang Kaggle Learn Guide chính thức, 5-Day AI Agents Intensive course with Google là chương trình thực hành do các researcher và engineer của Google xây dựng. Chương trình được tổ chức live từ ngày 10 đến 14/11/2025 và hiện đã có phiên bản tự học trên Kaggle.
Mục tiêu của khóa học là giúp developer hiểu các thành phần cốt lõi của AI agent: models, tools, orchestration, memory và evaluation. Cuối khóa, người học được hướng dẫn cách đưa agent vượt ra khỏi prototype LLM đơn giản để tiến tới hệ thống có thể chạy thật.
Vì sao khóa này đáng học?
- Nội dung đến từ Google ML researchers và engineers.
- Có whitepaper, podcast tóm tắt, codelab Kaggle và livestream theo từng ngày.
- Không chỉ học lý thuyết, mà có notebook thực hành bằng Gemini và Agent Development Kit.
- Bao phủ đủ vòng đời agent: từ agent đầu tiên, tools, MCP, memory, observability, evaluation đến deployment.
- Có cả hướng multi-agent và Agent2Agent Protocol cho hệ thống nhiều agent phối hợp.
Lộ trình 5 ngày học AI Agents
Ngày 1: Introduction to Agents
Ngày đầu tiên đặt nền tảng: AI agent là gì, khác gì so với ứng dụng LLM truyền thống, và vì sao agent cần có khả năng dùng công cụ, ra quyết định, theo dõi trạng thái và phối hợp nhiều bước.
Trong codelab, người học xây dựng agent đầu tiên bằng Gemini và Agent Development Kit, sau đó tạo hệ thống multi-agent đơn giản. Đây là điểm rất thực tế: thay vì chỉ đọc định nghĩa, bạn bắt tay vào tạo agent có thể dùng Google Search để trả lời bằng thông tin mới.
Ngày 2: Agent Tools và MCP
Ngày thứ hai đi vào phần làm agent “biết hành động”. Một LLM bình thường chỉ sinh văn bản; agent hữu ích cần biết gọi tool, dùng API, tra cứu dữ liệu, chạy hàm hoặc chờ phê duyệt của con người khi cần.
Phần đáng chú ý là Model Context Protocol (MCP). Kaggle mô tả MCP như một cách giúp agent khám phá và sử dụng công cụ dễ hơn. Nếu API là từng cánh cửa riêng lẻ, MCP giống như một lớp giao tiếp chuẩn để agent hiểu công cụ nào có sẵn, cách gọi ra sao và rủi ro enterprise cần lưu ý.
Ngày 3: Context Engineering, Sessions và Memory
Ngày thứ ba tập trung vào trí nhớ của agent. Theo guide, context engineering là cách lắp ghép và quản lý thông tin động trong context window để tạo trải nghiệm có trạng thái và cá nhân hóa hơn.
- Session: vùng chứa lịch sử của một cuộc hội thoại hoặc tác vụ trước mắt.
- Working memory: thông tin agent cần giữ trong quá trình xử lý nhiều lượt.
- Long-term memory: cơ chế lưu thông tin lâu dài, có thể dùng lại giữa nhiều session.
Đây là phần rất quan trọng nếu muốn agent xử lý tác vụ dài, có ngữ cảnh liên tục hoặc cá nhân hóa theo người dùng. Một agent không có memory thường dễ “quên” điều kiện, lặp lại câu hỏi hoặc mất mạch khi hội thoại dài.
Ngày 4: Agent Quality
Ngày thứ tư trả lời câu hỏi: làm sao biết agent chạy tốt? Google/Kaggle nhấn mạnh observability, logging, tracing và metrics. Với agent, lỗi không chỉ là crash; lỗi có thể là chọn sai tool, dùng dữ liệu cũ, suy luận vòng vo hoặc trả lời có vẻ đúng nhưng sai mục tiêu.
Guide mô tả ba trụ cột quan sát: logs như nhật ký, traces như câu chuyện đầy đủ của từng bước, và metrics như báo cáo sức khỏe. Từ đó, người học tiếp cận evaluation, LLM-as-a-Judge và Human-in-the-Loop để cải thiện chất lượng agent.
Ngày 5: Prototype to Production
Ngày cuối đưa agent ra khỏi notebook. Nội dung xoay quanh deployment, scaling, productionization và Agent2Agent Protocol. Người học được giới thiệu cách xây dựng nhiều agent độc lập có thể giao tiếp, phối hợp và triển khai lên Vertex AI Agent Engine trên Google Cloud.
Đây là phần giúp khóa học vượt khỏi mức demo. Một agent chạy local trong notebook là điểm khởi đầu; một agent có thể phục vụ người dùng thật cần hạ tầng, logging, đánh giá, bảo mật, quản lý chi phí và khả năng mở rộng.
Các mốc video đáng xem
Nếu anh/chị muốn đi nhanh qua phần video tổng quan, có thể chú ý các mốc sau:
- 00:00 — Cách xây dựng agent AI đầu tiên của bạn.
- 08:24 — Bộ nhớ của agent: ngắn hạn, working memory và long-term memory.
- 28:34 — Agentic loop và long-running agent.
- 40:04 — MCP so với API, phần rất đáng xem để hiểu vì sao agent cần lớp chuẩn hóa công cụ.
- 1:00:22 — Hệ thống multi-agent và cách nhiều agent phối hợp.
Lưu ý: trong quá trình nghiên cứu, transcript YouTube không lấy được tự động do YouTube chặn truy cập transcript từ môi trường hiện tại, nên phần viết lại ưu tiên dựa trên Kaggle Learn Guide, các link whitepaper/codelab chính thức và các timestamp do anh cung cấp.
Nên chuẩn bị gì trước khi học?
- Tài khoản Kaggle và xác minh số điện thoại để chạy codelab.
- Tài khoản Google AI Studio và API key.
- Làm quen với Kaggle Notebook.
- Nếu muốn trao đổi cùng cộng đồng, có thể tham gia Kaggle Discord.
- Nên mở thêm NotebookLM để đưa whitepaper vào và hỏi đáp trong quá trình học.
Gợi ý cách học trong 5 ngày
- Ngày 1: đọc whitepaper Introduction to Agents, chạy notebook agent đầu tiên và thử multi-agent cơ bản.
- Ngày 2: tập trung vào tool calling, tự viết Python function thành tool, sau đó so sánh MCP với API truyền thống.
- Ngày 3: học session, context engineering và memory; thử cho agent nhớ thông tin qua nhiều lượt.
- Ngày 4: bật logs, traces, metrics; tạo bộ câu hỏi kiểm thử và đánh giá câu trả lời của agent.
- Ngày 5: thử A2A Protocol, hiểu deployment path lên Vertex AI Agent Engine và ghi lại checklist production.
Ai nên học khóa này?
- Developer muốn chuyển từ chatbot sang AI agent có khả năng hành động.
- Người làm product muốn hiểu agent workflow để thiết kế tính năng AI thực tế hơn.
- Data/ML engineer muốn học cách đánh giá, quan sát và triển khai agent.
- Người đang nghiên cứu MCP, A2A, multi-agent hoặc agent orchestration.
- Nhóm doanh nghiệp muốn thử nghiệm agent nhưng cần hiểu rủi ro production, bảo mật và chất lượng.
Kết luận
Google × Kaggle 5-Day AI Agents Intensive là một trong những tài nguyên học AI agent đáng theo dõi nhất hiện nay. Khóa học có đủ lý thuyết, whitepaper, notebook thực hành và góc nhìn production. Nếu muốn hiểu agent từ nền tảng tới lúc triển khai hệ thống chạy thật, đây là lộ trình rất phù hợp để bắt đầu.
Nguồn tham khảo
- Kaggle Learn Guide: 5-Day AI Agents Intensive Course with Google
- Google recap: AI Agents Intensive recap
- Day 1 whitepaper: Introduction to Agents
- Day 2 whitepaper: Agent Tools & Interoperability with MCP
- Day 3 whitepaper: Context Engineering: Sessions & Memory
- Day 4 whitepaper: Agent Quality
- Day 5 whitepaper: Prototype to Production
