Subagents là gì? So sánh OpenAI Codex, Claude Code và Gemini CLI

Khái niệm “AI agent” đang xuất hiện ngày càng nhiều trong thế giới AI coding tools, nhưng gần đây một thuật ngữ khác cũng bắt đầu được nhắc tới thường xuyên hơn: “subagents”.

Nếu AI agent có thể xem như một trợ lý AI thực hiện công việc cho người dùng, thì subagents về cơ bản là những “AI nhỏ hơn” được tạo ra để xử lý từng phần của một nhiệm vụ lớn. Ý tưởng này đang dần trở thành xu hướng trong các công cụ lập trình AI hiện đại như OpenAI OpenAI Codex, Anthropic Claude Code hay Google Gemini CLI.

Subagents thực chất là gì?

Cách dễ hiểu nhất là subagents giúp chia một công việc lớn thành nhiều phần nhỏ hơn.

Ví dụ, một developer có thể yêu cầu AI đọc codebase, viết tính năng mới, chạy test, kiểm tra lỗi rồi tổng hợp kết quả cuối cùng. Nếu một AI phải “ôm” toàn bộ quá trình này cùng lúc, hệ thống rất dễ trở nên lộn xộn hoặc mất context ở một số bước.

Subagents giải quyết vấn đề đó bằng cách tách công việc thành nhiều vai trò riêng biệt. Mỗi agent nhỏ xử lý một phần cụ thể rồi gửi kết quả về cho agent chính tổng hợp lại.

Trong tài liệu của OpenAI, Codex được mô tả có thể tạo các subagent chuyên biệt chạy song song rồi gom kết quả về thành một phản hồi hoàn chỉnh. OpenAI cho rằng cách làm này đặc biệt hữu ích với các tác vụ nhiều bước như khám phá codebase hoặc triển khai feature phức tạp.

Nói đơn giản, subagents giống như việc chia một dự án lớn cho nhiều thành viên trong team thay vì để một người xử lý tất cả mọi thứ.

Vì sao subagents ngày càng quan trọng?

Lập trình thực tế hiếm khi chỉ là “viết code”. Một workflow hoàn chỉnh thường bao gồm rất nhiều bước như đọc file, hiểu cấu trúc project, chạy command, debug, test rồi kiểm tra kết quả cuối cùng. Khi AI phải xử lý toàn bộ quy trình này trong một luồng duy nhất, context rất dễ bị rối hoặc thiếu nhất quán. Việc chia nhỏ nhiệm vụ cho nhiều subagent giúp workflow rõ ràng hơn và dễ quản lý hơn đáng kể.

Điểm thú vị là không phải công ty nào cũng dùng cùng một thuật ngữ. Có nơi gọi là “subagents”, có nơi dùng “agent teams”, còn một số chỉ mô tả đó là AI agent có khả năng dùng tool. Nhưng ý tưởng chung vẫn khá giống nhau: chia nhỏ công việc để hệ thống xử lý hiệu quả hơn.

OpenAI Codex: ví dụ rõ ràng nhất về subagents

Trong ba công cụ được nhắc tới, Codex có lẽ là sản phẩm gắn trực tiếp với khái niệm subagents rõ nhất.

Theo OpenAI, Codex được thiết kế cho các workflow multi-agent và cho phép nhiều agent hoạt động song song trên các project khác nhau. Hệ thống còn hỗ trợ built-in worktrees và cloud environments để nhiều agent có thể cùng làm việc đồng thời.

Điểm quan trọng nằm ở chỗ OpenAI không chỉ “gợi ý” khả năng này, mà còn trực tiếp dùng thuật ngữ subagent workflows trong tài liệu chính thức. Điều đó khiến Codex trở thành ví dụ rõ ràng nhất nếu nói về subagents trong AI coding hiện nay.

Nói cách khác, nếu ai muốn hiểu subagents hoạt động thực tế ra sao, Codex có lẽ là nơi dễ hình dung nhất ở thời điểm hiện tại.

Claude Code: hỗ trợ multi-agent nhưng dùng cách gọi khác

Claude Code của Anthropic cũng có nhiều điểm khá giống Codex, nhưng cách mô tả lại khác một chút. Theo Anthropic, Claude Code có thể đọc codebase, chỉnh sửa file, chạy command và quản lý project trực tiếp từ terminal. Hệ thống cũng hỗ trợ tạo nhiều Claude Code agent làm việc song song trên các phần khác nhau của cùng một nhiệm vụ.

Anthropic mô tả mô hình này theo kiểu một lead agent điều phối, còn nhiều agent nhỏ sẽ xử lý các phần việc khác nhau trước khi merge kết quả lại. Về mặt ý tưởng, điều này khá gần với subagents. Tuy nhiên, Anthropic không dùng chính thuật ngữ “subagents” trong overview page của họ. Vì vậy, cách mô tả chính xác nhất có lẽ là: Claude Code hỗ trợ mô hình “agent teams”, còn Codex là sản phẩm gắn trực tiếp hơn với khái niệm subagents.

Gemini CLI: hướng tiếp cận terminal-first và open source

Gemini CLI của Google lại đi theo hướng hơi khác. Google mô tả Gemini CLI là một AI agent mã nguồn mở dành cho terminal, cho phép người dùng truy cập Gemini trực tiếp từ command line. Hệ thống hoạt động theo mô hình “reason-and-act loop”, kết hợp với tool tích hợp sẵn và MCP server local hoặc remote để xử lý các công việc như sửa bug, tạo tính năng mới hoặc cải thiện test coverage.

So với Codex hay Claude Code, Gemini CLI thiên nhiều hơn về trải nghiệm terminal-first và khả năng kiểm soát workflow trực tiếp của developer.

Tuy nhiên, dựa trên tài liệu hiện tại, Google chủ yếu mô tả Gemini CLI như một AI agent thay vì hệ thống subagents cụ thể. Vì vậy, nó phù hợp hơn khi được xem là một phần của xu hướng AI agent coding tools nói chung.

AI coding tools đang dần giống một “team” hơn là chatbot

Điểm thú vị là cả ba công cụ đều đang đi theo cùng một hướng: biến AI từ chatbot trả lời câu hỏi thành hệ thống có thể tự chia việc và xử lý workflow phức tạp hơn. Điều này khá quan trọng vì developer hiện không chỉ muốn AI sinh code. Họ muốn AI hiểu project, theo dõi context dài, chạy nhiều bước liên tiếp và tự phối hợp công việc.

Và đó chính là nơi subagents hoặc multi-agent workflows bắt đầu trở nên hữu ích hơn rất nhiều so với mô hình chatbot truyền thống.

Nếu phải tóm gọn khái niệm subagents theo cách đơn giản nhất, có thể hiểu chúng là các AI nhỏ hơn được tạo ra để xử lý từng phần của một nhiệm vụ lớn.

Trong ba công cụ được so sánh, Codex là ví dụ rõ ràng nhất về subagents vì OpenAI trực tiếp dùng và mô tả khái niệm này. Claude Code cũng hỗ trợ multi-agent workflow nhưng dùng cách gọi khác, trong khi Gemini CLI là AI agent terminal-first thiên về workflow và khả năng kiểm soát của developer.

Dù cách tiếp cận khác nhau, cả ba đều cho thấy một xu hướng khá rõ: AI coding tools đang dần chuyển từ “trợ lý chat” sang các hệ thống có khả năng phối hợp công việc phức tạp giống một team thực thụ.