What are the Tools in the AI Agent? 🕶

หลายคนเริ่มจากคำถามเดียวกันเลยว่า AI agent คืออะไร ต่างจากแชตบอทธรรมดายังไง? จากที่ผมทำงานกับสาย AI/automation มาสักพัก ผมมองว่า “Agent” คือระบบที่ไม่ได้แค่ตอบข้อความ แต่มีความสามารถในการ “ลงมือทำงานให้” โดยอาศัย 3 ส่วนหลัก: ผู้ใช้ (User) + โมเดลภาษา (Language Model) + Tools เพื่อเชื่อมต่อกับโลกภายนอก (External World) แล้ว Tools ใน AI Agent คืออะไร? พูดง่าย ๆ คือเครื่องมือที่ทำให้โมเดลไปทำสิ่งที่ตัวมันทำเองไม่ได้ เช่น เรียก API, ดึงข้อมูลจริง, หรือสั่งให้โค้ดทำงาน เพื่อให้ได้คำตอบที่อัปเดตและทำงานเป็นขั้นตอน (workflow) ได้จริง Tools ที่เจอบ่อย ๆ มี 3 ประเภท (ตามภาพที่หลายคนน่าจะคุ้น): 1) Extensions (ส่วนขยาย) – ใช้เชื่อมต่อบริการ/ระบบภายนอกผ่าน API เหมาะกับงานที่ต้องคุยกับ “โลกจริง” เช่น ดึงราคาสินค้าจากระบบร้านค้า, เช็กสถานะออเดอร์, ส่งข้อความเข้า Slack/LINE, อ่านปฏิทิน Google Calendar หรือค้นข้อมูลจากระบบบริษัท ข้อดีคือเชื่อมกับบริการได้ตรง ๆ แต่ควรระวังเรื่องสิทธิ์การเข้าถึง (permissions) และความปลอดภัยของโทเคน/API key 2) Functions (ฟังก์ชัน) – โค้ดที่รันฝั่งเรา เพื่อทำงานเฉพาะทาง ผมชอบใช้กับงานที่ต้องคำนวณ/แปลงข้อมูล เช่น ทำสรุปยอดขายจากไฟล์ CSV, จัดรูปแบบข้อมูลก่อนบันทึก, ตรวจเงื่อนไข business rule หรือสร้างขั้นตอน “ถ้า…ให้ทำ…” ข้อดีคือควบคุมตรรกะได้ชัดเจน ตรวจสอบได้ และทำให้ Agent ไม่ต้อง “เดา” เวลาเจอโจทย์ที่ต้องความแม่นยำ 3) Data Stores (คลังข้อมูล) – แหล่งความรู้ให้ Agent ดึงมาอ้างอิง อันนี้สำคัญมากถ้าถามว่า “เครื่องมือสร้างเอเจนต์ AI” ต้องมีอะไรบ้าง เพราะ Agent เก่งขึ้นได้เมื่อเข้าถึงข้อมูลของเรา เช่น FAQ บริษัท, คู่มือสินค้า, เอกสารนโยบาย, บทความภายใน หรือโน้ตความรู้ต่าง ๆ ปกติจะใช้แนวทางค้นคืนข้อมูล (retrieval) ก่อนตอบ เพื่อให้ตอบอิงจากแหล่งข้อมูลจริง ลดหลอน (hallucination) และตอบได้ตรงบริบท ทริคที่ผมใช้เวลาออกแบบ Agent: ถ้างาน “ต้องอัปเดตเรียลไทม์” ให้เริ่มจาก Extensions, ถ้างาน “ต้องตรรกะเป๊ะ ๆ” ให้ใช้ Functions, ถ้างาน “ต้องตอบจากความรู้ขององค์กร” ให้เน้น Data Stores แล้วค่อยผสมกันตามเคสใช้งาน เท่านี้ก็จะเข้าใจภาพรวมว่า AI agents คืออะไร และทำไม Tools ถึงเป็นหัวใจที่ทำให้ Agent ทำงานได้จริงครับ