AgentCore Payments: Giải pháp thanh toán API trực tiếp cho LangChain Agent

Giới thiệu

Nền kinh tế đại diện (agentic economy) đang đến gần. Các AI agent đang vượt ra khỏi phạm vi các API miễn phí để bước vào thế giới của các dịch vụ trả phí: dữ liệu cao cấp, nội dung trả phí và tài nguyên tính toán chuyên biệt. Hệ sinh thái thương mại đại diện đang phát triển nhanh chóng.

Khi một agent có thể chi tiêu tiền, bạn cần các giới hạn thanh toán mang tính xác định: ngân sách theo phiên được thực thi trước mỗi giao dịch ở tầng cơ sở hạ tầng, thay vì trong các câu lệnh (prompt) của LLM. Amazon Bedrock AgentCore Payments giải quyết vấn đề này cho các nhà phát triển LangChain bằng cơ sở hạ tầng được xây dựng chuyên biệt cho thanh toán. Với tư cách là nhà phát triển agent, bạn chỉ cần thêm lớp middleware AgentCore Payments, chọn ví, thiết lập ngân sách và AgentCore Payments sẽ xử lý phần còn lại. Mọi khoản thanh toán đều được thực hiện thông qua cơ sở hạ tầng bất khả tri về giao thức (protocol-agnostic).

Bạn cũng cần một bản ghi về những gì agent đã mua và lý do tại sao nó chọn mua thứ đó, đó là lúc LangSmith phát huy tác dụng. Bài viết này giải thích về trường hợp kinh doanh, kiến trúc và cách bắt đầu.

Các agent thực hiện giao dịch

Các agent tự hành chỉ có thể tiêu thụ nội dung miễn phí sẽ bị hạn chế về loại công việc mà chúng có thể hoàn thành. Dữ liệu có giá trị cao nhất, bao gồm hồ sơ tòa án, dữ liệu thị trường thời gian thực, tài liệu y tế và các API cao cấp, đều nằm sau các bức tường phí (paywall). Cho đến gần đây, việc truy cập dữ liệu này đòi hỏi phải quản lý khóa API thủ công, tích hợp thanh toán cho từng dịch vụ hoặc làm gián đoạn quy trình tự hành để hỏi ý kiến con người. Điều này đang thay đổi.

Giao thức x402, được Coinbase tạo ra vào tháng 5 năm 2025 và hiện được quản lý bởi Linux Foundation, giúp các khoản thanh toán vi mô (micropayment) gốc HTTP trở nên khả thi. Sử dụng x402, một agent truy cập vào một điểm cuối (endpoint) trả phí, nhận báo giá, thanh toán bằng stablecoin và nhận nội dung, tất cả chỉ trong một chu kỳ yêu cầu-phản hồi HTTP duy nhất.

Các khía cạnh kinh tế hoạt động khác biệt so với các nền tảng thanh toán truyền thống do bản chất của các giao dịch đại diện. Phí xử lý thẻ khiến các lệnh gọi API có giá tính bằng xu trở nên bất khả thi về mặt kinh tế. Các gói đăng ký hàng tháng giả định rằng con người là người quyết định mua gì trước. Các khoản thanh toán vi mô bằng stablecoin thông qua x402 được quyết toán trong vài giây với chi phí chỉ bằng một phần nhỏ của một xu cho mỗi giao dịch, giúp việc định giá theo mỗi lần gọi trở nên khả thi đối với khối lượng công việc của agent.

AgentCore Payments cung cấp các khả năng thanh toán được quản lý, xây dựng chuyên biệt cho các agent tự hành, bao gồm toàn bộ vòng đời từ xác thực ví, thực hiện giao dịch đến quản trị chi tiêu, để các nhà phát triển có thể tập trung vào những gì agent của họ làm, thay vì cách thức thanh toán. Các nhà phát triển LangChain giờ đây có thể tập trung vào bài toán kinh doanh trả phí theo mức sử dụng mà họ đang giải quyết, trong khi AgentCore Payments loại bỏ sự phức tạp của việc kết nối an toàn với ví, thực thi các giới hạn thanh toán xác định và quản lý các phiên bản giao thức khác nhau (x402 v1, v2) hoặc các giao thức máy-với-máy khác.

Chi tiêu tiền cần các giới hạn xác định

Quyền truy cập chỉ là một nửa của thách thức. Khi các agent có thể chi tiêu tiền, bạn cần câu trả lời cho những câu hỏi hóc búa:

Ngày nay, hầu hết các nhóm đưa agent vào sản xuất đều xử lý thanh toán theo một trong ba cách: họ hướng agent đến một nguồn miễn phí thay thế (dữ liệu tệ hơn nhưng không cần xử lý thanh toán), họ xây dựng logic thanh toán tùy chỉnh cho từng API (30 đến 50 dòng mã bao bọc cho mỗi dịch vụ), hoặc họ từ bỏ tính tự hành (agent hiển thị bức tường phí cho con người). Không cách nào trong số này có thể mở rộng khi số lượng dịch vụ trả phí tăng lên hàng nghìn. Ngoài sự phức tạp trong tích hợp, các nhà phát triển phải xây dựng các rào cản quản trị và ngân sách từ đầu để giúp ngăn chặn chi tiêu vượt mức, đồng thời đáp ứng các yêu cầu về bảo mật và tuân thủ quy định mà các luồng thanh toán đòi hỏi.

Trải nghiệm của nhà phát triển agent là nền tảng của AgentCore Payments. Nó cung cấp cho các nhà phát triển một giải pháp duy nhất kết nối với ví, điều phối thanh toán trên các giao thức và thực thi quản trị chi tiêu mà không cần phải xây dựng từ đầu hoặc cam kết với một giao thức cụ thể để bắt đầu.

Middleware của LangChain cung cấp các điểm móc (hook) tại mỗi bước thực thi của agent, vì vậy bạn có thể chặn một lệnh gọi mô hình hoặc lệnh gọi công cụ và thêm logic mà không cần thay đổi chính agent đó. Giả sử bạn có một agent pháp lý đang soạn thảo một bản tóm tắt và hồ sơ tòa án mà nó cần nằm sau một bức tường phí. Khi công cụ của nó truy cập vào API trả phí đó và nhận lại mã HTTP 402, AgentCorePaymentsMiddleware sẽ phát hiện yêu cầu thanh toán, thực thi các giới hạn ngân sách phiên, ký thanh toán thông qua Amazon Bedrock AgentCore Payments và thử lại yêu cầu với thông tin xác thực thanh toán. Agent của bạn nhận được dữ liệu nó yêu cầu, trong giới hạn bạn đã đặt. Đọc thêm trong tài liệu.

Cách thức hoạt động

Thiết lập bao gồm một đối tượng cấu hình và một mục nhập trong danh sách middleware của bạn:

Nó hoạt động với bất kỳ nhà cung cấp mô hình nào mà các agent LangChain hỗ trợ, mặc dù bạn sẽ cần AgentCore cho chính cơ sở hạ tầng thanh toán.

Phù hợp ở đâu

Middleware AgentCore Payments rất phù hợp cho các khối lượng công việc mà agent cần truy cập nhiều dịch vụ trả phí trong phạm vi ngân sách được kiểm soát.

Kiểm toán chi tiêu của các agent

Việc thêm các biện pháp kiểm soát chi phí vào một agent giúp hạn chế chi phí vượt mức, nhưng nó không ảnh hưởng đến hành vi của agent dẫn đến các giao dịch đó ngay từ đầu. Điều này có thể biểu hiện theo một số cách:

Cả bốn trường hợp đều có thể hoàn thành thành công, nằm trong ngân sách và trông hợp lý trên hóa đơn. Đó là vì sổ cái thanh toán blockchain chỉ ghi lại rằng công cụ X đã gửi 0,02 đô la đến địa chỉ Y lúc 14:03:11. Nó không ghi lại việc agent đã thực hiện ba bước trong một nhiệm vụ nghiên cứu, có giới hạn một đô la và chọn điểm cuối đó vì mô tả công cụ có đề cập đến hồ sơ tòa án. Bối cảnh đó chỉ tồn tại trong dấu vết (trace) của agent.

Chúng tôi nghĩ rằng điều đó quan trọng đối với hai việc: quản trị, tránh chi tiêu ngoài ý muốn của agent; và kiểm toán, nghĩa là có một bản ghi bền vững về những gì agent của bạn đã mua mà ai đó có thể truy vấn nhiều tháng sau đó.

Chi tiêu của agent sẽ nhận được những câu hỏi tương tự như bất kỳ khoản chi tiêu nào khác trong tổ chức. Ai đã ủy quyền? Giới hạn là bao nhiêu? Làm thế nào để biết giới hạn đó được tuân thủ? Nếu bạn đã theo dõi các agent của mình trong LangSmith, bạn có thể theo dõi từng bước dẫn đến một khoản thanh toán của agent. Lệnh gọi công cụ xuất hiện, trả về mã 402 và xuất hiện lại với tiêu đề thanh toán được đính kèm, bao quanh bởi yêu cầu ban đầu của người dùng và lý luận của mô hình tại mỗi bước.

Một middleware ghi lại ngắn gọn sẽ đính kèm chi tiết thanh toán dưới dạng siêu dữ liệu (metadata) cho các khoản thanh toán thành công: số tiền, mạng lưới, người nhận, công cụ kích hoạt và phiên cũng như người dùng bị tính phí.

Khi một khoản thanh toán vượt quá ngân sách, AgentCore sẽ từ chối. Việc từ chối xuất hiện trong dấu vết cùng với phản hồi của agent đối với nó, vì vậy bạn có thể xác nhận giới hạn đã được tuân thủ thay vì giả định điều đó.

Một lần từ chối ghi lại rằng nó đã xảy ra, không phải chi phí là bao nhiêu, vì khoản thanh toán chưa bao giờ được thực hiện. Các con số chính xác vẫn nằm trong nhật ký của AgentCore.

Kiểm tra chi tiêu trước khi dùng tiền thật

Các dấu vết cho chúng ta biết cách agent suy luận thông qua yêu cầu mua hàng. Các bài đánh giá (evals) kiểm tra xem tư duy đằng sau yêu cầu mua hàng có đúng như dự định hay không để bạn có thể xác thực hành vi tốt và xác định các bản sửa lỗi cho những sai lầm của agent.

Đây là một ví dụ đầy đủ: mười nhiệm vụ nghiên cứu, mỗi nhiệm vụ có một ngân sách bao gồm những gì điểm cuối tính phí. Hai trình đánh giá chấm điểm mỗi lần chạy. `spend_within_budget` so sánh số tiền thực tế đã thanh toán với ngân sách của nhiệm vụ. `relevant_data` kiểm tra xem dữ liệu agent mua có trả lời câu hỏi được đưa ra hay không.

Đối với lần chạy này, chi tiêu nằm trong ngân sách ở cả mười nhiệm vụ và dữ liệu có liên quan ở bảy nhiệm vụ. Ở ba nhiệm vụ còn lại, agent đã trả tiền cho một phản hồi không thể trả lời câu hỏi.

Một tập dữ liệu, các trình đánh giá và một thử nghiệm cùng nhau mang lại cho bạn cái nhìn đó: không chỉ là liệu agent có chi tiêu hay không, mà là liệu việc chi tiêu đó có mua được thứ gì hữu ích hay không. Thay đổi một câu lệnh, một mô hình hoặc một ngân sách, chạy lại mười nhiệm vụ đó và bạn có thể so sánh phiên bản mới với phiên bản này, bao gồm độ trễ, token và chi phí mô hình.

Bắt đầu

Có hai cách để cung cấp dịch vụ này ở phía AWS. Kỹ năng AgentCore Payments thiết lập PaymentManager và công cụ thanh toán của bạn thông qua cuộc trò chuyện có hướng dẫn với Claude Code, Kiro hoặc Codex, hoặc bạn có thể tự thực hiện với AgentCore CLI, AWS SDK hoặc Boto3. Sau đó, cài đặt middleware: