Sonnet 5.5, WebMCP checkout và sandbox OpenShell: agent dev nên thử gì
Agent đang được trao thêm quyền: chốt đơn hàng thật, chạy lệnh trong máy, nhớ ngữ cảnh qua nhiều phiên. Bài này gom sáu thứ dev AI nên biết: model Sonnet mới của Anthropic, bộ tool WebMCP cho checkout Shopify, nền tảng sandbox agent của Nvidia, cách Microsoft "train" file skill cho agent, một server LLM local trên Mac và một lớp memory mã nguồn mở. Mỗi mục có link repo hoặc docs để thử ngay.
Claude Sonnet 5.5: nhanh hơn, tốn ít token hơn
Anthropic ra Sonnet 5.5, bản kế nhiệm Sonnet 5 sau khoảng ba tháng. Hãng cho biết model nhanh hơn 30% so với bản trước và đốt token chậm hơn đáng kể. Theo benchmark của Anthropic, Sonnet 5.5 vượt Opus 5.5 ở agentic coding, một phần vì có thể chạy nhiều agent con mà không vượt ngân sách. Đây cũng là model Sonnet đầu tiên áp dụng cùng lớp bảo vệ an ninh mạng như Fable và Opus, vì năng lực cyber được đánh giá tương đương Opus 5. Anthropic cho biết bản Haiku mới sẽ ra trong vài tuần tới. Xem bảng model và giá trên trang Sonnet.
Dùng khi: pipeline coding agent của bạn đang dùng Opus cho mọi bước và chi phí token đã thành vấn đề. Skip nếu chưa có eval nội bộ; các con số trên là benchmark do chính Anthropic công bố.
Shopify WebMCP cho checkout: agent trong trình duyệt chốt đơn được
Shopify mở rộng hỗ trợ WebMCP từ storefront và giỏ hàng sang trang checkout, gồm cả Shop Pay, cho mọi merchant đủ điều kiện. Có ba tool mới: get_checkout để đọc checkout, update_checkout để đổi địa chỉ hoặc phương thức giao hàng, và complete_checkout để đặt đơn sau khi người mua xác nhận. Agent không cần chụp màn hình hay scrape HTML nữa. WebMCP là chuẩn đề xuất cho agent chạy trong trình duyệt của người dùng; còn agent chạy server-to-server thì dùng MCP server do Shopify host. Cả hai đều dựa trên Universal Commerce Protocol (UCP).
Thử nếu: bạn đang build browser agent hoặc extension mua sắm và muốn thay đoạn code click theo DOM bằng API có cấu trúc. Skip nếu flow của bạn chưa có bước người dùng xác nhận thanh toán rõ ràng; complete_checkout được thiết kế để chạy sau bước authorize đó.
NVIDIA OpenShell: giới hạn quyền của agent ngay từ tầng kernel
Nvidia công bố Open Agent Safety Platform, ghép hai phần. Phần thứ nhất là OpenShell, runtime open-source (Apache-2.0) ra mắt từ tháng 3, quyết định agent được truy cập gì. Phần thứ hai là Sentry, hệ giám sát độc lập chạy trên DPU BlueField-4, cách ly agent nào cố vượt ra khỏi phạm vi cho phép. Theo README, OpenShell chạy mỗi agent trong sandbox riêng, kiểm soát file, system call và mọi kết nối mạng bằng policy, không để agent thấy credential thật, và dùng formal verification để đánh dấu các thay đổi policy rủi ro cần người duyệt. Anthropic, Arm, Microsoft, Oracle và SpaceX nằm trong danh sách hỗ trợ. Chạy được trên Linux, macOS Apple Silicon hoặc WSL 2 (thử nghiệm), cần Docker hoặc Podman; hướng dẫn chi tiết ở docs OpenShell.
curl -LsSf https://raw.githubusercontent.com/NVIDIA/OpenShell/main/install.sh | sh
openshell sandbox create --name demo
Dùng khi: bạn cho coding agent quyền cài package, gọi API hoặc cầm credential trên máy dev hay CI. Skip nếu bạn chỉ cần Sentry: phần giám sát này chạy trên phần cứng BlueField-4, không phải thứ dùng thử được trên laptop.
SkillOpt: train file skill cho agent mà không đụng tới weight
Repo của Microsoft (MIT, khoảng 17.800 star) coi file skill là "tham số" cần train của một agent có model cố định. Một model optimizer đọc các lần chạy đã chấm điểm rồi đề xuất sửa skill theo kiểu thêm, xóa, thay. Mỗi thay đổi chỉ được giữ lại khi điểm trên tập validation tách riêng tăng lên. Kết quả là một file best_skill.md khoảng 300–2.000 token, deploy không tốn thêm lời gọi model nào. Theo paper của nhóm, trên GPT-5.5 điểm trung bình tăng 23,5 ở chat trực tiếp, 24,8 trong Codex và 19,1 trong Claude Code. Bản v0.2.0 trên PyPI có thêm CLI skillopt-sleep để tự cải thiện skill từ các phiên cũ mỗi đêm; bản tích hợp cho Claude Code, Codex, Copilot và Devin nằm trong repo.
pip install skillopt
Thử nếu: team bạn đang tự viết tay SKILL.md hoặc AGENTS.md và muốn có số đo xem bản sửa nào thực sự giúp agent làm tốt hơn. Skip nếu chưa có bộ task với điểm số rõ ràng; không có validation thì optimizer không có gì để bám.
TensorFold: chạy LLM local trên Mac qua API tương thích OpenAI
TensorFold (MIT) serve model text trên Apple Silicon (MLX) và GPU NVIDIA qua endpoint tương thích OpenAI. Điểm khác biệt là "exact decoding": token nháp chỉ được chấp nhận khi trùng với token mà chính engine đó sinh ra nếu chạy tuần tự. Nhờ vậy bạn tăng tốc được mà output không đổi. Danh sách model hỗ trợ gồm Nemotron 3.5 Lightning 30B-A3B, Qwen3.8-27B, Qwen3.8 Flash Next, GLM-5.3-Flash và Gemma 4 26B-A4B. Cần Python 3.11 trở lên, trên Mac cần MLX 0.32.2 trở lên; từng bước có trong runbook.
python -m pip install git+https://github.com/ashhart/TensorFold.git
tensorfold serve Vontra/NVIDIA-Nemotron-3.5-Lightning-30B-A3B-MLX-4bit
Sau đó trỏ client tới http://127.0.0.1:8080/v1.
Dùng khi: bạn muốn chạy model open-weight trên MacBook với code client OpenAI sẵn có, ví dụ để test offline hoặc giữ dữ liệu trong máy. Skip nếu cần hỗ trợ đa nền tảng ổn định; repo còn nhỏ (khoảng 560 star) và một số đường CUDA vẫn gắn nhãn thử nghiệm.
cognee: memory dài hạn cho agent, chạy local không cần API key
cognee (Apache-2.0, khoảng 31.000 star) biến tài liệu, code và hội thoại thành knowledge graph tự host để agent tìm lại qua nhiều phiên. Khi không cấu hình LLM, cognee dùng model GLiNER và embedding local chạy bằng CPU. API chính chỉ gồm hai hàm: cognee.remember() để nạp dữ liệu và cognee.recall() để truy vấn. Có CLI cognee-cli và plugin/MCP để gắn vào agent đang dùng. Cần Python 3.10–3.14; xem docs cognee để cấu hình LLM hoặc deploy.
uv pip install "cognee[gliner]"
cognee-cli remember "Service billing dùng Postgres 16." -d project_notes
cognee-cli recall "Service billing dùng database gì?" -d project_notes
Thử nếu: agent của bạn cứ quên quyết định kiến trúc hoặc bug đã sửa sau mỗi phiên. Skip nếu nhu cầu chỉ là RAG trên một thư mục docs nhỏ; vector search thông thường đã đủ và đơn giản hơn.
Kết luận
Chủ đề chung của cả sáu mục là agent được giao nhiều quyền hơn, nên lớp kiểm soát phải đi kèm. Nếu chỉ chọn một việc tuần này, hãy dựng một sandbox OpenShell cho coding agent đang chạy trên máy bạn, rồi so sánh Sonnet 5.5 với model hiện tại trên cùng bộ task để xem chi phí token thay đổi ra sao.