So sánh các công cụ agent cho lập trình (năm 2026)

Bài này không xếp hạng và không chê công cụ nào. Mỗi thông tin dưới đây lấy từ trang chính thức của hãng, đọc ngày 11/11/2026; ô nào tài liệu đã đọc không nêu thì ghi "không nêu", không đoán. Tên gói và giá cụ thể không đưa vào vì đổi thường xuyên; hãy xem trang giá của từng hãng.

Năm công cụ trong bài là gì?

Claude Code (Anthropic). Tài liệu mô tả đây là trợ lý dạng agent chạy trong terminal, làm được mọi việc bạn làm từ dòng lệnh. Vòng lặp agent và công cụ giống nhau ở mọi nơi dùng: terminal, ứng dụng máy tính, tiện ích cho trình soạn thảo, trang web claude.ai/code, Slack và quy trình CI/CD. Mở rộng bằng skill, MCP, hook và subagent; tệp hướng dẫn là CLAUDE.md, và từ phiên bản 2.1.277 đọc được AGENTS.md.

Codex CLI (OpenAI). README của kho mô tả đây là agent lập trình của OpenAI chạy trên máy bạn, trong terminal. README cũng nhắc tiện ích cho VS Code, Cursor và Windsurf, ứng dụng máy tính mở bằng codex app, và bản chạy trên đám mây Codex Web. Cài bằng npm hoặc Homebrew. Mã nguồn theo giấy phép Apache-2.0. Đăng nhập bằng tài khoản ChatGPT (README nêu các gói Plus, Pro, Business, Edu, Enterprise) hoặc dùng khóa API.

Gemini CLI (Google). README mô tả đây là agent AI mã nguồn mở đưa Gemini vào terminal, giấy phép Apache 2.0, cài bằng npm và các trình quản lý gói khác. Tệp GEMINI.md cung cấp ngữ cảnh lâu dài, và có thể cấu hình máy chủ MCP trong ~/.gemini/settings.json. Lưu ý quan trọng trong README lúc đọc: quyền dùng miễn phí cho cá nhân và các gói Google AI Pro, Ultra đã chuyển sang Antigravity CLI từ ngày 18/06/2026; Gemini CLI hướng tới người dùng Gemini Code Assist Standard và Enterprise.

Copilot trên đám mây (GitHub). Tài liệu GitHub mô tả agent này khảo sát kho, lập kế hoạch và thực hiện thay đổi ở chế độ nền, sửa tệp và chạy test, kiểm lỗi định dạng trong một môi trường phát triển trên đám mây thay vì trong trình soạn thảo của bạn, và có thể mở pull request. Nó chỉ làm việc với kho lưu trên GitHub; phiên chạy trên môi trường GitHub Actions tối đa 59 phút. Trải nghiệm Copilot trên đám mây mới có ở các gói trả phí từ ngày 28/10/2026; gói miễn phí giữ trải nghiệm Copilot Chat cũ.

Cursor Agent (Cursor). Tài liệu Cursor mô tả agent có thể tự hoàn thành việc lập trình phức tạp, chạy lệnh terminal và sửa code. Nó có ở khung bên của trình soạn thảo, cửa sổ Agents, dòng lệnh và trang web của Cursor; việc lớn có thể tổ chức thành dự án, nơi một agent điều phối lập kế hoạch rồi giao cho các agent khác. Công cụ của nó gồm tìm kiếm tệp và web, đọc tệp kể cả ảnh, sửa tệp, chạy lệnh, điều khiển trình duyệt để thử ứng dụng.

Bảng so sánh theo tiêu chí

Ba ghi chú về bảng. Cột tệp hướng dẫn dựa phần lớn vào trang AGENTS.md, nơi liệt kê các công cụ hỗ trợ định dạng này (Codex, Gemini CLI, Cursor, VS Code, tác tử lập trình của GitHub Copilot và nhiều công cụ khác). Cột MCP dựa vào tài liệu từng công cụ và trang giới thiệu của MCP, nơi liệt kê Claude, ChatGPT, VS Code và Cursor là các ứng dụng hỗ trợ. "Không nêu" chỉ có nghĩa là trang đã đọc không nói, không có nghĩa là công cụ không có.

Điều bảng cho thấy rõ nhất: các công cụ đang hội tụ về cùng những khái niệm (vòng lặp agent, tệp hướng dẫn dự án, kết nối công cụ ngoài qua MCP). Kỹ năng bạn học với một công cụ (viết yêu cầu rõ, cho agent phép kiểm, đọc thay đổi) mang sang công cụ khác được. Xem quy trình làm dự án với agent.

Chọn theo cách bạn làm việc

Thay vì hỏi công cụ nào tốt nhất, hãy hỏi bạn làm việc thế nào:

Hai tiêu chí khác cũng quan trọng không kém. Cách trả tiền: thuê bao theo tháng có hạn mức hay trả theo token; xem chi phí khi dùng agent. Chính sách dữ liệu: nếu làm với mã nguồn của tổ chức, hỏi xem công cụ nào được phép dùng trước khi thử.

Tự thử để chọn: một bảng chấm đơn giản

Đánh giá trên mạng (kể cả bài này) không thay được việc thử trên công việc của bạn. Một quy trình thử công bằng:

1. Chọn ba việc thật, có kiểm được: một lỗi có test tái hiện, một tính năng nhỏ có tiêu chí rõ, một lần đổi cấu trúc mà test hiện có phải giữ nguyên.
2. Giao cùng một yêu cầu, cùng điểm xuất phát (cùng commit) cho mỗi công cụ.
3. Ghi lại test có qua không, số phút, số lần bạn phải can thiệp, và chi phí nếu biết.
4. Tổng hợp theo công cụ và xem cả đầu ra: code có dễ đọc, có sửa thừa không.

Đoạn Python dưới đây tổng hợp bảng ghi đó. Dữ liệu trong ví dụ là dữ liệu mẫu gắn tên "Công cụ A" và "Công cụ B" để minh họa cách tính, không phải kết quả đo công cụ thật nào.

"""Bảng chấm khi bạn tự thử nhiều công cụ agent trên CÙNG các việc của mình.

Mỗi lần thử ghi: công cụ, việc, test có qua không, số phút, số lần bạn phải can thiệp, chi phí (đô la, nếu biết).
Bảng tổng hợp theo công cụ: tỉ lệ qua test, thời gian trung vị, can thiệp trung bình, chi phí trung bình mỗi việc qua.
Dữ liệu trong chay_thu() là dữ liệu MẪU để minh họa cách tính, không phải kết quả đo công cụ thật nào.
"""
import csv
import io
import statistics

MAU = """cong_cu,viec,qua_test,phut,can_thiep,chi_phi
Công cụ A,sua-loi-giam-gia,1,6,0,0.40
Công cụ A,them-api-tim-kiem,1,18,2,1.10
Công cụ A,doi-ten-mo-dun,0,9,3,0.70
Công cụ B,sua-loi-giam-gia,1,4,1,0.20
Công cụ B,them-api-tim-kiem,0,25,4,0.90
Công cụ B,doi-ten-mo-dun,1,7,0,0.30
"""


def tong_hop(dong_ds):
    theo_cong_cu = {}
    for d in dong_ds:
        theo_cong_cu.setdefault(d["cong_cu"], []).append(d)
    ket_qua = {}
    for ten, ds in theo_cong_cu.items():
        qua = [d for d in ds if d["qua_test"] == "1"]
        tong_chi = sum(float(d["chi_phi"]) for d in ds)
        ket_qua[ten] = {
            "qua": f"{len(qua)}/{len(ds)}",
            "phut_trung_vi": statistics.median(float(d["phut"]) for d in ds),
            "can_thiep_tb": round(statistics.mean(int(d["can_thiep"]) for d in ds), 2),
            # chi phí cho mỗi việc QUA test: việc trượt vẫn tốn tiền, nên chia tổng chi phí cho số việc qua
            "chi_moi_viec_qua": round(tong_chi / len(qua), 2) if qua else None,
        }
    return ket_qua


def chay_thu():
    dong_ds = list(csv.DictReader(io.StringIO(MAU)))
    kq = tong_hop(dong_ds)
    print(f"{'Công cụ':<10} {'Qua test':>8} {'Phút (trung vị)':>16} {'Can thiệp TB':>13} {'$ mỗi việc qua':>15}")
    for ten, k in kq.items():
        print(f"{ten:<10} {k['qua']:>8} {k['phut_trung_vi']:>16} {k['can_thiep_tb']:>13} {k['chi_moi_viec_qua']:>15}")
    return kq


if __name__ == "__main__":
    chay_thu()

Kết quả với dữ liệu mẫu:

Công cụ    Qua test  Phút (trung vị)  Can thiệp TB  $ mỗi việc qua
Công cụ A       2/3              9.0          1.67             1.1
Công cụ B       2/3              7.0          1.67             0.7

Hai chi tiết thiết kế đáng chú ý. Cột chi phí chia tổng chi phí cho số việc qua test, vì việc trượt vẫn tốn tiền; một công cụ rẻ mỗi lần nhưng hay trượt có thể đắt hơn tính trên kết quả dùng được. Và thời gian dùng trung vị thay vì trung bình, để một lần thử bất thường không làm lệch kết luận. Với ba việc, kết quả chỉ là tín hiệu ban đầu; thử thêm việc nếu hai công cụ sát nhau.

Những điều không nên dựa vào khi so sánh

• Bảng xếp hạng chung trên mạng: chúng đo việc của người khác, trên phiên bản cũ hơn bạn đang dùng.
• Một lần thử ấn tượng: agent có lúc làm rất tốt, có lúc đi lạc; cần vài lần thử.
• Độ "tự động" quảng cáo: công cụ tự làm nhiều hơn chưa chắc tốt hơn nếu bạn không kiểm được kết quả. Xem kiểm chứng việc AI làm.
• Tên mô hình đứng sau: cùng một mô hình trong hai công cụ khác nhau có thể cho kết quả khác nhau, vì phần bao quanh (công cụ, quản lý ngữ cảnh) khác nhau. Bài AI agent là gì giải thích phần bao quanh này.

Câu hỏi thường gặp

Học tiếp

• Muốn hiểu phần chung của mọi agent, đọc AI agent là gì.
• Muốn làm việc hiệu quả với bất kỳ công cụ nào, đọc quy trình làm dự án với agent.
• Muốn tính chi phí khi so sánh, đọc chi phí khi dùng agent.

Nếu bạn muốn học AI và lập trình bài bản cùng giảng viên, tham khảo khóa học AI của Big-O Coding.

Nguồn tham khảo

• Tài liệu Claude Code: How Claude Code works
• Kho GitHub openai/codex (README)
• Kho GitHub google-gemini/gemini-cli (README)
• GitHub Docs: About Copilot coding agent
• Cursor Docs: Agent overview
• AGENTS.md
• Model Context Protocol: What is MCP?