Agentic Loop: วิธีที่ AI Agent รับรู้ คิด และลงมือปฏิบัติ

Agentic Loop คือวงจรรับรู้-คิด-ปฏิบัติที่วนซ้ำซึ่งขับเคลื่อน AI Agent ตั้งแต่เริ่มงานจนถึงคำตอบสุดท้าย ในแต่ละรอบ agent จะอ่านบริบท (การสังเกต ผลลัพธ์ของเครื่องมือ หน่วยความจำ) เรียก LLM เพื่อใช้เหตุผลเกี่ยวกับขั้นตอนถัดไป ดำเนินการเครื่องมือหรือส่งคืนการตอบสนอง แล้ววนซ้ำ ข้อจำกัดการวนซ้ำ เงื่อนไขการสิ้นสุด และการจัดการข้อผิดพลาดเป็นตัวกำหนดว่า production agent นั้นเชื่อถือได้หรือเป็นความเสี่ยง OpenLegion บังคับใช้ hard cap ที่ mesh layer เปลี่ยนลูปที่ควบคุมไม่ได้ให้เป็นความล้มเหลวแบบ deterministic

Agentic Loop คืออะไร?

Agentic Loop คือโมเดลการดำเนินการแบบวนซ้ำที่ AI Agent สลับกันสังเกตสภาพแวดล้อม ใช้เหตุผลเกี่ยวกับการกระทำถัดไปโดยใช้โมเดลภาษา และดำเนินการนั้น วนซ้ำจนกว่าจะตรงตามเงื่อนไขการสิ้นสุด: งานเสร็จสมบูรณ์ การวนซ้ำสูงสุด หรืองบประมาณหมด

AI Agent ทุกตัว ไม่ว่าจะใช้เฟรมเวิร์กใด จะรันรูปแบบใดรูปแบบหนึ่งของลูปนี้ งานง่ายเสร็จใน 2-3 รอบ งานซับซ้อนอาจต้องใช้ 15-30 รอบ

ลูปมีสามอินพุตและหนึ่งเอาต์พุตต่อการวนซ้ำ:

อินพุต/เอาต์พุต	เนื้อหา	สะสมตลอดการวนซ้ำ?
System Prompt	บทบาทของ agent คำสั่ง คำจำกัดความเครื่องมือ	ไม่ — คงที่ต่อการรัน
ประวัติการสนทนา	เทิร์นก่อนหน้าทั้งหมด: ข้อความผู้ใช้ ความคิดผู้ช่วย การเรียกเครื่องมือ ผลลัพธ์เครื่องมือ	ใช่ — เพิ่มขึ้นทุกรอบ
การสังเกตปัจจุบัน	ผลลัพธ์เครื่องมือจากการกระทำก่อนหน้า	ใช่ — เพิ่มทุกรอบ
เอาต์พุต	การกระทำถัดไป: การเรียกเครื่องมือ คำขอชี้แจง หรือการตอบสนองสุดท้าย	ไม่ — หนึ่งเอาต์พุตต่อรอบ

การสะสมบริบทเป็นตัวขับเคลื่อนค่าใช้จ่ายหลักของลูป ดู วิธีควบคุมค่าใช้จ่าย Agentic Loop ด้วยข้อจำกัดค่าใช้จ่ายต่อ agent

สามขั้นตอนอย่างละเอียด

รับรู้ — อ่านบริบท

ขั้นตอนการรับรู้เป็น พื้นผิวการโจมตี prompt injection หลักของ Agentic Loop CVE-2024-5184 (Synopsys CyRC, มิถุนายน 2024) แสดงให้เห็นถึงสิ่งนี้อย่างแม่นยำ สำหรับการจัดการเวกเตอร์การฉีดและการป้องกันอย่างครบถ้วน ดู การโจมตี prompt injection ที่กำหนดเป้าหมายการตอบสนองเครื่องมือใน Agentic Loop

คิด — ขั้นตอนการใช้เหตุผล LLM

โมเดลคลาสสิกสำหรับขั้นตอนการคิดคือ รูปแบบ ReAct (Yao et al., 2022, arXiv:2210.03629): Reasoning + Acting ที่สอดแทรกกันภายในเอาต์พุต LLM เดียวกัน เอกสาร ReAct แสดงให้เห็นว่าการสอดแทรกการใช้เหตุผลอย่างชัดเจนกับการกระทำช่วยปรับปรุงความแม่นยำของงาน agent อย่างมีนัยสำคัญบน benchmark รวมถึง HotpotQA, FEVER และ ALFWorld

ค่าใช้จ่ายของขั้นตอนการคิด: สำหรับ GPT-4o ที่ $2.50/M input token การรัน 20 รอบโดยเพิ่ม 2,000 token ต่อรอบมีค่าใช้จ่ายประมาณ $1.05 ใน input token เฉพาะหน้าต่างบริบทของรอบสุดท้าย

ปฏิบัติ — การดำเนินการเครื่องมือหรือการตอบสนองสุดท้าย

ผู้ดำเนินการเครื่องมือต้องตรวจสอบชื่อเครื่องมือและพารามิเตอร์ ดำเนินการในบริบทที่แยกออก และส่งคืนผลลัพธ์โดยไม่มีการแก้ไข ดู วิธีที่ agent ดำเนินการเครื่องมือภายในแต่ละรอบของลูป

การสิ้นสุดลูป — เมื่อ Agent หยุด

การสิ้นสุดตามธรรมชาติ

การสิ้นสุดตามธรรมชาติเกิดขึ้นเมื่อขั้นตอนการคิดของ LLM ออกการตอบสนองสุดท้ายแทนการเรียกเครื่องมือ

การบังคับใช้ max_turns

ค่าเริ่มต้น:

• OpenAI Agents SDK: max_turns = 10 (เมษายน 2026)
• LangGraph: recursion_limit = 25
• LangChain AgentExecutor: max_iterations = 15 ไม่มีการจำกัดเวลาเป็นค่าเริ่มต้น
• AutoGen: max_consecutive_auto_reply = 10 ต่อ agent

การกำหนดค่า max_turns สำหรับ production: วัด percentile ที่ 95 ของจำนวนรอบใน 100 งานตัวแทน ตั้งค่า max_turns เป็น P95 + บัฟเฟอร์ 20%

การสิ้นสุดตามงบประมาณ

โมเดลการบังคับใช้ของ OpenLegion:

• daily_budget (ค่าเริ่มต้น $50/วัน) และ monthly_budget (ค่าเริ่มต้น $200/เดือน) กำหนดค่าต่อ agent ใน INSTRUCTIONS.md
• mesh router ติดตามค่าใช้จ่ายสะสมต่อ agent ID แบบ real-time
• เมื่อรอบลูปจะเกินงบประมาณรายวันที่เหลือ คำขอจะถูกปฏิเสธที่ mesh layer ก่อนถึง LLM provider

การสิ้นสุดตามข้อผิดพลาด

สามกลยุทธ์: ยกเลิกเมื่อมีข้อผิดพลาด ลองใหม่พร้อม backoff หรือใช้ตัวสำรองแล้วดำเนินการต่อ

Anti-Pattern ของลูปไม่สิ้นสุด

รายงานสถานะ agent ของ LangChain ปี 2025 พบว่า 23% ของความล้มเหลว agent เกิดจากลูปการเรียกเครื่องมือไม่สิ้นสุด — หมวดหมู่ความล้มเหลวเดี่ยวที่ใหญ่ที่สุด

Tool Call Storm

เกิดขึ้นเมื่อขั้นตอนการคิดของ agent เรียกเครื่องมือเดิมซ้ำๆ โดยไม่มีความคืบหน้าต่องาน ทริกเกอร์ทั่วไป: ข้อกำหนดงานที่กำกวม การตรวจสอบผลลัพธ์เครื่องมือที่หายไป การใช้เหตุผลแบบวงกลม

Context Poisoning

เกิดขึ้นเมื่อผลลัพธ์เครื่องมือนำเนื้อหาเข้าสู่ประวัติการสนทนาที่บิดเบือนการใช้เหตุผลของ LLM ในรอบต่อๆ ไป การป้องกัน: การประมวลผลผลลัพธ์เครื่องมือล่วงหน้า

Prompt Injection ผ่านการตอบสนองเครื่องมือ

ทริกเกอร์ลูปไม่สิ้นสุดที่สำคัญต่อความปลอดภัยมากที่สุด: CVE-2024-5184 (Synopsys CyRC, มิถุนายน 2024) การป้องกัน: ปฏิบัติต่อผลลัพธ์เครื่องมือทุกชิ้นเป็นอินพุตที่ไม่น่าเชื่อถือ

มุมมองของ OpenLegion: การป้องกันเชิงลึกสำหรับการควบคุมลูป

การควบคุมลูปเป็นคุณสมบัติด้านความปลอดภัย ไม่ใช่แค่การดำเนินการ ตัวเลขที่เป็นรูปธรรมสามตัวที่กำหนดปัญหา:

23% ของความล้มเหลว agent ถูกติดตามไปยังลูปการเรียกเครื่องมือไม่สิ้นสุด (LangChain 2025) วิธีแก้ไขไม่ใช่ข้อจำกัด max_turns ที่สูงกว่า แต่เป็นเงื่อนไขการสิ้นสุดที่วัดได้ การตรวจสอบความคืบหน้าอย่างชัดเจน และตรรกะ circuit-breaker

OpenAI Agents SDK ค่าเริ่มต้น max_turns = 10; LangGraph recursion_limit = 25 นี่คือค่าเริ่มต้นจุดเริ่มต้น ไม่ใช่ค่า production

CVE-2024-5184 เป็นช่องโหว่การควบคุมลูป ไม่ใช่แค่ช่องโหว่ด้านความปลอดภัย

กลไกการควบคุมลูป	OpenLegion	LangChain AgentExecutor	LangGraph	OpenAI Agents SDK
ข้อจำกัดการวนซ้ำ	max_turns ใน INSTRUCTIONS.md บังคับใช้ที่ mesh	max_iterations=15 (ค่าเริ่มต้น)	recursion_limit=25	max_turns=10 (ค่าเริ่มต้น)
การสิ้นสุดตามงบประมาณ	daily_budget + monthly_budget ต่อ agent บังคับใช้ที่ mesh layer	ไม่มีในตัว	ไม่มีในตัว	ไม่มีในตัว
การสิ้นสุดเมื่อมีข้อผิดพลาด	ข้อผิดพลาดที่มีโครงสร้างส่งคืนไปยัง orchestrator	ยก AgentExecutorError	ยก GraphRecursionError	ยก MaxTurnsExceeded
การป้องกัน injection	การเรียกเครื่องมือผ่าน vault proxy; อำนาจ system prompt	handle_parsing_errors กำหนดค่าได้	ไม่มีในตัว	ไม่มีในตัว
เส้นทางการตรวจสอบลูป	แต่ละรอบบันทึกด้วย agent_id โมเดล การเรียกเครื่องมือ ค่าใช้จ่าย	LangSmith (ไม่บังคับ)	LangSmith (ไม่บังคับ)	แดชบอร์ด OpenAI

สำหรับรูปแบบที่รวม agent loop หลายตัวเป็นระบบ production ดู วิธีที่ agentic workflow รวมลูปหลายตัวเป็น production pipeline และ รูปแบบการออกแบบ agentic AI สำหรับการจัดการลูปและการประสานงาน agent

คำถามที่พบบ่อย

Agentic Loop คืออะไร?

Agentic Loop คือวงจรรับรู้-คิด-ปฏิบัติที่วนซ้ำซึ่ง AI Agent ทุกตัวรันเพื่อดำเนินงาน ในแต่ละรอบ agent จะอ่านบริบทปัจจุบัน เรียกโมเดลภาษาเพื่อตัดสินใจการกระทำถัดไป ดำเนินการนั้น แล้ววนซ้ำจนกว่าจะตรงตามเงื่อนไขการสิ้นสุด

Agentic Loop ทำกี่รอบ?

งานง่ายโดยทั่วไปเสร็จใน 2-5 รอบ งานซับซ้อนทำ 10-30 รอบหรือมากกว่า ตั้งค่า max_turns ตาม P95 เชิงประจักษ์สำหรับ agent เฉพาะของคุณบนการกระจายงานเฉพาะของคุณ พร้อมบัฟเฟอร์ 20%

อะไรทำให้เกิด Agentic Loop ไม่สิ้นสุด?

สาเหตุหลักสามประการ: tool call storm บริบทถูกวางยาพิษ และ prompt injection ผ่านเนื้อหาการตอบสนองเครื่องมือ (CVE-2024-5184) รายงาน LangChain ปี 2025 พบว่า 23% ของความล้มเหลว agent เกิดจากลูปการเรียกเครื่องมือไม่สิ้นสุด

รูปแบบ ReAct ใน Agentic Loop คืออะไร?

ReAct (Reasoning + Acting) คือโมเดล Agentic Loop มาตรฐานที่ Yao et al. แนะนำในปี 2022 (arXiv:2210.03629) รูปแบบนี้จัดโครงสร้างแต่ละรอบของลูปเป็นเอาต์พุต LLM สามส่วน: ความคิด การกระทำ และการสังเกต เอกสาร ReAct แสดงให้เห็นว่าการสอดแทรกการใช้เหตุผลอย่างชัดเจนกับการกระทำช่วยปรับปรุงความแม่นยำของงาน agent ซึ่งประเมินบน HotpotQA, FEVER และ ALFWorld

Prompt Injection ส่งผลต่อ Agentic Loop อย่างไร?

Prompt injection ผ่านเนื้อหาการตอบสนองเครื่องมือ — แสดงโดย CVE-2024-5184 (Synopsys CyRC, มิถุนายน 2024) — ใช้ประโยชน์จากขั้นตอนการรับรู้ของ Agentic Loop การป้องกันต้องการลำดับชั้นคำสั่งอย่างชัดเจนที่บังคับใช้อำนาจ system prompt เหนือเนื้อหาผลลัพธ์เครื่องมือ

OpenLegion ป้องกัน Agentic Loop ที่ควบคุมไม่ได้อย่างไร?

OpenLegion ใช้การป้องกันเชิงลึกด้วยสองชั้นการบังคับใช้ ข้อจำกัดการวนซ้ำต่อ agent ที่กำหนดค่าใน INSTRUCTIONS.md ถูกบังคับใช้ที่ application layer daily_budget และ monthly_budget ต่อ agent ถูกบังคับใช้ที่ mesh router layer ก่อนการเรียก LLM แต่ละครั้ง เมื่อรอบลูปจะเกินงบประมาณที่เหลือ คำขอจะถูกปฏิเสธที่ network layer

ความแตกต่างระหว่าง Agentic Loop กับ Workflow คืออะไร?

Agentic Loop คือวงจรการวนซ้ำต่อ agent Workflow คือ pipeline แบบหลาย agent ที่ agent หลายตัว แต่ละตัวรันลูปของตัวเอง ถูกรวมเข้าสู่ระบบที่ใหญ่กว่าด้วยตรรกะการส่งมอบอย่างชัดเจน การจัดการ และการไหลของข้อมูลระหว่าง agent

เริ่มต้นกับ OpenLegion

Agentic Loop คือที่ที่ความน่าเชื่อถือของ agent ชนะหรือแพ้ ค่าเริ่มต้นของเฟรมเวิร์ก — max_turns=10, recursion_limit=25 — เป็นจุดเริ่มต้น ไม่ใช่การกำหนดค่า production

OpenLegion บังคับใช้ข้อจำกัดงบประมาณและข้อจำกัดการวนซ้ำที่ mesh layer — นอกขอบเขตการใช้เหตุผล LLM ของ agent ไม่สามารถถูก override โดย prompt injection

เริ่มสร้างบน OpenLegion — ข้อจำกัดลูปที่เข้มงวดและการบังคับใช้งบประมาณต่อ agent ในตัว

สำหรับรูปแบบที่รวม agent loop หลายตัวเป็นระบบ production ดู วิธีที่ agentic workflow รวมลูปหลายตัวเป็น production pipeline