Thanawat Wongchai

Posted on Apr 17 • Originally published at apidog.com

Google Agent Smith เขียนโค้ด 25% API ทีมควรรู้

#programming #ai #google #api

TL;DR (สรุป)

Agent Smith คือ AI สำหรับช่วยเขียนโค้ดภายในของ Google ที่ตอนนี้สร้างโค้ดผลิตภัณฑ์ใหม่ได้มากกว่า 25% ของบริษัท ต่างจาก Copilot ที่เติมข้อความอัตโนมัติแบบเรียลไทม์ Agent Smith ทำงานแบบอะซิงโครนัสในเบื้องหลัง – เขียน, ทดสอบ, และปรับปรุงโค้ดโดยไม่ต้องมีมนุษย์โต้ตอบโดยตรง สำหรับทีม API ความท้าทายจึงอยู่ที่การรักษาเสถียรภาพสัญญา API, ความครอบคลุมของการทดสอบ, เอกสาร และเวิร์กโฟลว์การตรวจสอบ เมื่อ 1 ใน 4 ของ codebase ถูกสร้างขึ้นด้วย AI

ทดลองใช้ Apidog วันนี้

บทนำ

ในการประชุมรายงานผลประกอบการมีนาคม 2026 Sundar Pichai ซีอีโอ Google เปิดเผยตัวเลขสำคัญ: 25% ของโค้ดใหม่ที่เขียนใน Google ตอนนี้มาจาก AI

Agent Smith ไม่ใช่เพียงแค่ autocomplete หรือคำแนะนำที่มนุษย์ต้องกดรับ มันคือเครื่องมือที่ AI สร้างโค้ดจริงพร้อมใช้งาน และถูกนำไป deploy หลังผ่านการตรวจสอบโดยมนุษย์ พนักงาน Google กว่า 180,000 คนใช้งานจนบริษัทต้องจำกัดการเข้าถึงเพื่อลดภาระโครงสร้างพื้นฐาน

Agent Smith แตกต่างจาก AI ช่วยเขียนโค้ดทั่วไป เช่น Copilot หรือ Claude Code ที่มักจะช่วยใน IDE แบบเรียลไทม์ Agent Smith ทำงานเบื้องหลัง นักพัฒนาสามารถมอบหมายงานให้ AI แล้วกลับมาดูผลลัพธ์ที่เสร็จสมบูรณ์ได้ทีหลัง

สำหรับทีม API การเปลี่ยนผ่านจาก "AI ช่วยเหลือ" ไป "AI สร้าง" ทำให้ต้องตั้งคำถามใหม่ๆ — จะรักษาสัญญา API ยังไง? ทดสอบครอบคลุมแค่ไหน? เอกสารจะไม่ตกหล่นได้อย่างไร?

💡 แพลตฟอร์ม API แบบครบวงจรของ Apidog ช่วยให้การออกแบบ ทดสอบ จำลอง และเอกสาร API ทำงานร่วมกันอย่างสอดคล้องกัน — ไม่ว่าการเปลี่ยนแปลงจะมาจากมนุษย์หรือ AI

บทความนี้จะสรุปว่า Agent Smith คืออะไร แตกต่างจาก AI เขียนโค้ดอื่นอย่างไร และทีม API ต้องเตรียม Workflow อย่างไร

Agent Smith ทำอะไร

การเขียนโค้ดอัตโนมัติแบบอะซิงโครนัส

Agent Smith ไม่รอคุณพิมพ์ใน IDE แต่มันทำงานแบบเบื้องหลัง วิธีการใช้งาน:

วิศวกรส่งงานเป็นคำอธิบายภาษาไทย/อังกฤษ
Agent Smith แตกงานออกเป็น subtasks
เขียนโค้ดในหลายไฟล์
รันการทดสอบและแก้ไขเมื่อเจอข้อผิดพลาด
มนุษย์ตรวจสอบผลลัพธ์

แตกต่างจาก Copilot ตรงที่ Agent Smith เหมือนกับ junior dev ที่รับ ticket แล้วกลับมาพร้อม PR ทีเดียว นักพัฒนาติดตามงานผ่านแพลตฟอร์มแชทของ Google ได้ แม้จะใช้อุปกรณ์มือถือ เครื่องมือจะดึง context จากโปรไฟล์และเอกสารภายในโดยอัตโนมัติ

สร้างขึ้นบน Gemini และ Antigravity

Agent Smith รันบนโมเดลตระกูล Gemini ของ Google และเชื่อมต่อกับระบบ Retrieval ที่เข้าถึง codebase และเอกสารภายใน ช่วยให้ AI อ้างอิงโค้ดและแนวทางปฏิบัติที่มีอยู่ได้อย่างแม่นยำ ถูกสร้างบน Antigravity (แพลตฟอร์ม agentic coding) และขยายความสามารถด้วยการแยกย่อยงานและดำเนินการแบบอัตโนมัติ

ระบบ Retrieval ทำให้ Agent Smith ไม่ได้สร้างโค้ดแบบสุ่ม ๆ แต่มันค้นหารูปแบบและ context ใน codebase จริงขององค์กร

“25% ของโค้ดใหม่” หมายความว่าอะไร

โค้ดที่สร้างโดย AI (ไม่ใช่ autocomplete)
ผ่านการตรวจสอบโค้ดโดยมนุษย์
ถูกนำไปใช้ใน Production
คำนวณจากผลผลิตทางวิศวกรรมทั้งหมด

ไม่ได้หมายความว่า 25% ของ codebase ทั้งหมดถูกสร้างโดย AI แต่ 25% ของโค้ดใหม่ที่เพิ่มเข้าไปมาจาก Agent Smith ซึ่งแนวโน้มนี้เพิ่มขึ้นต่อเนื่อง

Agent Smith แตกต่างจากเครื่องมือ AI ช่วยเขียนโค้ดอื่น ๆ อย่างไร

สเปกตรัมเครื่องมือ AI ช่วยเขียนโค้ด

เครื่องมือ	โหมด	การโต้ตอบ	ขอบเขต	โค้ดที่ใช้งานจริง?
GitHub Copilot	เติมข้อความอัตโนมัติ	ใน IDE	บรรทัด/ฟังก์ชัน	หลังมนุษย์ยอมรับ
Claude Code	เซสชันโต้ตอบ	สนทนา	หลายไฟล์	หลังมนุษย์ตรวจสอบ
Cursor Agent	เบื้องหลัง + โต้ตอบ	ฝังใน IDE	ระดับโปรเจกต์	หลังมนุษย์ตรวจสอบ
Agent Smith	อัตโนมัติอะซิงโครนัส	มอบหมายงาน	ฟีเจอร์เต็มรูปแบบ	หลังมนุษย์ตรวจสอบ
KAIROS (ยังไม่เปิดตัว)	Daemon	ตรวจสอบเบื้องหลัง	ทั้ง Repository	ยังไม่ระบุ

Agent Smith อยู่สุดปลายของความอัตโนมัติ ก้าวถัดไป (ที่ยังไม่มีใครกล้าทำ) คือ auto-deploy โดยไม่มีมนุษย์ review

ทำไมการทำงานแบบอะซิงโครนัสจึงสำคัญสำหรับทีม API

AI ที่ช่วยแบบเรียลไทม์ (Copilot, Claude) ทำงานใน flow ของ dev — dev จะเห็นทุกอย่างที่ AI เขียน

แต่เอเจนต์อะซิงโครนัส เช่น Agent Smith dev จะมาตรวจสอบทีหลัง
ผลคือ:

dev อาจไม่เข้าใจเหตุผลในการออกแบบ
การเปลี่ยนแปลงสัญญา API อาจไม่ชัดเจนในการ review โค้ด
สิ่งประดิษฐ์ที่เกี่ยวข้อง (test, docs, mock) อาจไม่ sync
อาจเกิด breaking change หาก review ไม่ละเอียด

อะไรจะพังเมื่อ AI เขียนโค้ด API ของคุณ

ความคลาดเคลื่อนของสัญญา API

API contract คือข้อตกลง service กับผู้บริโภค (endpoint, schema, status code, error format) มนุษย์จะอัปเดต OpenAPI, แจ้ง consumer, ทำ versioning

แต่ AI agent อาจเปลี่ยน schema โดยไม่ได้ update spec หรือแจ้ง downstream team ตัวอย่าง:

Agent Smith ได้รับ task "เพิ่มการตั้งค่าผู้ใช้"
เพิ่มฟิลด์ preferences ใน response
test ที่มีอยู่ไม่ fail เพราะไม่ได้เช็คฟิลด์เกิน
type ฝั่ง FE ไม่รู้จักฟิลด์ใหม่
strict JSON parsing ใน mobile app พัง

โค้ดถูก, test ผ่าน, contract พัง

ช่องว่างในการครอบคลุมการทดสอบ

AI สร้าง test ที่ยืนยันของใหม่ ไม่ใช่ regression test
เช่น:

ไม่มีการทดสอบ latency
error format ผิดมาตรฐาน
ไม่ตรวจสอบ rate limit
edge case auth ขาด
การแบ่งหน้าขาด consistency

ความคลาดเคลื่อนของเอกสาร

ถ้าเอกสารถูก generate จาก code หรือ spec ยังพอ sync ได้ แต่หลายทีมแยก docs ออกจากโค้ด Agent Smith อาจเพิ่ม endpoint หรือแก้ schema แต่ไม่ update docs

แม้ doc จะ auto-generate, ตัวอย่างและ usage note ยังต้องใช้ context จากมนุษย์ (AI ไม่รู้ "ทำไม" endpoint นี้ถึงมีอยู่)

ความเหนื่อยล้าในการตรวจสอบ

เมื่อ 25% ของโค้ดมาจาก AI, 25% ของ review คือ review งาน AI โค้ดมักดูดี syntax ถูกต้อง แต่อาจขัดกับ architecture หรือแนวทางทีม Reviewer จะเหนื่อยและอาจ approve แบบไม่ละเอียด

วิธีสร้างเวิร์กโฟลว์ API ที่ทนทานต่อเอเจนต์

1. ทำให้สัญญา API เป็นแหล่งความจริง

ใช้ Design-first API development (OpenAPI spec มาก่อน) เพื่อป้องกันความคลาดเคลื่อน

โดยไม่มี Design-first:

Code change → Tests pass → Ship → Contract broken

ด้วย Design-first:

Spec defines contract → Code must match spec → Contract validation catches drift

Apidog ช่วยให้กำหนด endpoint/schema ก่อน แล้ว validate code ทุกครั้งกับ spec

2. ใช้ Contract Testing ไม่ใช่ Unit Tests

Unit test ตรวจพฤติกรรมภายใน แต่ contract test ตรวจข้อตกลงระหว่าง services

ตัวอย่าง Contract Test:

describe("GET /api/users/:id contract", () => {
  it("returns expected schema", async () => {
    const response = await request(app).get("/api/users/123");

    expect(response.body).toMatchSchema({
      type: "object",
      required: ["id", "name", "email", "created_at"],
      properties: {
        id: { type: "string" },
        name: { type: "string" },
        email: { type: "string", format: "email" },
        created_at: { type: "string", format: "date-time" }
      },
      additionalProperties: false // จับฟิลด์ไม่คาดคิด
    });
  });
});

Apidog สามารถ generate contract test อัตโนมัติจาก spec ได้

3. จำกัดการปรับใช้ด้วยการตรวจสอบความถูกต้องของสเปก

เพิ่ม spec validation ใน CI/CD pipeline:

# ขั้นตอน CI/CD pipeline
- name: Validate API contract
  run: |
    apidog run --test-scenario-id CONTRACT_TESTS
    if [ $? -ne 0 ]; then
      echo "API contract violation detected. Review changes."
      exit 1
    fi

หยุด deploy หาก agent เปลี่ยน contract โดยไม่ได้ตั้งใจ

4. กำหนดให้มีการอัปเดต Spec สำหรับการเปลี่ยนแปลง API

สร้างกฎ PR: ทุก PR ที่เปลี่ยน API ต้องมีการอัปเดต OpenAPI Spec

ใน Apidog การเปลี่ยน spec จะแพร่ไปยัง:

Docs
Mock Server
Test validation
Client SDK

5. ตรวจสอบพฤติกรรม API ใน Production

แม้จะมี contract test/validation ก็ควร monitor production:

log เมื่อ response ไม่ตรง schema
alert หากเจอฟิลด์ใหม่
track error rate, latency, traffic pattern ที่ผิดปกติ

6. แยกการรีวิว API ออกจากโค้ดรีวิว

Code review: โค้ดถูกหรือเปล่า?

API review: endpoint/contract กระทบผู้ใช้ไหม?

สร้าง checklist สำหรับ API review:

breaking change หรือเปล่า?
spec อัปเดตหรือยัง?
มี versioning สำหรับ breaking change ไหม?
error response consistent ไหม?
endpoint ใหม่มีตัวอย่าง docs แล้วหรือยัง?
downstream team ได้รับแจ้งหรือยัง?

ทิศทาง: การเขียนโค้ดอัตโนมัติจะไปทางไหน

Agent Smith วันนี้ vs. พรุ่งนี้

Agent Smith ที่ 25% เป็นแค่จุดเริ่มต้น Sergey Brin ระบุว่า AI agent เป็น “จุดเน้นสำคัญ” ตัวเลขนี้จะโตขึ้นเมื่อเครื่องมือดีขึ้นและ workflow ปรับตัว

บริษัทอื่นกำลังสร้างของคล้ายกัน:

KAIROS ของ Claude Code: daemon ที่เชื่อมกับ webhook/worker
GitHub Copilot Agent Mode: งาน multi-step + auto file edit
Amazon CodeWhisperer: ขยาย autocomplete ไป agentic workflow

แนวโน้มชัดเจน: AI code tool กำลังเปลี่ยนจาก “ผู้ช่วย” → “ผู้มีส่วนร่วมอิสระ” → “โครงสร้างพื้นฐานเบื้องหลัง”

ทีม API ควรเตรียมพร้อมอย่างไร

Design-first ต้องมาก่อน: สเปก API คือแหล่งความจริง
ลงทุนใน contract testing: unit test ไม่พอ
เลือกเครื่องมือที่ sync สิ่งประดิษฐ์: แยก tools = โอกาสคลาดเคลื่อน, ใช้ Apidog ที่รวม design, test, mock, doc ไว้ที่เดียว
สร้าง process review งาน AI: code review ธรรมดาไม่พอสำหรับ contract

ทดลองใช้ Apidog ฟรี เพื่อสร้าง workflow API ที่สอดคล้องกัน ไม่ว่าโค้ดจะมาจากมนุษย์, Agent Smith หรือ AI agent ตัวอื่น

คำถามที่พบบ่อย

Google Agent Smith คืออะไร

Agent Smith คือ AI agent สำหรับเขียนโค้ดภายใน Google สร้างบน Gemini + Antigravity, ทำงานเบื้องหลังแบบอะซิงโครนัส: มอบหมายงาน, AI สร้าง/ทดสอบ/แก้ไขโค้ด, มนุษย์ตรวจสอบผลลัพธ์ ปัจจุบัน (มี.ค. 2026) สร้างโค้ด production ใหม่ได้มากกว่า 25% ของ Google

Agent Smith มีให้ใช้งานภายนอก Google หรือไม่

ไม่, เป็นเครื่องมือภายใน Google เท่านั้น ยังไม่มีแผนปล่อยสู่สาธารณะ เทคโนโลยีคล้าย Copilot Agent Mode และ Claude Code แต่ผูกกับ codebase/เอกสารของ Google โดยตรง

โค้ดที่สร้างโดย AI จะทำให้สัญญา API เสียหายหรือไม่

เป็นไปได้! AI agent เขียนโค้ดที่ผ่าน test แต่ test อาจไม่ครอบคลุมทุกมุมของ contract เช่น schema, field ใหม่, error format, หรือพฤติกรรมที่เปลี่ยน การใช้ contract test และ Design-first ป้องกันปัญหานี้ได้

ทีม API ควรกังวลกับ Agent Smith หรือไม่

ไม่ต้องกังวลกับ Agent Smith โดยตรง (เพราะเป็นของ Google) แต่ควรเตรียม workflow ให้พร้อมสำหรับเครื่องมือ AI แบบเดียวกันที่กำลังจะมา เช่น Copilot Agent Mode, KAIROS ฯลฯ ใช้ Design-first, contract testing, และเครื่องมือรวมศูนย์ตั้งแต่วันนี้

ฉันจะป้องกันไม่ให้ AI agent ทำลาย API ได้อย่างไร

ใช้ Design-first (OpenAPI spec)
เพิ่ม contract test ด้วย additionalProperties: false
จำกัด deploy ด้วย spec validation
ใช้ Apidog ที่ sync spec, test, mock, doc อัตโนมัติ

โค้ดที่ AI ช่วยเหลือ กับโค้ดที่ AI สร้างเอง แตกต่างกันอย่างไร

AI ช่วยเหลือ (Copilot, Claude): dev เห็นและ approve ทุกบรรทัด
AI สร้างเอง (Agent Smith): dev เห็นแค่ผลลัพธ์ที่เสร็จแล้ว, review ทีหลัง
ความเสี่ยง: review พลาด contract หรือ context ที่สำคัญ

AI agent จะมาแทนที่ dev API หรือไม่

ไม่, Agent Smith ยังต้องการมนุษย์ assign งาน, review, approve deploy งานวิจัย MIT ยืนยันว่า AI ช่วย productivity แต่ยังไม่แทนที่ judgement และ context ของคน Dev จะเน้น assign, review, คุม consistency ของระบบมากขึ้น

ประเด็นสำคัญ

Agent Smith ของ Google สร้างโค้ด production ใหม่ 25% ด้วย workflow อะซิงโครนัส
นี่คือการเปลี่ยนผ่านจาก “AI ช่วยเหลือ” → “AI สร้าง” ซึ่งเปลี่ยนวิธีรีวิว API
Contract drift/schemaless คือความเสี่ยงหลักเมื่อเอเจนต์แก้ API
Design-first (OpenAPI spec) และ contract test คือเกราะป้องกัน
ใช้ platform ศูนย์กลาง เช่น Apidog ที่ sync spec, test, mock, doc อัตโนมัติ
เวิร์กโฟลว์ API ที่ทนทานต่อเอเจนต์ = นำ AI agent มาใช้ได้อย่างปลอดภัย

Agent Smith ที่ 25% เป็นจุดเริ่มต้น ถ้าเตรียม workflow API ให้พร้อมกับ agent วันนี้ อนาคตคุณจะได้ใช้ AI code tool ได้อย่างปลอดภัยและ product-ready

DEV Community