BAB 16
Sumber: Disusun berdasarkan riset Anthropic, OpenAI, dan perkembangan terkini AI Agent ecosystems Estimasi Waktu: 45-60 menit Prasyarat: Pelajaran 01-14
Materi ini memperkenalkan konsep AI Agents - sistem AI yang bisa bertindak secara mandiri, menggunakan alat, dan menyelesaikan tugas multi-langkah tanpa supervisi manusia di setiap langkah. Ini adalah evolusi dari “chatbot” menjadi “asisten otonom” dan merupakan salah satu perkembangan terpenting dalam AI saat ini.
Setelah mempelajari materi ini, kamu akan mampu:
┌────────────────────────────────────────────────────────────────┐
│ SPEKTRUM KAPABILITAS AI │
│ │
│ Sederhana Kompleks │
│ ◄─────────────────────────────────────────────────────────► │
│ │
│ Prompt → Workflow → Agent → Multi-Agent │
│ Tunggal Terstruktur Otonom Kolaboratif │
│ │
│ Manusia Manusia Manusia Manusia │
│ kontrol mengarahkan mengawasi menyetujui │
│ sepenuhnya langkah-langkah dari jauh tujuan akhir │
└────────────────────────────────────────────────────────────────┘Chatbot (Prompt Tunggal)
Workflow (Alur Terstruktur)
Agent (Otonom)
Multi-Agent (Kolaboratif)
┌─────────────────────────────────────────┐
│ AI AGENT │
│ │
│ ┌─────────────┐ ┌────────────────┐ │
│ │ LLM Core │ │ Memory │ │
│ │ (Reasoning)│ │ (Konteks & │ │
│ │ │ │ Histori) │ │
│ └──────┬──────┘ └────────────────┘ │
│ │ │
│ ┌──────┴──────────────────────────┐ │
│ │ PLANNING ENGINE │ │
│ │ - Tentukan langkah │ │
│ │ - Evaluasi progress │ │
│ │ - Adaptasi rencana │ │
│ └──────┬──────────────────────────┘ │
│ │ │
│ ┌──────┴──────────────────────────┐ │
│ │ TOOL INTERFACE │ │
│ │ - Web Search │ │
│ │ - Code Execution │ │
│ │ - File Operations │ │
│ │ - API Calls │ │
│ │ - Database Queries │ │
│ └─────────────────────────────────┘ │
└─────────────────────────────────────────┘Kemampuan AI untuk memanggil fungsi eksternal berdasarkan kebutuhan. Alih-alih hanya menghasilkan teks, AI bisa menjalankan aksi di dunia nyata.
{
"name": "get_weather",
"description": "Mendapatkan informasi cuaca saat ini untuk lokasi tertentu",
"input_schema": {
"type": "object",
"properties": {
"location": {
"type": "string",
"description": "Nama kota, misalnya 'Jakarta, Indonesia'"
},
"unit": {
"type": "string",
"enum": ["celsius", "fahrenheit"],
"description": "Satuan suhu"
}
},
"required": ["location"]
}
}1. User: "Cuaca di Jakarta hari ini?"
│
2. AI menganalisis: Butuh data cuaca → pilih tool "get_weather"
│
3. AI menghasilkan: Tool call → get_weather({"location": "Jakarta"})
│
4. Sistem menjalankan tool dan mengembalikan: {"temperature": 32, "condition": "cerah"}
│
5. AI menggunakan hasil: "Cuaca di Jakarta hari ini cerah dengan suhu 32°C."| Kategori | Contoh | Kegunaan |
|---|---|---|
| Search | Web search, database query | Mencari informasi terkini |
| Compute | Code execution, calculator | Perhitungan dan analisis data |
| Create | File write, image generation | Membuat konten |
| Communicate | Email send, Slack message | Berkomunikasi dengan manusia |
| Storage | Database CRUD, file ops | Menyimpan dan mengambil data |
| External API | REST API calls, webhook | Integrasi dengan layanan lain |
Loop berulang di mana agent bergantian antara berpikir dan bertindak:
Thought: Saya perlu mencari tahu pendapatan perusahaan X di 2024
Action: web_search("pendapatan perusahaan X 2024")
Observation: Pendapatan perusahaan X di 2024 adalah Rp 50 miliar
Thought: Sekarang saya perlu membandingkan dengan tahun sebelumnya
Action: web_search("pendapatan perusahaan X 2023")
Observation: Pendapatan perusahaan X di 2023 adalah Rp 42 miliar
Thought: Saya sudah punya data untuk menjawab
Answer: Pendapatan perusahaan X naik 19% dari Rp 42 miliar (2023) ke Rp 50 miliar (2024).Agent membuat rencana lengkap terlebih dahulu, lalu mengeksekusi langkah demi langkah:
Plan:
1. Cari data pendapatan 2023 dan 2024
2. Hitung pertumbuhan
3. Cari data industri untuk perbandingan
4. Buat analisis lengkap
Execute Step 1: [tool calls]
Execute Step 2: [kalkulasi]
Execute Step 3: [tool calls]
Execute Step 4: [generate report]Agent mereview outputnya sendiri sebelum memberikan jawaban final:
1. Generate draft answer
2. Self-critique: "Apakah jawaban ini akurat? Apakah ada yang kurang?"
3. Identify improvements
4. Generate improved answer
5. Final reviewBeberapa agent dengan peran berbeda bekerja bersama:
┌─────────────┐ ┌──────────────┐ ┌─────────────┐
│ RESEARCHER │────►│ WRITER │────►│ REVIEWER │
│ │ │ │ │ │
│ Cari info │ │ Tulis draft │ │ Kritik & │
│ Kumpulkan │ │ Struktur │ │ perbaiki │
│ data │ │ konten │ │ finalisasi │
└─────────────┘ └──────────────┘ └─────────────┘┌──────────────────────────────────────────────────┐
│ PRINSIP KEAMANAN AI AGENT │
├──────────────────────────────────────────────────┤
│ │
│ 1. HUMAN-IN-THE-LOOP │
│ → Aksi penting perlu persetujuan manusia │
│ │
│ 2. SANDBOXING │
│ → Batasi akses agent ke resource │
│ │
│ 3. GUARDRAILS │
│ → Validasi output sebelum eksekusi │
│ │
│ 4. LOGGING & AUDIT │
│ → Catat semua aksi untuk transparansi │
│ │
│ 5. GRADUAL AUTONOMY │
│ → Mulai dari otonomi rendah, tingkatkan │
│ seiring kepercayaan │
│ │
│ 6. CLEAR BOUNDARIES │
│ → Definisikan apa yang BOLEH dan DILARANG │
│ │
└──────────────────────────────────────────────────┘| Level | Otonomi | Contoh | Risiko |
|---|---|---|---|
| 1 | Hanya saran | AI menyarankan aksi, manusia eksekusi | Rendah |
| 2 | Eksekusi dengan persetujuan | AI menjalankan setelah manusia approve | Rendah-Sedang |
| 3 | Eksekusi dengan notifikasi | AI menjalankan dan melaporkan setelah | Sedang |
| 4 | Otonom penuh dalam batasan | AI bekerja sendiri dalam scope tertentu | Tinggi |
| 5 | Otonom penuh | AI bebas bertindak | Sangat Tinggi |
Rekomendasi: Untuk sebagian besar use case, Level 2-3 adalah sweet spot. Level 4-5 hanya untuk konteks di mana kegagalan berdampak rendah.
Desain konsep untuk AI Agent yang bisa membantu kamu dalam pekerjaan atau studi sehari-hari.
Tulis system prompt yang mendefinisikan: