AI AGENT ENGINEERING & AUTONOMOUS SYSTEMS
Dari Chatbot menjadi AI yang Bisa Bekerja
Pada Level 20 kita sudah mempelajari:
LLM
Prompt Engineering
Embedding
Vector Database
RAG
Fine-Tuning
LoRA / PEFT
Tool Calling
Text-to-SQL
Multimodal AI
AI Governance
Sekarang kita naik ke tahap berikutnya:
AI AGENT ENGINEERING
Perbedaannya sederhana.
Chatbot biasa
User
↓
Question
↓
LLM
↓
AnswerAI Agent
User
↓
Goal
↓
AI Agent
↓
Plan
↓
Tools
↓
Observe
↓
Reason
↓
Act
↓
Verify
↓
ResultAgent tidak hanya menghasilkan teks.
Agent dapat menjalankan pekerjaan.
1. Apa Itu AI Agent?
AI Agent adalah sistem AI yang dapat:
memahami tujuan,
membuat rencana,
menggunakan tools,
mengambil informasi,
melakukan tindakan,
mengevaluasi hasil,
dan menyelesaikan workflow.
Contoh:
User:
"Cari produk dengan penjualan turun paling besar dan buat laporan."
Agent:
1. Ambil data sales
2. Bandingkan periode
3. Hitung perubahan
4. Ranking produk
5. Cari penyebab
6. Buat laporan
7. Simpan laporanIni sudah lebih dari sekadar chatbot.
2. Agent Loop
Salah satu konsep paling penting:
┌──────────────┐
│ GOAL │
└──────┬───────┘
↓
PLAN
↓
ACTION
↓
TOOL
↓
OBSERVE
↓
EVALUATE
│
┌──────┴──────┐
│ │
DONE CONTINUE
│ │
▼ └──────► PLAN
RESULTAgent melakukan loop sampai tujuan tercapai atau batas eksekusi tercapai.
3. Goal
Agent membutuhkan tujuan yang jelas.
Contoh:
Goal:
"Analisis penurunan penjualan bulan ini."Agent harus menentukan:
Apa yang harus dilakukan?
Data apa yang diperlukan?
Tool apa yang diperlukan?
Kapan pekerjaan dianggap selesai?4. Planning
Agent memecah pekerjaan besar menjadi tugas kecil.
Contoh:
GOAL
↓
Analisis sales
↓
TASK 1: Ambil data
↓
TASK 2: Hitung perubahan
↓
TASK 3: Cari produk bermasalah
↓
TASK 4: Cari wilayah bermasalah
↓
TASK 5: Cari kemungkinan penyebab
↓
TASK 6: Buat rekomendasiIni disebut:
Task Decomposition
5. ReAct Pattern
Salah satu pola agent yang penting adalah:
REASON
↓
ACT
↓
OBSERVE
↓
REASON
↓
ACT
↓
OBSERVEContoh:
Reason:
Saya membutuhkan data sales.
Act:
Panggil SQL Tool.
Observe:
Data berhasil diperoleh.
Reason:
Saya perlu membandingkan bulan lalu.
Act:
Panggil SQL Tool lagi.
Observe:
Data tersedia.Kemudian agent melanjutkan analisis.
6. Tool
Tool adalah kemampuan eksternal yang dapat digunakan agent.
Contoh:
SQL Tool
Search Tool
CRM Tool
ERP Tool
Email Tool
Calendar Tool
File Tool
API Tool
Python Tool
CalculatorLLM sendiri tidak harus melakukan semuanya.
LLM menentukan:
"Tool mana yang diperlukan?"
7. Tool Schema
Tool harus mempunyai definisi yang jelas.
Contoh konsep:
{
"name": "get_sales",
"description": "Mengambil data penjualan",
"parameters": {
"start_date": "date",
"end_date": "date",
"product": "string"
}
}Agent mengetahui:
Nama Tool
Tujuan Tool
Parameter
Format Input
Format Output8. Function Calling
Agent dapat memilih function berdasarkan kebutuhan.
Contoh:
User:
"Berapa sales hari ini?"Agent memutuskan:
Function:
get_sales()Backend menjalankan function.
Kemudian hasil dikembalikan:
Sales = Rp87.500.000LLM membuat jawaban.
9. Tool Result
Jangan memberikan hasil tool dalam format yang tidak jelas.
Lebih baik:
{
"status": "success",
"total_sales": 87500000,
"currency": "IDR",
"period": "2026-10-05"
}Agent dapat memproses hasil tersebut dengan lebih aman.
10. Agent State
Agent perlu mengetahui kondisi pekerjaannya.
Contoh:
STATE
goal:
Analisis sales
completed:
- get_sales
- compare_period
pending:
- analyze_product
- generate_report
errors:
noneState memungkinkan agent melanjutkan workflow dengan terstruktur.
11. Short-Term Memory
Short-term memory menyimpan konteks pekerjaan saat ini.
Contoh:
User:
Analisis sales.
Agent:
Saya akan mengambil data.
Tool:
Data sales tersedia.
Agent:
Saya menemukan penurunan 12%.Agent perlu mempertahankan konteks tersebut selama workflow.
12. Long-Term Memory
Long-term memory dapat digunakan untuk informasi yang memang perlu dipertahankan.
Contoh:
Perusahaan menggunakan target:
Rp1 Miliar/bulanPada percakapan berikutnya agent dapat menggunakan informasi tersebut jika memang disimpan dan diizinkan.
Namun tidak semua percakapan harus disimpan.
13. Memory Architecture
AGENT
│
┌────────┴────────┐
▼ ▼
SHORT-TERM LONG-TERM
MEMORY MEMORY
│ │
▼ ▼
Conversation Vector DB
State Database
Task Profile
Context KnowledgeMemory harus memiliki:
permission,
retention policy,
deletion mechanism,
audit.
14. Agent dengan RAG
Agent dapat menggunakan RAG sebagai salah satu tool.
Agent
│
├── SQL Tool
├── CRM Tool
├── RAG Tool
├── Search Tool
└── Email ToolJika user bertanya:
"Apa aturan retur Produk A?"
Agent:
RAG Tool
↓
Product Policy
↓
Relevant Document
↓
LLM
↓
Answer15. Agent dengan SQL
Contoh:
"Produk apa yang penjualannya turun lebih dari 20%?"
Agent:
Question
↓
Plan
↓
SQL Tool
↓
Database
↓
Result
↓
AnalysisSQL dapat menghitung:
Current Sales
Previous Sales
Growth %Kemudian agent menjelaskan hasilnya.
16. Agent dengan API
Agent dapat menggunakan API.
Contoh:
Weather API
Payment API
Shipping API
Marketplace API
CRM API
ERP APIMisalnya:
"Apakah pesanan #123 sudah dikirim?"
Agent:
Order Tool
↓
API
↓
Tracking
↓
ResultKemudian:
"Pesanan #123 sudah dikirim dan sedang dalam perjalanan."
17. Agent dengan File
Agent dapat bekerja dengan:
Excel
CSV
PDF
DOCX
JSONContoh:
"Analisis file sales.xlsx."
Workflow:
Upload File
↓
Read
↓
Validate
↓
Analyze
↓
Generate Report18. Agent dengan Python
Python dapat menjadi tool untuk pekerjaan analitik.
Contoh:
Agent
↓
Python Tool
↓
Pandas
↓
Data Analysis
↓
Chart
↓
ResultAgent dapat meminta Python melakukan perhitungan yang lebih kompleks.
19. Agent dengan Database
Arsitektur:
AI Agent
│
▼
Database Tool
│
▼
Read-only DB
│
▼
QueryUntuk keamanan, gunakan database account khusus:
AI_ANALYST_READONLYPermission:
SELECT = YES
INSERT = NO
UPDATE = NO
DELETE = NO
DROP = NO20. Guardrails
Agent yang memiliki tools harus mempunyai guardrails.
Contoh:
Input Validation
Permission Check
Tool Allowlist
Output Validation
Budget Limit
Time Limit
Action Limit
Human Approval21. Action Limit
Agent jangan dibiarkan menjalankan loop tanpa batas.
Misalnya:
Max Tool Calls = 20
Max Runtime = 5 minutes
Max Cost = $1Jika melewati batas:
STOP22. Human Approval
Tindakan tertentu harus membutuhkan approval.
Contoh:
AI:
Saya ingin mengubah harga Produk A
dari Rp100.000 menjadi Rp90.000.
[APPROVE] [REJECT]Setelah manager approve:
AI
↓
Pricing API
↓
Harga berubah23. Risk-Based Autonomy
Tidak semua tugas memiliki risiko yang sama.
Level 1 — Low Risk
Read Data
Search
Summarize
AnalyzeAI dapat otomatis.
Level 2 — Medium Risk
Create Draft
Create Report
Prepare EmailAI dapat melakukan tetapi mungkin membutuhkan review.
Level 3 — High Risk
Transfer Money
Delete Data
Change Price
Approve PaymentWajib human approval.
24. Multi-Agent System
Satu agent tidak selalu cukup.
Kita dapat membangun beberapa agent.
Contoh:
ORCHESTRATOR
│
┌─────────────┼─────────────┐
▼ ▼ ▼
SALES AGENT FINANCE AGENT INVENTORY AGENT
│ │ │
▼ ▼ ▼
SALES FINANCE STOCK25. Sales Agent
Tugas:
Sales analysis
Customer analysis
Sales forecasting
Product analysisTools:
SQL
CRM
BI
Forecast Model26. Finance Agent
Tugas:
Revenue
Expense
Cash flow
Budget
Financial reportTools:
Finance DB
Accounting API
Excel
Report Generator27. Inventory Agent
Tugas:
Stock monitoring
Reorder
Slow moving products
Stockout predictionTools:
ERP
Warehouse API
Forecast Model28. Agent Orchestrator
Orchestrator menentukan agent mana yang bekerja.
User:
"Penjualan turun dan beberapa produk mulai habis."
Orchestrator:
Sales Agent
↓
Inventory Agent
↓
Combine Result
↓
Final Analysis29. Multi-Agent Workflow
USER
↓
ORCHESTRATOR
│
├──► SALES AGENT
│ ↓
│ Sales Analysis
│
├──► INVENTORY AGENT
│ ↓
│ Stock Analysis
│
└──► FINANCE AGENT
↓
Margin Analysis
│
▼
ORCHESTRATOR
│
▼
FINAL REPORT30. Agent-to-Agent Communication
Agent harus memiliki format komunikasi yang jelas.
Contoh:
{
"from": "sales_agent",
"to": "inventory_agent",
"task": "check_stock",
"products": [
"Product A",
"Product B"
]
}Response:
{
"status": "success",
"products": [
{
"name": "Product A",
"stock": 12
}
]
}31. Workflow vs Agent
Tidak semua pekerjaan membutuhkan agent.
Gunakan workflow jika prosesnya:
Tetap
Terstruktur
PredictableContoh:
Ambil data
↓
Hitung
↓
Generate PDF
↓
EmailAgent lebih cocok jika:
Tujuan kompleks
Langkah tidak selalu sama
Perlu reasoning
Perlu memilih tools32. Agent Evaluation
Agent harus dievaluasi.
Pertanyaan:
Apakah agent memilih tool yang benar?
Apakah hasilnya benar?
Apakah agent berhenti ketika selesai?
Apakah agent aman?
Apakah agent terlalu banyak memanggil tool?Metric:
Task Success Rate
Tool
0 Comments:
Posting Komentar