menu_bookedukasi AI

AI Agents Architecture: Cara Kerja AI Agent

Penjelasan arsitektur AI Agent untuk pemula — komponen utama, tools, memory, planning, dan cara membangun agent sederhana.

Apa itu AI Agent?

AI Agent adalah sistem AI yang dapat mengambil tindakan secara mandiri untuk mencapai tujuan yang ditentukan. Berbeda dengan chatbot biasa yang hanya menjawab pertanyaan, AI Agent bisa merencanakan, menggunakan tools, dan mengeksekusi tugas multi-langkah.

Bayangkan Anda punya asisten yang tidak hanya bisa ngobrol, tapi juga bisa browsing internet, mengedit file, menjalankan kode, dan menyerahkan hasil kerjanya kepada Anda. Itulah AI Agent.

Komponen Utama AI Agent

LLM (Brain)

Large Language Model sebagai "otak" agent. Bertugas memahami bahasa alami, berpikir, dan mengambil keputusan. Contoh: GPT-4, Claude, Gemini.

Tools (Alat)

Kemampuan agent untuk berinteraksi dengan dunia luar: membaca/menulis file, menjalankan perintah shell, mengakses API, browsing web.

Memory (Memori)

Menyimpan konteks percakapan dan hasil kerja sebelumnya. Ada dua jenis: short-term (percakapan saat ini) dan long-term (pengetahuan dari sesi sebelumnya).

Planning (Perencanaan)

Kemampuan agent untuk memecah tugas besar menjadi langkah-langkah kecil yang bisa dieksekusi secara berurutan.

Cara Kerja: ReAct Pattern

Kebanyakan AI Agent menggunakan pola ReAct (Reasoning + Acting):

LangkahApa yang TerjadiContoh
1. ObserveAgent mengamati input dan konteksUser: "Perbaiki bug di login"
2. ThinkAgent berpikir dan merencanakanAgent: "Saya perlu baca file auth.ts dulu"
3. ActAgent mengambil tindakanAgent: [membaca file auth.ts]
4. ObserveAgent mengamati hasil tindakanAgent: "Ada typo di baris 42"
5. ThinkAgent berpikir langkah selanjutnyaAgent: "Perlu ganti 'ture' jadi 'true'"
6. ActAgent mengeksekusi perbaikanAgent: [mengedit file]

Jenis-jenis AI Agent

Reactive Agent

Merespons input tanpa memory jangka panjang. Contoh: chatbot customer service dasar.

Deliberative Agent

Bisa merencanakan dan mempertimbangkan langkah sebelum bertindak. Contoh: coding agent seperti jcode.

Hybrid Agent

Kombinasi reactive dan deliberative. Bisa merespons cepat untuk hal sederhana, dan merencanakan untuk tugas kompleks.

Multi-Agent

Beberapa agent bekerja sama untuk mencapai tujuan. Contoh: swarm agents di jcode.

Contoh Implementasi Sederhana

Berikut konsep dasar AI Agent dengan Python pseudo-code:

class SimpleAgent:
    def __init__(self, llm, tools):
        self.llm = llm        # Model AI
        self.tools = tools    # Daftar tools yang tersedia
        self.memory = []      # History percakapan
    
    def run(self, task):
        self.memory.append({"role": "user", "content": task})
        
        while True:
            # 1. Berpikir: apa yang harus dilakukan?
            thought = self.llm.think(self.memory)
            
            # 2. Pilih tool yang tepat
            tool, args = self.llm.choose_tool(thought, self.tools)
            
            # 3. Eksekusi tool
            result = tool.execute(args)
            
            # 4. Cek apakah selesai
            if self.llm.is_done(result):
                return result
            
            # 5. Simpan hasil dan lanjut
            self.memory.append({"tool": tool.name, "result": result})

Tantangan dan Limitasi

  • Hallucination — Agent kadang "mengarang" informasi yang tidak akurat
  • Infinite Loop — Agent bisa terjebak dalam loop tanpa solusi
  • Cost — Setiap langkah memanggil LLM yang membutuhkan token/API call
  • Security — Agent yang punya akses ke sistem bisa melakukan tindakan berbahaya jika tidak diawasi
  • Context Window — Batasan memori yang bisa diproses LLM dalam satu waktu

Ringkasan

AI Agent adalah sistem AI yang bisa berpikir, merencanakan, dan bertindak secara mandiri. Komponen utamanya: LLM (otak), Tools (alat), Memory (memori), dan Planning (perencanaan). Pola ReAct (Reasoning + Acting) adalah pendekatan yang paling umum digunakan.