Apa itu AI Agent?

AI agent menggunakan LLM sebagai “otak” untuk membuat keputusan, memanggil tools eksternal, dan melakukan beberapa tindakan secara berurutan demi menyelesaikan tujuan yang kompleks.

Perbedaan agent dengan chatbot

Chatbot	Agent
Menjawab satu pertanyaan dalam satu waktu	Berputar melalui banyak langkah
Hanya menghasilkan teks	Bisa melakukan tindakan (memanggil API, menulis file, mengoperasikan browser)
Butuh user mengarahkan setiap langkah	Merencanakan sendiri

Agent di dunia nyata (2026)

Coding agents

• Claude Code, Cursor, Devin: katakan “perbaiki bug X” dan mereka akan membaca kode, mengedit file, menjalankan test, lalu commit.

Research agents

• Perplexity Pro, OpenAI Deep Research: minta “laporan pasar EV di ASEAN” dan mereka akan mencari di web, membaca 50 sumber, lalu merangkum.

Browser agents

• Computer Use (Anthropic), OpenAI Operator: mengontrol mouse dan keyboard untuk memesan tiket, mengisi form, mengoperasikan aplikasi.

Personal assistants

• Mengatur jadwal meeting, membaca email, merencanakan perjalanan — terintegrasi dengan Calendar, Gmail, dan layanan tiket pesawat.

Loop agent sederhana

┌──────────────────────────────────┐
│  LLM (otak) — Claude/GPT         │
│                                  │
│  Loop:                           │
│    1. Baca task + state          │
│    2. Berpikir (Chain of Thought)│
│    3. Pilih tool + parameter     │
│    4. Panggil tool, ambil hasil  │
│    5. Kembali ke 1 jika belum    │
└──────────────────────────────────┘
         ↓ tools
   [search] [file_read] [code_run] [http_call] ...

Mengapa agent meledak (2025-26)

Tiga hal bertemu:

1. Tool use menjadi andal (function calling lebih baik)
2. Model reasoning (Claude 4.7, GPT-5) berpikir jauh lebih baik
3. MCP menstandarkan cara agent terhubung ke tools

→ Agent bukan lagi sekadar demo — sudah siap produksi untuk banyak use case.

Keterbatasan saat ini

• Compounding errors: 95% per langkah × 10 langkah = 60% sukses end-to-end
• Biaya: agent memanggil LLM berkali-kali → 5-50× lebih mahal dari chatbot
• Latency: banyak round trip → lambat
• Sulit di-debug ketika terjadi kesalahan

Kapan menggunakan agent

✅ Tugas berulang dengan workflow yang jelas ✅ Pekerjaan yang menghabiskan waktu tetapi tidak butuh penalaran jenius ✅ User mentolerir latency puluhan detik hingga beberapa menit

❌ Butuh respons real-time ❌ Butuh akurasi 99,9% (medis, keuangan) ❌ Anggaran ketat

Terkait

• MCP
• Function Calling
• LLM