M10.L01 · Lanjutan · 45-60 menit

Apa itu AI agent?

Kita bongkar apa itu ai agent?: konsep dasarnya, contoh nyatanya, lalu langsung coba.

KALAU LESSON INI BERES1/2

Paham agent
Paham planning
Paham tool calling

Sebelum mulai

Baca ringkasan modul dan siapkan satu contoh pekerjaan nyata.
Selesaikan modul sebelumnya atau pahami konsep dasarnya dulu.

Target belajar: Setelah lesson ini, kamu bisa menjelaskan apa itu ai agent?, menerapkannya pada contoh Indonesia yang sederhana, dan tahu bagian mana yang harus dicek manusia.

Yang perlu kamu tangkap

01Agent

Agent perlu dipahami sebagai bagian dari agent anatomy. AI agent adalah aplikasi AI yang bisa menyelesaikan task multi-step dengan merencanakan, memakai tools, menyimpan state, dan melakukan action. OpenAI menjelaskan agent sebagai aplikasi yang bisa merencanakan, memanggil tools, berkolaborasi lintas spesialis, dan mempertahankan state yang cukup untuk menyelesaikan pekerjaan multi-step.

Kenapa penting: Ini penting karena lesson M10.L01 bukan cuma mengejar istilah. Kamu perlu tahu kapan agent membantu kerja nyata, kapan harus diverifikasi, dan batas apa yang tetap perlu dijaga manusia.

Contoh: Agent riset berita: menerima topik -> mencari sumber -> membaca artikel -> mengekstrak klaim -> membandingkan sumber -> menulis summary -> menandai hal yang perlu dicek. Agent customer support: membaca pertanyaan -> cek FAQ/order -> jawab -> eskalasi jika perlu.

Kesalahan pemula: Kesalahan umum: menganggap agent otomatis membuat hasil benar tanpa contoh, sumber, atau checklist evaluasi.

02Planning

Planning perlu dipahami sebagai bagian dari goals, tools, memory, dan state. Chatbot biasa menjawab. Automation menjalankan flow yang sudah ditentukan. Agent berada di tengah: bisa memilih langkah dan tools berdasarkan tujuan, tetapi tetap perlu batasan. Agent yang terlalu bebas berbahaya karena bisa mengambil action salah, bocor data, atau menghabiskan biaya.

Kenapa penting: Ini penting karena lesson M10.L01 bukan cuma mengejar istilah. Kamu perlu tahu kapan planning membantu kerja nyata, kapan harus diverifikasi, dan batas apa yang tetap perlu dijaga manusia.

Kesalahan pemula: Kesalahan umum: menganggap planning otomatis membuat hasil benar tanpa contoh, sumber, atau checklist evaluasi.

03Tool calling

Tool calling perlu dipahami sebagai bagian dari permissions dan stopping conditions. Komponen agent: instruction, model, tools, memory/state, planner, executor, evaluator, guardrails, dan human approval. Untuk pemula, ajarkan agent sebagai “assistant yang bisa memakai alat”, bukan robot otonom ajaib.

Kenapa penting: Ini penting karena lesson M10.L01 bukan cuma mengejar istilah. Kamu perlu tahu kapan tool calling membantu kerja nyata, kapan harus diverifikasi, dan batas apa yang tetap perlu dijaga manusia.

Kesalahan pemula: Kesalahan umum: menganggap tool calling otomatis membuat hasil benar tanpa contoh, sumber, atau checklist evaluasi.

04Memory

Memory perlu dipahami sebagai bagian dari cost budget. AI agent adalah aplikasi AI yang bisa menyelesaikan task multi-step dengan merencanakan, memakai tools, menyimpan state, dan melakukan action. OpenAI menjelaskan agent sebagai aplikasi yang bisa merencanakan, memanggil tools, berkolaborasi lintas spesialis, dan mempertahankan state yang cukup untuk menyelesaikan pekerjaan multi-step.

Kenapa penting: Ini penting karena lesson M10.L01 bukan cuma mengejar istilah. Kamu perlu tahu kapan memory membantu kerja nyata, kapan harus diverifikasi, dan batas apa yang tetap perlu dijaga manusia.

Kesalahan pemula: Kesalahan umum: menganggap memory otomatis membuat hasil benar tanpa contoh, sumber, atau checklist evaluasi.

05State

State perlu dipahami sebagai bagian dari State. Chatbot biasa menjawab. Automation menjalankan flow yang sudah ditentukan. Agent berada di tengah: bisa memilih langkah dan tools berdasarkan tujuan, tetapi tetap perlu batasan. Agent yang terlalu bebas berbahaya karena bisa mengambil action salah, bocor data, atau menghabiskan biaya.

Kenapa penting: Ini penting karena lesson M10.L01 bukan cuma mengejar istilah. Kamu perlu tahu kapan state membantu kerja nyata, kapan harus diverifikasi, dan batas apa yang tetap perlu dijaga manusia.

Kesalahan pemula: Kesalahan umum: menganggap state otomatis membuat hasil benar tanpa contoh, sumber, atau checklist evaluasi.

06Action

Action perlu dipahami sebagai bagian dari Action. Komponen agent: instruction, model, tools, memory/state, planner, executor, evaluator, guardrails, dan human approval. Untuk pemula, ajarkan agent sebagai “assistant yang bisa memakai alat”, bukan robot otonom ajaib.

Kenapa penting: Ini penting karena lesson M10.L01 bukan cuma mengejar istilah. Kamu perlu tahu kapan action membantu kerja nyata, kapan harus diverifikasi, dan batas apa yang tetap perlu dijaga manusia.

Kesalahan pemula: Kesalahan umum: menganggap action otomatis membuat hasil benar tanpa contoh, sumber, atau checklist evaluasi.

07Observation

Observation perlu dipahami sebagai bagian dari Observation. AI agent adalah aplikasi AI yang bisa menyelesaikan task multi-step dengan merencanakan, memakai tools, menyimpan state, dan melakukan action. OpenAI menjelaskan agent sebagai aplikasi yang bisa merencanakan, memanggil tools, berkolaborasi lintas spesialis, dan mempertahankan state yang cukup untuk menyelesaikan pekerjaan multi-step.

Kenapa penting: Ini penting karena lesson M10.L01 bukan cuma mengejar istilah. Kamu perlu tahu kapan observation membantu kerja nyata, kapan harus diverifikasi, dan batas apa yang tetap perlu dijaga manusia.

Kesalahan pemula: Kesalahan umum: menganggap observation otomatis membuat hasil benar tanpa contoh, sumber, atau checklist evaluasi.

08Guardrails

Guardrails perlu dipahami sebagai bagian dari Guardrails. Chatbot biasa menjawab. Automation menjalankan flow yang sudah ditentukan. Agent berada di tengah: bisa memilih langkah dan tools berdasarkan tujuan, tetapi tetap perlu batasan. Agent yang terlalu bebas berbahaya karena bisa mengambil action salah, bocor data, atau menghabiskan biaya.

Kenapa penting: Ini penting karena lesson M10.L01 bukan cuma mengejar istilah. Kamu perlu tahu kapan guardrails membantu kerja nyata, kapan harus diverifikasi, dan batas apa yang tetap perlu dijaga manusia.

Kesalahan pemula: Kesalahan umum: menganggap guardrails otomatis membuat hasil benar tanpa contoh, sumber, atau checklist evaluasi.

Oke, sekarang kita bongkar

AI agent adalah aplikasi AI yang bisa menyelesaikan task multi-step dengan merencanakan, memakai tools, menyimpan state, dan melakukan action. OpenAI menjelaskan agent sebagai aplikasi yang bisa merencanakan, memanggil tools, berkolaborasi lintas spesialis, dan mempertahankan state yang cukup untuk menyelesaikan pekerjaan multi-step.

Chatbot biasa menjawab. Automation menjalankan flow yang sudah ditentukan. Agent berada di tengah: bisa memilih langkah dan tools berdasarkan tujuan, tetapi tetap perlu batasan. Agent yang terlalu bebas berbahaya karena bisa mengambil action salah, bocor data, atau menghabiskan biaya.

Komponen agent: instruction, model, tools, memory/state, planner, executor, evaluator, guardrails, dan human approval. Untuk pemula, ajarkan agent sebagai “assistant yang bisa memakai alat”, bukan robot otonom ajaib.

Contoh biar kebayang

Agent riset berita: menerima topik -> mencari sumber -> membaca artikel -> mengekstrak klaim -> membandingkan sumber -> menulis summary -> menandai hal yang perlu dicek. Agent customer support: membaca pertanyaan -> cek FAQ/order -> jawab -> eskalasi jika perlu.

Coba praktik

Pilih satu assistant yang ingin dibuat.
Daftar tools yang dibutuhkan.
Tentukan action yang boleh dan tidak boleh dilakukan.
Buat guardrails.

Prompt yang bisa kamu coba

Rancang AI agent untuk tujuan: [tujuan]. Isi: role, input, tools, memory, step kerja, allowed actions, forbidden actions, human approval, failure mode, dan evaluation criteria.

Beneran paham, atau cuma terasa familiar?

Jawab pakai bahasamu sendiri. Kalau masih muter-muter, bagian atasnya perlu dibaca sekali lagi.

1
Apa beda chatbot dan agent?
2
Apa itu tool calling?
3
Kenapa guardrails penting untuk agent?

Bikin sesuatu dari lesson ini

Buat spec satu AI agent sederhana lengkap dengan tools dan batasan action.

Catatan dan batasan

Buat diagram: user goal -> agent plan -> tool call -> observation -> answer/action.
Checklist tambahan: agent anatomy.
Checklist tambahan: goals, tools, memory, dan state.
Checklist tambahan: permissions dan stopping conditions.
Checklist tambahan: cost budget.

Langkah berikutnya

Simpan hasil latihan, cek kembali dengan rubric sederhana, lalu lanjut ke lesson berikutnya saat output sudah bisa dijelaskan ulang.

webhook eval ai machine learning

Tool calling dan function calling