Kebanyakan orang mengira AI Agent cuma menjawab pertanyaan seperti chatbot biasa. Padahal di balik satu instruksi singkat, ada rangkaian proses: mengumpulkan konteks, menyusun rencana, memilih tool, mengeksekusi aksi, sampai mengevaluasi hasilnya sendiri, sebelum jawaban final muncul di layar. Tutorial ini membedah 9 tahap kerja AI Agent secara berurutan, lengkap dengan satu studi kasus utuh dan panduan praktek supaya kamu bisa langsung membangun AI Agent sendiri.
<aside> 🧠
Inti dari semua AI Agent sebenarnya sederhana: LLM yang bekerja dalam loop, dibantu tool, dan mendapat umpan balik dari lingkungan di sekitarnya. Dokumentasi resmi Anthropic soal cara membangun AI Agent efektif menyebut loop inti ini hanya terdiri dari empat fase, yaitu gather context, take action, verify work, repeat. 9 tahap yang dibahas di tutorial ini adalah versi rinci dari empat fase tersebut, disusun supaya lebih mudah dipahami langkah demi langkah.
</aside>
Supaya tidak bingung, berikut pemetaan 9 tahap di tutorial ini ke 4 fase inti yang dipakai dalam dokumentasi teknis AI Agent.
| Fase Inti (Loop Resmi) | Tahap yang Dibahas di Tutorial Ini |
|---|---|
| Gather Context | 1. Menerima Instruksi, 2. Mengumpulkan Konteks, 3. Memahami Tugas |
| Take Action | 4. Analisis & Perencanaan, 5. Memilih Tool/Tindakan, 6. Mengeksekusi Aksi |
| Verify Work | 7. Evaluasi Hasil |
| Repeat | 8. Update Memori, 9. Ulangi & Tingkatkan |
Setiap tahap di bawah ini akan diberi contoh nyata dari satu kasus yang sama, supaya alurnya terasa utuh, bukan potongan-potongan yang lepas. Kasusnya begini:
<aside> 📋
Tim HR sebuah kantor mengetik ke AI Agent, "Cariin vendor katering untuk acara syukuran kantor, 50 orang, minggu depan, budget maksimal Rp5 juta, wajib ada menu vegetarian."
</aside>
Semua proses AI Agent dimulai dari satu titik, yaitu instruksi jelas dari pengguna. Instruksi ini berfungsi sebagai tujuan (goal) yang membatasi ruang lingkup kerja Agent, supaya prosesnya tidak melebar ke mana-mana.
Contoh nyata: instruksi Tim HR di atas sudah cukup jelas karena memuat jumlah orang, waktu, budget, dan syarat menu. Instruksi yang terlalu umum seperti "cariin katering dong" akan membuat Agent kesulitan menentukan batasan kerja di tahap berikutnya.
Sebelum bertindak, AI Agent mengambil informasi relevan yang sudah tersedia, baik dari percakapan yang sedang berjalan maupun dari data yang tersimpan di memori jangka panjang.
Contoh nyata: Agent mengecek kalender kantor untuk memastikan tanggal acara, membaca catatan memori soal vendor yang pernah dipakai sebelumnya (misalnya ada catatan "Vendor A sering telat kirim"), dan mengambil alamat kantor yang sudah tersimpan untuk lokasi pengiriman.
Agent menyusun seluruh informasi yang terkumpul menjadi kebutuhan yang tersusun rapi, sehingga tugas bisa diselesaikan secara sistematis, bukan asal tebak.
Contoh nyata: Agent merangkum kebutuhan jadi poin konkret, yaitu 50 porsi, budget maksimal Rp100 ribu per porsi, wajib ada opsi vegetarian, pengiriman minggu depan ke alamat kantor.