Membangun AI Agent Pertama Anda: Dari Prompting ke Tool Use

Agent adalah LLM yang diberi kemampuan memanggil tools dan membuat loop reasoning. Berbeda dari chatbot, agent bisa bertindak — bukan cuma menulis teks.

Anatomi Sebuah Agent

1. System prompt — peran dan aturan

2. Tools — fungsi yang bisa dipanggil (search, calculator, API call)

3. Memory — context yang dipertahankan antar step

4. Loop — mekanisme "think → act → observe → think again"

Contoh: Agent Riset Harga

@tool
def search_price(product: str) -> dict:
    """Cari harga terkini produk di marketplace"""
    return api.search(product)
agent = Agent(     model="claude-opus-4",     tools=[search_price],     system="Anda asisten riset harga..." ) agent.run("Bandingkan harga iPhone 16 di 3 marketplace")

Pitfall Umum

• Terlalu banyak tools → agent bingung pilih mana. Mulai dari 3-5.

• Tool description jelek → agent tidak tahu kapan pakai. Tulis description jelas dengan contoh.

• Tanpa maksimum iterasi → agent bisa infinite loop. Selalu set max_iterations.

• Tidak ada observability → susah debug. Log setiap tool call.

Framework Populer 2026

• LangGraph — agent graph stateful

• CrewAI — multi-agent collaboration

• Anthropic Computer Use — agent yang kontrol UI

• AutoGen — Microsoft, agent conversation

Mulai dari 1 agent + 1 tool. Bangun kompleksitas bertahap.