Dari LLM ke Agent

Istilah "AI agent" dipakai untuk segala hal, dari chatbot FAQ sampai sistem yang men-deploy kode ke production. Halaman ini memberi definisi kerja yang tegas, supaya sepanjang kitab ini kita bicara hal yang sama.

Tiga generasi interaksi

Generasi 1: CHAT                Generasi 2: COPILOT             Generasi 3: AGENT
┌─────────────┐                 ┌─────────────┐                 ┌─────────────────────┐
│ kamu bertanya│                │ kamu mengetik│                │ kamu memberi GOAL   │
│ model menjawab│               │ model menyarankan│            │ model MENGERJAKAN   │
│ kamu copy-paste│              │ kamu menerima/menolak│        │ (edit, run, test,   │
│ hasilnya     │                │ per-baris/blok │              │  ulangi sampai beres)│
└─────────────┘                 └─────────────┘                 └─────────────────────┘
manusia = eksekutor             manusia = eksekutor             manusia = REVIEWER
model = penasihat               model = asisten ketik           model = eksekutor

Generasi 1 — Chat (2022–2023). ChatGPT, Claude.ai versi awal. Model hanya menghasilkan teks. Semua eksekusi — menyalin kode, menjalankan, menyampaikan error balik — dilakukan manusia. Lambat karena kamu adalah loop-nya.

Generasi 2 — Copilot (2021–sekarang). GitHub Copilot, autocomplete di IDE. Model menyarankan, kamu menerima. Cepat untuk baris demi baris, tapi tidak bisa mengerjakan task: "perbaiki bug #123" bukan sesuatu yang bisa diselesaikan autocomplete.

Generasi 3 — Agent (2024–sekarang). Claude Code, opencode, oh-my-pi, Codex, Hermes. Kamu memberi tujuan; model membaca kode, mengedit file, menjalankan test, membaca error-nya sendiri, memperbaiki, dan mengulang — sampai selesai atau menyerah. Peranmu bergeser dari eksekutor menjadi reviewer dan pengarah.

Definisi kerja "agent"

Sebuah sistem layak disebut agent kalau punya tiga hal sekaligus:

1. Goal — diberi tujuan, bukan instruksi per-langkah. "Buat endpoint CRUD untuk invoices lengkap dengan test" adalah goal; "tulis fungsi ini" adalah instruksi.
2. Tools — kemampuan bertindak di dunia nyata: baca/tulis file, jalankan shell, panggil API, buka browser. Tanpa tools, model hanya bisa berbicara tentang pekerjaan, bukan mengerjakan.
3. Loop — siklus mencoba → mengamati hasil → menyesuaikan, yang berjalan tanpa manusia di setiap iterasi. Detailnya di Agentic Loop.

Rumus singkatnya:

agent = LLM + tools + loop + goal

Hilangkan satu unsur, dan kamu turun satu generasi: LLM + tools tanpa loop = function calling biasa; LLM + loop tanpa tools = chain-of-thought panjang yang tetap tidak bisa berbuat apa-apa.

"Agentic workflow" vs "agent"

Dua istilah yang sering tertukar:

Istilah	Siapa yang memegang kendali alur	Contoh
Agentic workflow	Alur ditentukan manusia di depan (langkah A → B → C), tiap langkah bisa berisi LLM	Pipeline n8n: terima webhook → LLM klasifikasi → kirim Slack
Agent	Model menentukan sendiri langkah berikutnya berdasarkan hasil langkah sebelumnya	Claude Code menyelesaikan issue: dia yang memutuskan file mana dibaca, test mana dijalankan

Keduanya berguna dan sering digabung: workflow deterministik untuk kerangka (trigger, notifikasi, gate), agent untuk bagian yang butuh penalaran terbuka. Bab Automation Lanjutan membahas pola gabungan ini.

Spektrum otonomi

Otonomi bukan saklar on/off, melainkan dial. Sepanjang kitab ini kita pakai skala kasar:

Level	Nama	Manusia melakukan	Contoh
A0	Manual	Semuanya	Ngoding tanpa AI
A1	Assisted	Eksekusi, dengan saran AI	Copilot autocomplete
A2	Supervised	Menyetujui tiap aksi berisiko	Agent CLI default: setiap edit/shell minta izin
A3	Delegated	Review hasil akhir per-task	"Kerjakan issue ini, panggil aku kalau selesai" — pola utama playbook
A4	Autonomous	Menetapkan kebijakan, memantau agregat	Cron agent memperbaiki dependency alert tiap malam, manusia baca ringkasan mingguan

Aturan praktis kitab ini: naikkan level otonomi satu tingkat pada satu jenis task hanya setelah level sebelumnya terbukti stabil (agent jarang salah dan kesalahannya tertangkap guardrails). Kegagalan hampir semua orang yang "menyerahkan segalanya ke AI lalu kapok" adalah lompat dari A1 langsung ke A4.

Kenapa ini penting untuk playbook

Seluruh Playbook Solo = Team adalah proses menaikkan dial otonomi secara terkendali: mulai A2 di setup agent, naik ke A3 saat remote via Telegram (kamu review dari HP, bukan menonton tiap keystroke), dan A4 terbatas di Automation Lanjutan untuk task yang sudah terbukti. Kalau kamu paham posisi dial-mu di tiap task, kamu tidak akan pernah kaget oleh agent.

Lanjut

→ Agentic Loop: membedah mesin di balik semua agent modern.