Skip to main content

Agen sebagai AI component

Catatan: Dokumen ini adalah terjemahan otomatis dari versi asli bahasa Inggris.

Agen sebagai AI component

Agen sebagai AI component berarti lapisan AI proyek dibangun di sekitar kerangka kerja agen — sistem yang mempersepsi input, mengambil keputusan, dan melakukan tindakan, sering kali dengan memori, alat, dan tujuan. Ketika kartu proyek DecAIHub mencantumkan nilai terkait agen di kolom AI component, nilai itu mendeskripsikan arsitektur teknis spesifik: runtime, lapisan orkestrasi, atau kerangka kerja yang memungkinkan perilaku otonom atau semi-otonom. Ini berbeda dari konsep umum apa itu agen AI dan dari label kategori AI/Agents.

Singkatnya: agen sebagai komponen berarti proyek memiliki kerangka kerja agen yang nyata — bukan sekadar label "agen" di namanya.

Seperti apa tampilannya di kartu DecAIHub

Kolom AI component memakai nilai yang dinormalisasi. Entri terkait agen meliputi:

  • agentic framework (memory/actions/plugins) — runtime agen dengan memori persisten, kemampuan aksi, dan integrasi alat/plugin
  • agent swarm + NL prompt-to-DeFi — sistem multi-agen yang menerjemahkan prompt bahasa alami menjadi operasi DeFi
  • AI agent platform (workflows/tools/KB) — infrastruktur untuk membangun dan men-deploy agen dengan orkestrasi alur kerja, alat, dan basis pengetahuan
  • AI agents + orchestration — sistem yang mengoordinasikan beberapa agen untuk menyelesaikan tugas kompleks
  • autonomous trading agent — agen yang mengeksekusi strategi trading secara mandiri berdasarkan analisis berbasis AI
  • on-chain AI agent — agen yang pengambilan keputusan atau eksekusinya tercatat secara terverifikasi on-chain

Setiap nilai mendeskripsikan arsitektur agen yang sebenarnya, bukan tagline produk. Jika kartu menyatakan agentic framework (memory/actions/plugins), artinya penilai menemukan bukti adanya sistem agen dengan kemampuan spesifik tersebut.

Spektrum agen

Tidak setiap sistem yang disebut "agen" memiliki kedalaman yang sama. Dalam praktiknya, implementasi agen berada di sepanjang sebuah spektrum:

  1. Bot sederhana — skrip yang mengeksekusi aturan tetap tanpa model AI yang terlibat. Bukan AI component.
  2. Chatbot dengan prompt — LLM di balik antarmuka chat, merespons satu pertanyaan pada satu waktu. Agensi minimal.
  3. Agen dengan memori — LLM yang mempertahankan konteks lintas interaksi dan dapat merujuk percakapan atau data sebelumnya.
  4. Agen dengan alat dan tujuan — sistem yang dapat memanggil API eksternal, berinteraksi dengan smart contract, dan mengejar sasaran multi-langkah.
  5. Sistem multi-agen otonom — beberapa agen yang berkoordinasi, mendelegasikan tugas, dan mengambil keputusan kolektif dengan pengawasan manusia minimal.

Kartu proyek DecAIHub mendeskripsikan di titik mana pada spektrum ini komponen agen proyek berada. Semakin ke kanan, semakin kuat klaim AI component — tetapi juga semakin tinggi beban bukti.

Spektrum ini adalah panduan untuk membaca kartu, bukan taksonomi kaku. Sebuah produk dapat menggabungkan elemen (misalnya memori plus alat tetapi dengan persetujuan manusia yang ketat). Yang penting untuk verifikasi adalah apakah perilaku terdokumentasi sesuai dengan nilai AI component yang dinormalisasi dan apakah artefak Tier-1 menunjukkan loop agen beroperasi.

Apa yang perlu diverifikasi

Saat mengevaluasi klaim agen di kartu proyek, carilah:

  • Kemampuan penalaran — apakah agen menunjukkan pengambilan keputusan yang nyata, atau mengeksekusi alur yang sudah terskrip?
  • Integrasi alat dan aksi — apakah agen berinteraksi dengan sistem eksternal (DEX, smart contract, API), atau hanya menghasilkan teks?
  • Memori dan konteks — apakah agen mempertahankan status lintas sesi? Bisakah ia merujuk interaksi sebelumnya atau riwayat on-chain?
  • Bukti otonomi — apakah ada log, riwayat transaksi, atau demo yang menunjukkan agen bertindak tanpa perintah manusia?
  • Bukti Tier-1 — repositori kode, kerangka kerja agen dengan dokumentasi, demo langsung, atau jejak transaksi on-chain yang dihasilkan oleh agen.

Pertanyaan kuncinya: apakah agen benar-benar mengambil keputusan, atau ia adalah prompt wrapper yang meneruskan input pengguna ke LLM pihak ketiga dan mengembalikan responsnya?

Apa yang tidak dibuktikan oleh agen sebagai komponen

  • Memiliki komponen "agen" tidak membuktikan otonomi. Banyak yang disebut agen memerlukan pemicu manual atau persetujuan manusia untuk setiap aksi.
  • Label agen tidak membuktikan kualitas keputusan. Agen yang mengambil keputusan belum tentu mengambil keputusan yang baik.
  • Agen bisa jadi wrapper tipis — "agen" tersebut adalah templat prompt yang dikirim ke API pihak ketiga tanpa penalaran internal, memori, atau integrasi alat. Lihat API wrapper.
  • Komponen agen tidak membuktikan bahwa token diperlukan agar agen berfungsi.
  • Klaim multi-agen memerlukan bukti yang secara proporsional lebih banyak. "Swarm" agen harus menunjukkan bahwa beberapa agen berkoordinasi, bukan bahwa satu model menjalankan beberapa prompt.

Selalu periksa tabel bukti dan flag AI reality di kartu proyek.

Jangan bingung dengan

  • Apa itu agen AI menjelaskan konsep agen secara umum. Halaman ini mendeskripsikan bagaimana agen muncul sebagai komponen spesifik di kartu proyek DecAIHub.
  • AI/Agents adalah kategori proyek yang mengklasifikasikan proyek berfokus agen di tingkat teratas. Proyek di kategori lain (mis. AI/Analytics) tetap bisa memiliki komponen agen.
  • Chatbot dan asisten merespons prompt tetapi tidak memiliki otonomi dan penalaran multi-langkah. Agen melangkah lebih jauh.
  • Inference adalah proses menjalankan model. Agen memakai inference sebagai bagian dari loop penalarannya, tetapi inference sendirian bukanlah agen.
  • Otomatisasi mengikuti aturan yang telah ditentukan tanpa belajar atau menalar. Agen AI harus menunjukkan pengambilan keputusan berbasis model.

Pertanyaan yang sering diajukan

Apakah kata “agen” di nama produk menjamin adanya AI component agen?

Tidak. Bahasa pemasaran sering memakai kata agen untuk alur kerja otomatis apa pun. Di DecAIHub, kolom AI component harus mencerminkan arsitektur yang didukung bukti: runtime, alat, memori, atau orkestrasi sebagaimana dideskripsikan dalam nilai yang dinormalisasi. Bandingkan nama tersebut dengan bukti Tier-1 dan dengan spektrum di atas.

Apa perbedaan antara komponen agen dan kategori AI/Agents?

Kategori AI/Agents mendeskripsikan fokus utama proyek di tingkat tinggi. Entri agen di kolom AI component mendeskripsikan mekanisme konkretnya (misalnya agentic framework vs on-chain AI agent). Proyek dapat berada di kategori lain namun tetap mencantumkan komponen terkait agen jika mekanisme itu ada.

Seberapa banyak bukti yang harus diberikan sistem “swarm” atau multi-agen?

Lebih banyak daripada tumpukan agen tunggal. Carilah artefak koordinasi: peran yang berbeda, pertukaran pesan, delegasi, atau runtime terpisah — bukan hanya beberapa prompt ke satu model. Tanpa itu, perlakukan klaim multi-agen sebagai hipotesis sampai dokumentasi atau demo mendukungnya.

Referensi eksternal

Lihat juga

No comments to display

Back to top