Ikhtisar berlapis tentang konsep utama Agentic AI. Mari kita pahami lapis demi lapis. 1) LLM (lapisan pondasi) Pada intinya, Anda memiliki LLM seperti GPT, DeepSeek, dll. Ide-ide inti di sini: - Parameter tokenisasi & inferensi: bagaimana teks dipecah menjadi token dan diproses oleh model. - Rekayasa prompt: merancang input untuk mendapatkan output yang lebih baik. - API LLM: antarmuka terprogram untuk berinteraksi dengan model. Ini adalah mesin yang menggerakkan segalanya. 2) Agen AI (dibangun di atas LLM) Agen membungkus LLM untuk memberi mereka kemampuan untuk bertindak secara mandiri. Tanggung jawab utama: - Penggunaan alat & panggilan fungsi: menghubungkan LLM ke API/alat eksternal. - Penalaran agen: metode penalaran seperti ReAct (penalaran + tindakan) atau Rantai Pemikiran. - Perencanaan & dekomposisi tugas: memecah tugas besar menjadi yang lebih kecil. - Manajemen memori: melacak sejarah, konteks, dan info jangka panjang. Agen adalah otak yang membuat LLM berguna dalam alur kerja dunia nyata. 3) Sistem agen (sistem multi-agen) Ketika Anda menggabungkan beberapa agen, Anda mendapatkan sistem agen. Fitur: - Komunikasi antar-Agen: agen berbicara satu sama lain, menggunakan protokol seperti ACP, A2A jika diperlukan. - Perutean & penjadwalan: memutuskan agen mana yang menangani apa, dan kapan. - Koordinasi negara: memastikan konsistensi ketika beberapa agen berkolaborasi. - RUG Multi-Agen: menggunakan generasi yang ditambah pengambilan di seluruh agen. - Peran & spesialisasi agen: Agen dengan tujuan unik - Kerangka kerja orkestrasi: alat (seperti CrewAI, dll.) untuk membangun alur kerja. Lapisan ini adalah tentang kolaborasi dan koordinasi antar agen. 4) Infrastruktur Agen Lapisan atas memastikan sistem ini kuat, dapat diskalakan, dan aman. Ini termasuk: - Observabilitas & pencatatan: melacak kinerja dan output (menggunakan kerangka kerja seperti DeepEval). - Penanganan kesalahan & percobaan ulang: ketahanan terhadap kegagalan. - Keamanan & kontrol akses: memastikan agen tidak melangkah berlebihan. - Pembatasan tarif & manajemen biaya: mengontrol penggunaan sumber daya. - Otomatisasi alur kerja: mengintegrasikan agen ke dalam pipeline yang lebih luas. - Kontrol manusia-dalam-lingkaran: memungkinkan pengawasan dan intervensi manusia. Lapisan ini memastikan kepercayaan, keamanan, dan skalabilitas untuk lingkungan perusahaan/produksi. AI agen, secara keseluruhan, melibatkan arsitektur bertumpuk, di mana setiap lapisan luar menambahkan keandalan, koordinasi, dan tata kelola pada lapisan dalam.