Agentic AI
Episode ini membahas tentang Agentic AI, menjelaskan perbedaan mendasar antara AI/LLM biasa dengan Agent AI.
EP 154 1j 14m
Dengarkan versi audio
MP3 71 MB, file yang sama dengan feed podcast.
Poin utama
Bantu Koreksi- Agent AI bekerja dalam loop sampai tugasnya selesai, berbeda dengan LLM biasa yang hanya sekali prompt-response
- Tiga komponen utama Agent: Tools (kemampuan melakukan aksi), Memory (menyimpan konteks), dan Reasoning Loop (berpikir dan iterasi)
- LLM biasa hanya bisa conversation, Agent bisa melakukan action/tindakan nyata
- Contoh perbedaan: LLM biasa tidak bisa booking pesawat sungguhan, Agent bisa karena punya tools dan bisa berinteraksi sampai task selesai
- Evolusi coding assistant: dari ChatGPT (copy-paste manual) → Copilot (satu perintah sekali jalan) → Agentic AI (bisa menyelesaikan goal kompleks)
- Anthropic membedakan antara 'workflow' (prescriptive) dan 'agent' (autonomous) dalam kategori agentic system
- Tahun 2025 adalah era Agentic AI seperti yang diprediksi sebelumnya
Baca ringkasan lengkap
Episode ini membahas tentang Agentic AI, menjelaskan perbedaan mendasar antara AI/LLM biasa dengan Agent AI. Diskusi ini terinspirasi dari GitHub Discussion yang diajukan oleh salah satu pendengar, dan menjadi fondasi penting sebelum membahas topik-topik lanjutan seperti Agentic UI. Trio Ngobrolin WEB menjelaskan bahwa perbedaan utama antara LLM biasa dan Agent adalah kemampuan Agent untuk bekerja dalam loop sampai tugasnya selesai. LLM biasa hanya bisa menerima prompt dan memberikan respons sekali jalan, sedangkan Agent bisa terus berinteraksi, menggunakan tools, dan mengambil keputusan sampai goal tercapai. Contoh praktis yang dibahas termasuk perbandingan antara ChatGPT zaman dulu (copy-paste kode manual) dengan agentic coding assistant modern seperti Cursor, Claude Code, dan Kiro yang bisa menulis file, menjalankan terminal, dan menyelesaikan task secara mandiri.
Cari di episode ini
Bantu KoreksiSering disebut 88 22 11 8 6 5 3
Lompat ke
Lihat transkrip lengkap
[Musik] Dapatkan hanya di Domesticia [Musik] [Music] Wah kembali dua kali Keren dong Halo halo selamat malam Ah, hujan Selamat berjumpa kembali Bersama Trio Webweb Selasa malam waktunya Trio Webweb Ngobrolin web Iya Gimana kabarnya teman-teman Wah rame ya Udah ada yang komentar-komentar juga ya
Ada Cleam Boys, ada Abu Lucu Siapa lagi teman-teman Yang ada di YouTube dan juga Di LinkedIn ya Kita live masih di dua tempat Jadi kalau ada yang hadir Boleh lah sapa-sapa Tapi kayaknya Kebanyakan dari teman-teman Ini dengarnya reply ya Jadi Enggak live Atau Dengernya commute Jadi nggak bisa sambil komentar Handphone-nya mungkin ditaro di kantong Ya safety first Jangan sambil komentar Sambil bawa motor Iya, apalagi sambil nyetir ya Sambil komentar jangan ya Kalau disetirin sama masinis gimana AI Sama Tesla Self driving Boleh dong Apa kabar nih semua Mudah-mudahan sehat ya
Banjir, banjir Macet, cukup tadi Seharian, aduh Macet ya, ujannya Geri ya Sampe pusing gue di jalan Mudah-mudahan Gak ada penjana ya Jadi apa-apa ya Gak ada penjana ya Sebenernya saya tinggal Jakarta Tapi Ininya Perangainya sudah bukan Jakarta lagi Saya bukan Jakartans lagi Ya bukannya orang planet bukasih Iya jangan ngaku-ngaku deh Itu bukan Jakarta Jangan ngaku-ngaku deh Eh gue Jakarta curit loh Jakarta curit Jangan ngaku-ngaku Bukan sama macet seharian Eh sepangkian Stress di jalan Mudah-mudahan stress Oke
Nah sebelum kita bahas topik yang Mungkin Tidak begitu jelas Rancu, kita juga tadi bingung sendiri kok Kita juga bingung sendiri Sekali yang rame, topiknya gak jelas Gak apa-apa Nanti kita bahas apa Kita belajar bareng lah ya Karena ini juga topik yang Sebenernya disarankan Dari salah satu pendengar kita juga Di GitHub Jadi kita penasaran Cuman kayaknya agak loncat Ke agentik something gitu Jadi kita mau bahas tentang agent dulu Bahas tentang agentik AI Baru nanti Ke yang lain-lain ya Aca As Fikri Mas Fikri aja ya Nah Sebelum membahas itu Seperti biasa, episode ke 163 ini Masih hasil kolaborasi kita dengan Dominesia Dominesia Jadi kalo temen-temen ada yang
Mau beli layanan hosting Atau mau VPS Bisa Cek dominesia.com Pakai promo code nya ngobrolin WebDN 50% untuk hosting Atau yang lebih Next level lagi Pakai VPS Cloud VPS Turbo Dominesia itu diskonnya 50% Promo code nya itu Ngobrolin VPSDN Jadi promo code nya juga Bisa dipakai lebih dari satu kali Akun yang sama Juga gak apa-apa Segera dimanfaatkan Kalo hosting-hosting Side project Bisa ya, silahkan Terima kasih Dominesia Dan satu lagi Informasi tambahan Kenapa? Pakai sound-sound wow Nih tau gak sih yang ada Mulai sering saya liat di short
Wow Bosen banget sih kayaknya Kaya built-in sound effect Udah terlalu ini ya Terlalu viral ya Di mana siapa aja yang pakai Satu info lagi ya Sebelum kita mulai Belajarnya, satu info lagi Dominesia lagi Bakal ada event Ini Klaskanya Dominesia Yang akan diisi Tidak lain dan tidak bukan Oleh temen kita sendiri Bahas apa nih? Tisernya dong Saya cuma bisa bilang jangan datang Karena topiknya Topiknya Tidak menarik Kalo anda tidak mengerti web Tapi kalo anda mengerti web
Iya dong, harus mengerti web lah Kemarin kan udah introduction Saya introduction Terus Eka Udah mengenal framework Sekarang kan event Sesuai dengan spesialisasi saya Dan Sudah berkecimpung Di dunia web Dan mengkususkan diri Di bidang web performance Jadi saya nanti bercerita banyak Dan Mengupas Untas Jadi ada dasarnya sedikit Teori, tetapi kita banyak game Di studi kasus Dan langsung Bermain game Plus kita Beda situs Beda situs ya Beda situsnya langsung saya pake Agentik Agentik AI
Pake agentik AI Beda situs Dan Kalo waktunya Mencukupi, langsung dibenerin Di saat itu juga pake agentik AI Mantap Kalo misalnya Kalo misalnya si ininya Waktunya Memungkinkan Dan AI-nya gak ngambek Biasanya Life itu ngambek AI-nya Memang bisa ngambek ya Bisa Pas gue di atas panggung AI-nya Si apa namanya Si Jemenai Nano-nya ngambek Ngambek apa? Minta top up Enggak Jemenai Nano-nya loh Oh iya Yang waktu di Jogja ya Gak mau dia Sudahlah pencet aja lah
Tapi besok gue pake yang true Kita coba ya Finger cross Ngomong-ngomong soal agentik AI Sekarang kita akan bahas tentang Agentik Agentik UI Ini Rada sengketa Gak sengketa sih, rada bingung Rancu gara-gara Ini inspirasinya dari GitHub Discussion Dan judul GitHub Discussion-nya Adalah Agentik UI ya Di GitHub Discussion Judulnya adalah Agentik Application Framework Oh Berarti saya yang salah Di dalamnya Topiknya Agentik UI Nah terus Buat memperkerus suasana lagi Gue juga lupa kenapa Gue nge-post di thread ini
Karena nemu dulu Pas nemu sesuatu yang kayaknya Oh mungkin nyamuk Tapi kan gatau gue mulik Ada yang namanya Hess Brown Dia mereka menestripsikan diri Sebagai Agentik Generative UI Framework Bukan Agentik Generative UI Framework Nah bingung kan Ada Agentik Application Framework Ada Agentik UI Ada Generative Generative UI Framework Terus sekarang kita sebenarnya agak Tadi, mau ngomongin apa ya? Ya udah, gimana kalau ngomongin Agent aja dulu Agent aja ya Mungkin semua yang di chat Bisa berkomentar Kedapatnya, sebaiknya ngomongin apa Tapi ya, mendingan karena Kita belum pernah, kita mulai dari Agent-nya Dulu aja kali Oke, pertama-tama, terima kasih ya Buat Mas Rahadian, ide nya Yang bikin kita bingung
Mas Rahadian, hadir gak ya? Mudah-mudahan hadir Ini disini ada contohnya Ini apa? Agentik Framework In-App AI Copilot Oke Jadi, kita sepakat akan bahas Tentang Agent ya Karena, tahun lalu kan Saya cenayang kan 2025 itu adalah Eranya Agentik AI Dan ternyata Bener ya Prediksinya bener Dan sekarang temen-temen Masih ada yang belum paham gak sih Dengan konsep Agent-Agent ini Yang saya tahu sih Agent perubahan ya Bukan James Bond ya Secret Agent Saras 008 Emang Saras itu agent rahasia ya? Enggak sih Iya kan dia pakai topeng Belum paham Oke, belum paham
Kita belajar bareng-bareng ya Yang gak paham yang mana Sarasnya apa, yang mana James Bond Kayak aja sih Ada satu Ada satu, apa namanya? Satu artikel yang Sangat bagus Dari Anthropic Anthropic ini bloknya bagus-bagus ya Artikelnya bagus-bagus, jadi kalau temen-temen mau baca Ini salah satu artikel Yang bagus tentang Agent Jadi, saya udah Nandain kemarin Udah highlight, tapi Gak ada ya di sini ya Agent bisa di definisikan Sebagai banyak hal Ada yang membantu ya Ada yang menyebut agent itu sebagai Autonomous System Kemudian, ada juga Yang menyebut sebagai The term to describe more
Prescriptive implementation Workflow Ada workflownya Di Anthropic, kami mengkategorikan Itu semua Tariasi itu sebagai System Agent Tapi mereka membedakan mana yang workflow Mana yang agent Ini, gue ada insight Lumayan menarik sih Deskripsi yang simple Ini tuh pas Acara yang di Shanghai Kemarin kan LifeBurn Master Harusnya itu ngobrol In web Slash kolaborasi semester Tapi gak jadi Kenapa? Karena eventnya tiba-tiba Ada janji, salah liat jam Ada janji jalan-jalan Off by one error Jadi, di kalender Pokoknya, pas
Buka kalendernya tuh di WIB GMT+ UTC+7 kan kita Di Shanghai +8 Pokoknya intinya, salah liat jam Gak sih Ini sih kayaknya Gara-gara istri sih Kalo 2 tahun lalu Bawa istri, gak bawa istri, aman-aman aja kan Janjian juga aman-aman aja kan Bukan sama istri Janjinya, gue bisa Kelihat kecil Kalo sudah sama istri, beda Apalagi kan Hotelnya 1 kamar Kalo disuruh tidur di luar Gimana? Nah, intinya jadi Gak jadi ngobrolin web Ngobrolin AI Nah, pas itu ADK, agent development kitnya Google kan baru banget di launching Belum ada yang buat live-script Cuma, pas itu, pokoknya di live itu Salah satunya, jadi bareng Laser, bareng Ananda juga
Dari cloud Ngobrolin itu ADK dan hal-hal lain Di acara itu Tadinya tuh, gue masih agak rancu Apa bedanya AI LLM biasa Yang bisa tool calling Kan dia juga mikir tuh, dia mutusin apa Oh, querinya seperti ini Promnya seperti ini, berarti Saya harus memanggil tool yang sesuai Apa bedanya AI biasa dengan tool calling Versus agent Ternyata, salah satu pembedanya Adalah agent itu bekerja Dalam loop, jadi kalo AI LLM yang punya tools Ya, memang dia bisa, dia terima Query, terus dia bisa mikir Apa, pertanyaan ini Atau prompt ini, instruksi ini Diterusin kemana ya Tool mana yang tepat Ya, dia panggil tool itu, dia dapet jawabannya Dilempar balik, ya udah, kelar Selesai itu, apa LLM AI biasa Tapi kalo agentik itu, dia bakal kerja
Terus, ponnya jadi kayak, apa Apa ya, request Responnya tuh kayak Dia ngebalikin, tapi dia nunggu Menunggu input selanjutnya Bekerja dalam loop Sampai selesai, sampai dia Apa, sampai menyelesaikan Suatu task, jadi gak Cuma satu, apa Kita minta, kita merequest sesuatu Dapat respon selesai, tapi Apa, bakal bisa jalan Terus Sampai seluruh Tugasnya selesai Nah, itu pas liat definisinya Anthropic tadi, jadi Ingat sih, jadi ingat apa Penjelasan itu, jadi pas itu sih Dicontohinya, buat travel booking Pertama kan kita nyari User akan mencari Carilah pesawat ke Jogja, atau Carilah pesawat ke Surabaya, tanggal sekian Untuk satu orang Budgetnya segini, nah, dia kan nyari Pakai tools kan, pasti Tool calling ke API flights Nah, itu setelah
Dapetin flight, dikasihin ke user Kan belum tentu, kan masih belum tahu Ada flight yang cocok atau enggak Cuma dikasih ke user Usernya, mungkin Kok mahal semua ini, coba Ganti hari, jadi itu Bakal ngeluk terus, nah Setelah user milih, dapat Jadwal flight yang dinginkan Si agent itu bakal ke Langkah selanjutnya, misalnya apa Pembayaran, atau hotel, atau apalah Jadi pokoknya bakal jalan terus, sampai Misinya tugasnya selesai Penjelasan yang Non-teknisnya, seingat Gue, kurang lebih kayak gitu Kayak automation ya, pasti ya Automation, tetapi di tengah-tengahnya Ada Si model LLM2 Yang bukan LLM2 ya Keywordnya, kalau yang di layar ini Ada pursue goals and complete tasks Jadi, dia bakal bisa Request-response-nya Interaksi terus
Keluk terus, muter terus, sampai Goals, tujuan, atau Tugasnya tuh Tercapai Tadi banget, barusan banget Nonton sedikit tentang Agent itu, AI Agent Analoginya bagus Jadi, kalau LLM2 Adalah buat Conversation Buat ngobrol Agent itu, buat tindakan Action Jadi kalau LLM, kita suruh LLM Doang nih ya, tolong Bookingin pesawat tanggal sekian Nggak bisa dia, dia cuma bisa ngomong Doang Kalau misalkan dia nggak bisa melakukan itu Paling dia jawab dengan percaya diri Oke, saya akan bookingkan pesawat untuk kamu Pesawatnya sudah saya booking Untuk tanggal sekian, padahal nggak Benar-benar nggak ada Tapi sebetulnya Kecuali bisa, tapi dengan
Caveats sih, jadi dia harus Punya tool, tool call Atau function call, dimana Itu untuk nge-booking pesawatnya Itu udah misalnya pre-define Misalnya, apa, instruksinya harus Precisi banget, jadi kayak, ya itu kan Nggak realistis ya, orang cari pesawat Tastate, cek harga, cek jadwal Cek lain-lain, tapi misalnya ada Senario dimana emang cuma ada satu pesawat Dan, atau emang cuma ada satu Opsi penerbangan Ya itu bisa-bisa aja LLM biasa Tapi kan, kenyataannya nggak kayak gitu Ya itu, jadi dia halu Dia bilang, oh ya sudah, padahal Enggak, karena masa itu terlalu rupit untuk Sekali jalan, jadi si LLM biasa itu ya cuma sekali jalan Pakai tools yang sudah ada Dari, apa, inputnya Dari prom user Tapi dia nggak bisa nanya lagi, ngecek lagi Dan lain-lain, ya udah terima prom Kalau yang lebih simpel Misalnya bukan booking pesawat Kayak cuma, suruh ngecek suhu kan bisa What is the
Kayak, gimana cuaca di Jogja Ya kan ya bisa, karena itu Simple, oh kalau itu tool calling ya Itu tool calling Kalau yang harus ngeluh, maksudnya pesen pesawat Sekali tool call, ya Ada sih yang lebih serem Daripada dia ngaku udah dibookingin pesawat Dia beneran bookingin pesawat Tapi nggak confirmin kita Apa, jadwalnya gimana Tiba-tiba langsung nge-charge card to credit kita Kita tiba-tiba Angkut penerbang, ya misalnya Kalau nggak agentik ya Karena dia nggak bisa ngeluh kan Dia cuma jalanin tool call Tiba-tiba, ya saya sudah bookingkan Pesawat ke Timbuktu besok Nah, kan sulung Jadi masih Di situ LLM AI biasa Jadi nggak cukup, walaupun sudah punya Tool calling yang canggih Betul Mungkin kalau teman-teman Sekarang Pada pakai Apa, IDE
Atau pakai Apa, agentik code Apa, misalkan Anti-gravity Atau cloud code Atau Kilo code Atau apa, ya Yang lain-lain ya, kursor Itu kan Ya, pokoknya IDE Ataupun code generation Kalau teman-teman Menikutin dari Mungkin dari tahun yang lalu mungkin ya Ya, pokoknya dari awal Ya, 2 tahun yang lalu Copilot Wait, Copilot Dan kursor Itu ada chat kan Di sebelah kiri atau di sebelah kanan Kita chat tolong bikin fungsi ini Dia bisa Menghasilkan fungsi itu, terus kemudian Dia belum bisa masukin Code itu ke File yang kita buka kan Paling ada Tambahan kayak ada icon
Insert to this line Atau copy to this line Atau create new file Tapi yang nge-save file-nya kan tetap kita Atau mungkin ya Si IDE-nya lah auto-save gitu Anggaplah manual, baik kita kan Bayak human, gitu kan Itu adalah Jadi itu generasi nya kayak cuma sepotong kan Kita cuma bisa kayak satu printa, sekali jalan Convert lah Klas komponen ini menjadi Function, atau apa lah Buat lah function yang parameternya ini Jadi kayak cuma satu Tapi dia nggak bisa ngeliat gambar besar Misinya atau goals-nya atau tujuannya Buat lah login form Yang fungsional Ada yang nggak ngerti login form itu gimana Ya kan nggak bisa sekali jalan Kita harus merintah satu persatu kan Buat lah text input yang begini-gini-gini Validasi-nya begini Buat lah email password input Harus begini Sekali jalan-sekali jalan, tapi yang Interasinya atau loop-nya kan dari kita Nah kalau sekarang agenti kan
Sekarang itu udah bisa kan, nyuruh buat lah Functioning Functional login form Nah dia muter sendiri login form itu apa Unsur-unsurnya apa aja Terus mungkin validasi-nya Atau state-nya dia Satu persatu Kadang dia konfirmasikan ke kita Kamu maunya gimana kalau yang Agentik AI coding assistant sekarang Ada pilihan-pilihannya Mungkin kita milih Terus dinjalani, atau kalau kita tolak Ya dia cari cara lain lagi Jadi apa, muter lah Jalan terus, sampai tujuan Tujuan akhirnya itu tercapai Mereka pikirnya kejauhan sih Maksudnya, yang mau saya jelaskan itu Adalah sebenarnya secara Mendasar Menulis Menulis apa ya, menulis Kode ke dalam file Itu aja belum bisa dilakukan oleh Chat Anggaplah chat, kayak chat GPT lah Zaman dulu, kita ada masalah
Kita copy paste, abis itu kita copy Paste lagi ke editor kita Terus kita save kan Kalau bukan agent Dia nggak bisa nulis file Karena dia nggak punya akses kesana Berarti agent itu adalah LLM yang punya Kemampuan tools calling Berarti Bukan Bukan hanya itu, iya itu Level satunya, level berikutnya adalah Dia bisa Berinteraksi juga, jadi kayak dia Berada di dalam looping aja Dia akan Sampai tujuannya tercapai Jadi dia kayak punya misi Dia harus nyelesaikan itu Bukan cuma satu persatu perintahnya Kalau LLM, kalau AI Biasa yang bukan Agent, dia punya Tools buat write file Dia bisa Masukin kode ke file Tapi kalau tempatnya Masukinnya ngaco atau nggak
Dulu emang sudah ada masalah itu kan Gaco atau nggak, jalan atau nggak Cara ngetesnya gimana, ya dia nggak tahu Sekali jalan dia bikin kodenya Kalau dia punya tool untuk write file Udah taruh sepahamnya dia Tapi dia nggak bisa ngecek lagi itu Betul atau nggak, karena sekali jalan Coba kita Mundur Sebikit ya Saat VSCode sekarang Somehow VSCode itu termasuk IDE ya Saya mau nyebutnya editor sih sebenarnya Tapi ya, udah termasuk IDE lah ya Lanjut, lanjut, lanjut Kita mundur sedikit ke dua tahun Lalu ya saat Cet GPT lah ya Cet GPT pertama kali muncul yang membooming Ngerti nggak ya, waktu jaman itu Jaman itu kan Kita merasa kayak, ih ada Cet yang pinter Cet yang pinter yang bisa Menjawab sesuai dengan Apa yang kita tanyakan, namun Ada tulisannya nggak, pernah ingat nggak tulisannya
My knowledge base Is sampai September 2019 Cut off 2019, jadi gue nggak punya Pengetahuan baru Contohnya jaman itu, siapakah presiden Indonesia sekarang, dia mungkin masih jawab Presiden yang sebelumnya Ya, karena dia punya Knowledge base nya masih 2019 Terus pengamankan selanjutnya Trainingnya Dia tambahin Bukan September 2019 Ditambahin ke December Ditambahin lagi, jadi cuma nambah-nambah Loarin model baru kan GPT 2, GPT 2.5, GPT 3 Dan seterusnya Kalau rilisan baru kan berarti training data nya Nambah kan Lalu, terusannya si OpenAI Waktu itu adalah menambah function call Pertama kali itu Pertama kali si OpenAI Yang bikin function call itu si OpenAI Karena dia bisa kayak Eh, tunggu sebentar Sebelum tool calling, biasanya
Yang kita lakukan adalah, kalau misalkan nih Cut off nya kapan, 2019 Misalkan Saya mau tanya tentang tailwind terbaru Dia nggak ngerti kan Karena 2019 masih tailwind versi 2 Misalkan, yang kita lakukan adalah Kita copy dokumentasinya Masukin ke context Masukin ke prompt Baru kita tanya kan Habis itu baru tool calling Ya, tool calling nya itu Adalah web search Oh, bisa nggak? Gua nggak punya pengetahuan ini Coba gua search dulu Nah, tool calling itu Tool calling itu Signify, dia cukup minter buat tahu Tools mana yang dipilih kan Ya, dia lebih keren untuk bisa Pakai function call mana Oh, disini aku harus Melakukan web search Karena datanya udah Di-cut off, apa, diluar Saya masih Ingat banget itu mencoba Membangun
Kalau jaman sekarang namanya ADKA ADKA, Agent Development Kit Kalau jaman itu adalah, bagaimana mengcode Si OpenAI API nya untuk bisa Tool calling, mengikuti Tutorialnya Mas Arya Hidayat Yang waktu itu dia Tool calling ke weather Kalau nggak salah Jadi dia cuma Di Jakarta hujan nggak besok Seperti itulah, jadi dia bisa cari weather Terus panggil weather.com API, cari Terus berapa suhunya, kalau nggak salah Jangan itu, dan itu berhasil Pada masanya itu Breakthrough banget ya, karena sebelumnya kan Chatbot itu Outdated-nya jauh, maksudnya Ya sekian, dua, setiap tahun Kebelakang kan, apa Trading data cutoff, ya udah selesai Betul, karena Saya sampai bikin plugin WordPress-nya Dan saya sampai demo-in Di Domain Asia Dua tahun yang lalu, jadi saya buat
Blagin AI nya Connect to OpenAI Dua tahun lalu, kayak udah kuno banget Saya ini, pakai chatbot-nya Tolong Create-kan artikel Dengan judul sekian Dan berikan 5 paragraf Dia langsung jalan Buat artikel Di WordPress Isi judul, isi Deskripsinya, langsung dia yang isi kontennya Jaman itu, saya demo-in Di Domain Asia Setelah function coding Kenapa LLM butuh tool calling Salah satunya, contohnya gini LLM itu pada dasarnya Adalah autocomplete Kalau misalkan kita tanya Satu tambah satu berapa Kemungkinan besar dia bisa jawab dua Tapi kemungkinan juga dia bisa jawab tiga Karena dia gak bisa ngitung sebenarnya Dia hanya melihat probabilitas Keliatannya biasanya Kalau orang ada kata tahu
Diikuti dengan kata goreng Tahu goreng Ada kata bulat, tahu bulat Ada tahu, tahu tempe Tapi dia gak bisa diikuti Dia gak punya konsep Dia gak punya konsep gabungan Tahu goreng itu apa, tahu bulat itu apa Tahu tempe itu apa, kenapa Dan kapan orang pengen makan itu Yang gak tahu punya mana Yang umum dan Keliatannya apa Kemungkinannya tinggi Makanya ada tool calling untuk kalkulator Ada tool calling untuk Eksekut kode dan lain-lain kan Itu yang membuat kita bisa mengesokasi Kodanya Makanya Saya bisa bikin CGPT Jadi bingung di looping Pernah tahu gak khasusnya Yang seahorse emoji Oh iya iya iya Pernah dengar Itu punya tropik ya Yang isu seahorse emoji Kita coba ya
Gua demoin ya Ada artiklenya Demo dulu demo Ini Karena kembali ke Eka bilang Karena dia hanya untuk Apa istilahnya Untuk Apa tadi Eka bilang Completion completion Karena cara kerja LM itu completion Ini CGPT ini Gak Great great great CGPT nya kok gak ini Gak 52 Is that a seahorse emoji Mudah-mudahan dia masih bingung ya Mungkin sekarang Mereka akan berkerak Berkerak di looping Ayo Ini dia lagi looping nih Nggak nanti dia akan tulis Apa penyebabnya Ada Ada artikelnya
Kok gak mau Dia lagi tau di demo ini Ngambek dia Dia tau mau Dicela-cela mau diketawain Salah Tuh Salah kan Tapi ini Salah ini Kiri ke piting Zoom in Link Tapi dia sudah gak looping Kayaknya sudah di ini deh Sudah di perbaiki lah Udah di patch Sama mereka karena dijadikan lawakan Tapi ada ini nya kok Saya sempat mainan dia Ntar ya Kok ilang sini nya Udah ini
Udah pinter Saya sempat mainan dia itu Seahorse emoji Dia bingung sampai muter punya semua Berkaitan sama laut Itu kayak gitu Tidak, itu coklat Itu juga bukan seahorse Dia bingung itu Seahorse emoji Seahorse Yang festival nya itu kan Ada berapa huruf R di strawberry Biasanya ada yang saya jawab Sekarang sih sudah pinggar ya Dulu kan kayak ada dua, ada tiga, ada berapa Itu sudah di grounding ya Karena kan LLM itu mengkonsumsi Itu bukan satu kata penuh tapi token kan Di potong-potongnya di token Jadi kita gak bisa mengahamin konsep strawberry Dihitung huruf R nya Gak bisa Tadi ini Mas Riza nanya kan Kenapa
Bingung dia Karena LLM Mungkin ya yang dibuat sama OpenAI itu Knowledge base nya Banyak kan dari Reddit Dan dulu pernah perbincangan Itu tentang seahorse emoji Ada gak sih seahorse emoji Terus Ada yang bilang Gua pernah liat Ada seahorse Terus ada yang bilang gak ada Gua udah coba cari di Unicode nya Gak ada, terus ada yang bilang ada Ada yang gak ada Terus sempat jadi kayak Yang gif versus jif itu lho Terus Banyak Apa namanya Perdebatan Terus karena dipakai Konten itu dipakai untuk Training Di memorinya si Cpt Masih bingung Antara ada dan tidak
Dan itu dia kan gak punya Human attribute ya Dia gak bisa menganalisa kebenaran Secara overall Baca dulu sampai selesai Misalnya kita mengkonsumsi Apa kita liat si Reddit Red itu Kita baca sampai selesai kita nyimpulin Oh gak ada seahorse emoji Nah kalo si LLM kan Cara mikirnya gak gitu kan Dia kalkulasi aja Itu deh buka link mediumnya Itu bagus ngegambarin cara kerjanya dia Yang paling bawah Duh mana ini Loading Ini ya Nah iya itu kan mapnya tadi Maksudnya yang kayak Yang ditunjukin Iphan tadi kan Bisa gitu ya Ada Ada loop hole Padahal udah GPT-5 ya
Udah yang terbaru ya Bukan terbaru banget sih Udah cukup baru lah ya Ya apa namanya Karena ini Karena Data training yang lama Tapi udah dibenerin kok Nggak bisa ini lagi Nah itu pembagian tokennya Model doesn't see an emoji As a single picture Si mobilnya tuh gak ngeliat emoji itu Satu kesatuan Kan dia apa dipecah-pecah jadi unicode-nya Terus tokennya tuh banyak banget ya Dia bingung lah intinya Jadi yang dibaca oleh LLM Sebenernya kan yang ini-nya kan unicode-nya Bukan emoji-nya dia gak bisa liat Dia gak bisa liat itu gambar ikan Nah cuma dia ngira-ngira aja Kenapa dia gak ada jawab itu ya
Gambar laut sama gambar kuda Nggak ada ya Oh karena gak ada spasinya Kayaknya dia kan konsep ya Mapping seahors itu kayak semacam Mungkin ya Relasinya itu sama hewan-hewan Laut lainnya jadi yang ketangkap itu Adalah si hewan-hewan Jadi yang berhubungan dengan lautan ya Ikan Tropical fish dan koral Dia bakal bikin ocean Ocean tambah kuda Jadi ini seahors
Oh jadi bingung Drop A, drop A Berarti lima senar Atau senar yang paling tinggi Drop A, drop A itu Maksudnya apa Ika Kan E, E biasanya Ditorunin ke bawah jadi drop D D, A, E, A Jauh banget turunnya Nggak tau coba tanya ke laut Masih kan ada 4 senar kan Iya Tergantung ada yang 7 senar Ada yang 5 Lima senar Tuh kan lima senar Itu kan Pertahuan yang niche kan Specialized, kalau tanya LLM Training data dia kan Dilute kan kecampur Itu hal yang niche banget Ditanyain sesuatu yang specific
Kalau tanpa RAG khusus LLM nya bisa bingung Yes Jadi itulah Makanya Nama si LLM ini dia kayak Punya dunia sendiri dia nggak bisa Tahu ada update apa Diluar ya, kalau sekarang kan udah ada Tool calling dan lain-lain ya, kalau hanya LLM Itu nggak bisa Jadi dia dipersenjatai sama tool calling Kemudian Agent ini juga Agent itu Ketika misalkan tadi ya Contohnya Booking Terus juga Begitu booking dia nanya lagi Nanya balik dulu kan, jadi Si LLM ini saling berkomunikasi Tadi ada yang Ada yang kasih komentar Seperti berbicara dengan dua orang Betul Kurang lebih kayak gitu Tapi apakah agent ini
LLM juga, berarti ada dua LLM ya Yang bekerja ya, minimal Di satu Agent itu dia bekerja dengan Dia jalan terus Itu LLM bukan? Iya Eh nggak tahu Ya ya LLM yang sama Gak tahu sedalam itu Cuma yang gue tangkap dari penjelasan Esther waktu itu, sama baca-baca Deskripsi kayak yang Artikel-artikel tadi Dia bakal jalan terus Sampai misinya tercapai Jadi nggak cuma kayak sekali jalan Dia mikir terus Setelah selesai satu, ini apa yang kurang? Entah dia nanya Atau dia melakukan sesuatu Manggil tool yang sama dengan input baru Atau mengkonfirmasi ke user Jadi dia punya kecerdasan Untuk decision making Mungkin mengklarifikasi Sesuatu ke user dan memanggil Tools yang sama, tapi dengan input baru Misalnya tools untuk
Yaitu tadi nge-search flight Kalau dia merasa itu udah puas Itu udah tercapai, dia melakukan langkah selanjutnya Misalnya menawarin Cari hotel, atau bayar Atau apalah Itu kan pati Tool chaining kan Jadi karena dia setiap kali Melakukan tool calling Dia akan Hasil dari tool tersebut Dia baca Dia cari konteksnya Atau attention ya Bahasanya sih, attention bahasa teori Nah, ini bagus nih Yang di artikel club Berhubungan sama yang barusan Lo bilang Apa? Itu tadi Dia bisa reasoning Listening, acting, observing Planning, collaborating Key features Nah, ini juga ada nih Yang kayaknya Cukup relevan Sebentar, nih EIA gini itu terdiri dari
Ada LLM-nya, punya tool calling Ada memory dan ada reasoning loop Nah, ini hal yang Jadi LLM yang Misalkan Cetjipiti nih Kalau dia Punya agent Cetjipiti ini kan LLM nih Dia akan berhubungan dengan EIA agent LLM baru, jadi ada 2 LLM Kalau ada agent yang ketiga 3 LLM gitu Oh iya, itu ada strukturnya Parallel sama sub-agent Tapi nggak harus Kayak gitu Sendirian pun bisa, tapi karakternya adalah Itu dia jalan terus Nah, memorinya itu buat Nge-store udah sampai mana Jadi kalau tadi kan kayak LLM biasa Bukan agent kan, sekali jalan Yaudah selesai, bener atau nggak Abis itu kayak kode Tool callingnya write to file Tapi yaudah, terus gimana, nggak ditesting Nggak apa, nah, kalau ini Dia punya memory, udah sampai mana nih
Terus berdasarkan memorinya, dia bisa mikir Next, saya harus ngapain ya Harus ngapain ya Jadi kita, jadi kayak LLM yang utama Itu seperti mendelegasikan Tugas ke temen-temennya Ke minion- minionnya Minionnya tuh punya pikiran sendiri Punya LLM sendiri Dan punya tool calling sendiri Itu kan kalau struktur Sub-agent ya, kalau multiple agent Nah, itu juga macem-macem itu Ternyata gara-gara liat docsnya Ada banyak sih, ini salah satu aja ya Ada yang sekuensial dan lain-lain Ya Nah, kalau buat apa Kayak perbedaannya sama deskripsinya Paling bagus di artikel Google Cloud itu sih Yang tadi ya Yang ini Putar AI agent Nah, itu patah sedikit Key features
Reasoning and acting Reasoning itu apa ya Kalau thinking kan mikir Reasoning tuh kayak apa ya Mencari alasan Konotasinya negatif ya, mencari alasan Mencari alasan loh Mencari hubungan sebab akibat Maksudnya karena Apa, usernya mau gini Kalau saya harus gini Kalau yang LLM biasa Tadi kan gak kan cuma nyambung-nyambungin Token berdasarkan probabilitas Aja kan Mengejawantahkan Menge Mengejawantahkan ya Mengejawantahkan Reasoning Terus acting, bertindak kan Gara-gara ada tools tadi kan ya Karena ada agent tadi jadi bisa
Melakukan sesuatu Karena kalau LLM Doang ya, seperti yang saya contohkan tadi Coding agent Itu dia bisa write file Tapi kalau chat Apa, cursor Yang chat, chat only Bukan bisa write Kita harus copy paste dulu ke file, file yang baru kita save Ya kan Itu acting, jadi dia bisa Berbuat sesuatu Mengubah sesuatu gitu lah ya Observing Mengamati Planning Nah ini yang cukup apa To understand their context And creating from decision Ya, lagi hot ya, kalau di coding agent ya Kayak di cloud code itu dia bisa planning Kalau tadi Eka bilang mau bikin Login form Langkah-langkah apa yang dibutuhkan Terus action tindakan apa Yang bisa dilakukan Terus mana kira-kira tindakan yang paling Baik berdasarkan informasi yang ada
Dan outcome, hasil yang Dinginkan Ya, kalau dulu mungkin Planning, apa Ivan? Maksudnya keren juga Mode planning itu, nggak cuma di cloud ya Maksudnya di Gemana, dimana Keren sih Ya, anti-gravity juga bagus sih Planningnya, jadi Kalau misalkan Dulu sebelum ada Planning ini Kita tadi kayak Eka bilang Mau bikin login form aja, itu dia kesulitan mungkin Karena Terlalu banyak stepnya Kalau sekarang Kita bilang login form, mungkin udah dibikinin Sampai forget password segala macem, udah dibikinin sama dia Jadi dia Planning dulu nih Sampai register-nya juga Sampai langsung bilang Mau pakai, apa? Mau pakai library apa nih? Atau klarkah Atau apa gitu, langsung ya Jadi dia ada planningnya
Ada satu baru belajar yang namanya Lucia, alf, nah nggak pakai Lucia Terus coba-coba Lucia, keren juga Bahasanya Dokumentasinya banyak Jadi dia gampang banget Bikin dia Bedanya planning sama orkestrasi Orkestrasi itu yang disebut Maksudnya tadi punya sub-agent Mengatur Dia nyuruh-nyuruh bawahan Para agent-agentnya yang lain Tapi kan masing-masing punya Kepinteran atau keahlian sendiri Satu jago front-end Satu back-end misalnya Satu security atau penetration testing Nah, apa? Orkestrasi itu si Agent kepala yang mikir Tugas ini dikasih ke Sub-agent ke anak buah ini Tugas itu dikasih ke neighbor Kepala yang masing-masing Siapa yang harus kerja duluan Atau meramunya gimana Nah, itu Itu banget purna
Nah, itu ada terakhir Collaborating sama self-refining Fitur-fitur kunci Bagaimana suatu LLM atau AI itu bisa dianggap Sebagai agent Self-refining ini berarti dia bisa Memperbaiki dirinya ya Refleksikan Wah, saya salah nih Saya harus ubah cara Caranya nggak kayak gini Pakai cara yang lain gitu ya Nah, terus itu apa bedanya AI-agent, AI-assistant AI-agent, AI-assistant sama bot Oke Yang tadi ya Yang tadi kita bicara kan ya Bot ini kan chatbot ya Kalau ini cuman kasih KUO Ya, bot kita Cuman kita tanya jawab Ini untuk tanya jawab Kita otomasi assistant Membantu kita dengan tugasnya Tapi potong-potongan kan
Kayak tengan satu-satu Kalau AI-agent itu bisa Autonomous, autonomously Dan proactive Itu tadi dia nyari flight Flight-nya mahal banget atau habis Atau bisa nawarin Ya Iya, saya ingin cakap Bisa Ivan Tadi mau ngomong apa? Maksudnya dari secara level Maksudnya AI-agent ini kan Dia sanggup sampai Hampir seperti Manusia Untuk specialized skill ya
Khususnya dalam coding agent ya Kalau dalam hal Apa namanya Saya maksud ini coding agent Hampir seperti junior atau senior developer Sedangkan Ada lagi yang pengembangan selanjutnya Yang saya sudah melihat arah-arahnya nih Kayak semua Provider-provider Model-model ini Mulai bikin browser sendiri Iya ga? Ya kan, perplexity Ya, terus cloud code Dia membanding bisa MCP ke Chrome Ya kan Terus kemudian Dia juga punya browser Kursor sudah ada add-on Browser di dalam kursornya Tau ga? Ada add-on browser Jadi sepertinya Sekarang semua VSCode Kalau pakai kilokode juga udah ada Dia ke fire browser sendiri Jadi sekarang Tau ga kan
Kayak cloudflare atau apa namanya Kayak banyak lah ya Selain cloudflare ya Kayak mulai firewall di mana-mana Kayak di block bot Ini kan, LLM bot Untuk bisa nge-fetch kan Akhirnya mereka Bikin pakai browser sendiri Dan browser itu kan Kalau kayak buka Chrome kan dia otomatis jalan Jadi sebenarnya ga keblock sama cloudflare Akhirnya Dia bisa kayak simulasi Klik beneran Jadi yang tadinya Bukan hit plus lagi Beneran kursor beneran Bukan hit plus Betul Nah Yang beberapa hari ini saya sudah coba kayak Pake Gemenei Dan cloudcode dan besok saya demoin Pake Gemenei Juga untuk Nge-debug core Webfile tapi connectnya langsung Ke Chrome Google Chrome jadi dia bisa
Langsung kayak nge-click Nge-coba ngambil LCP nya Nge-coba ngambil INP nya Nge-coba ngambil CLS nya Dan meng-analyse itu semua Dan ngasih tau hasilnya seperti apa Ya, itulah sebabnya Anti-gravity Minimal memory RAM nya 16GB Memory nya banyak Mikirnya berat Makan RAM nya juga berat ya Dia udah buka IDE Buka editor Ada yang di atasnya itu agent Manager ya Manager-manager itu Terus dia juga bisa connect ke Chrome kan Jadi ya jelas lah ya Sangat Membutuhkan memory Apalagi itu adalah Apa Elektron Yang adalah Chromium Base
Ya Chromium Base Yang Chrome nya itu Di fork dari Chrome Chrome itu punya Google, produknya Google Di fork jadi punya komunitas Kemudian Dipakai oleh GitHub Kemudian dilanjutkan oleh Microsoft, kemudian Google nge-fork lagi CBS Code itu buat Produknya dia, jadi muter aja Muter aja Terus kalau Dan ternyata CBS Code CBS Code nya si Google pake Jemenai Atau mereka nge-coding pake Jemenai Atau pake anti-gravity Untuk nge-coding si Chromium engine nya tadi Iya Udah muter lagi code nya Dikursifnya Iya Ya, kalau mau yang enteng Mungkin bisa coba Tools yang jalan
Di terminal ya, kayak Cloud Code Ada Gemini CLI Dan ada yang lain juga Nah, sebenernya saya tertarik sekali Sama Gemini CLI sebenernya Cuman sayangnya kayak agak di Itu ya, kayak ada agak Di anak kirikan ya Kenapa saya tertarik? Karena satu Sama kayak DX nya agak Kenapa ya? Gak tau Maksudnya apa belum kebiasa Yang pengembangannya kayak Sekarang semua resource nya Diarahkan ke anti-gravity Padahal dari sekian Banyak Tools CLI Atau terminal based seperti Cloud Code Terus apa lagi ya AMP Code Dua itu sih Yang saya pernah pake Gemini CLI Kelebihan nya adalah dia benar-benar Murni open source, Cloud Code itu gak open source Walaupun ada repo nya, tapi repo nya cuman buat issue doang Dia tidak open source Walaupun di develop pakai BUN Tapi dia tidak open source
Gemini, kodanya bisa kita lihat Dia pakai apa Jadi sebenernya Cukup menarik Yang open code Yang open source itu open code ya Kalau gak salah ya Open code open source Yang kayak gitu-gitu sebenernya Menarik gitu Jadi kita bisa sekalian belajar Bukan Cuman menggunakan Cuman sayangnya Fiturnya itu kalah Mentereng dibandingkan Cloud Code Cloud Code udah paling Terdepan ya saat ini ya Itu kayak UX Cuma kita kan user-nya Developer kayak Cloud Code itu Bisa bikin entah gimana Belum pernah pakai Atau baru pakai, jadi kayak langsung Mempel gitu loh, langsung edit Nah kalau Gemini CLI itu Kayak mungkin learning curve-nya ya Gak bisa langsung Ketagihan Harus pakai langsung
Gua merasa Gemini CLI itu ininya ini loh Apa namanya Agak lambat Ezekusinya, compare sama anti-gravity Anti-gravity? Sama-sama, iya Ini loh, kecepatan request-nya Bukan ini bukan prompt-nya Iya, respons dari si Respons dari si Modelnya Itu Lebih cepat di anti-gravity Kayaknya resource-nya dipindah Ke anti-gravity semua sih, banyakan Jadi di prioritaskan ke anti-gravity Karena mereka mau nge-push itu Mungkin ya Padahal potensial Ke Gemini CLI Menurut saya, cukup bagus Dia juga bisa jadi orkestrator kan Misalkan kayak Mungkin secara strategis dia merasa Udah kalah jauh sama cloud-cube kali ya Maksudnya kayak gak pengen Ngejar ke citra dulu mungkin Mungkin udah
Terlalu susah Tim-nya dipindah Iya Gemini CLI sering kena Infinite loop Nah, ini juga susah ya Kurang canggih lah ya Udah Gemini-nya Kalah sama Opus Terus tools-nya juga Kurang gitu ya, padahal sebelumnya Padahal saat Gemini 3 muncul tuh Kayaknya heboh semua, wah ini canggih banget Bikin front-end-nya bagus Desain-nya, begitu keluar opus Diam lagi Ada yang lebih bagus ternyata Tapi bakal gitu, terus ya Mungkin selama masih yang kita bahas Tapi Januari belum ada apa-apa lho Semenjak Januari belum ada yang keluar lagi lho Biasanya tiap Ngedip sebelumnya, akhir tahun pun tiap ngedip keluar Masih 11 hari Nunggu tuh Kita gak tau ada surprise apa 11 hari ke depan
AI dari mainland Belum menunjukkan taringnya nih Nunggu, dia nunggu tahun baru nunggu JLM 47 Flash baru keluar sih Sebenarnya ya Sayang Saya pakai JLM JLM 47 Jadi ini saya Jadi beneran Walaupun ke model yang lebih murah Saya emang gak asal sama sekali Cari gratisan semua Umelnya udah banyak Terlalu umei satu Semua dicobain Ini EWS ada Kiro Yang selai juga Wah, kayaknya menarik
Kiro bagus gak sih? Belum coba nih Kalo Kiro Kiro Sebenarnya dia kan yang mengusung Awalnya yang mengusung spek Driven development kan sebelum spek kit Muncul, itu kan Kiro duluan Itu dia bikin Trending nya tuh bagus banget Bagus banget Cuman sayangnya Entah Dari Apa namanya dari editornya Dia gak ngerti atau gimana agak Nge-like, sering nge-like Kalo Di lab saya cobain Terakhir, entah mungkin karena Dia gak bisa Eksekusi beberapa tools Dia gak bisa Eksekusi kode Jadi cuma sebatas sampe planning aja bisa Aneh banget Tapi tuh ada free nya Kalo ada free nya mau sih
Free tire nya ada Terus kemaren dia ngeluarin yang versi CLI nya Wah menarik nih CLI kan kayaknya ringan tuh Penasaran juga pengen coba Kalo yang punya apa Yang punya account student Ya ampus Bisa dapat setahun Dratis kan Google ya Google One ya Belajar Belajar di universitas Kehidupan Gak ada email nya Jadi pengen jadi mahasiswa lagi deh gue Buat itu ya Biar email.ac.id Email apa Alumni.ui.ac.id Itu masih boleh kan sih Ya namanya Alumni Kena flaggingnya Tapi kan ac.id Mungkin ada flaggingnya Kalo ada Alumni nya gak bisa, gak tau
Yang penting kan belakangnya ac.id Gak ya, gak gitu ya Kalo misalkan kursor Kalo kursor itu harus Upload sertifikat setiap tahun Ijasah Ijasah, harus di upload Harus di verifikasi Kita masih mahasiswa aktif Belum belajar kan, belum belajar Berarti kayak apalah KRS atau semacamnya ya Ya menyatakan Bahwa kita adalah Mahasiswa di kampus Iya Aduh telat banget Iya nih, kita mudah-mudahan Ini Mas Radian yang Ini ya, yang ngide ya Yang ngasih ide ya Ngasih ide, judulnya doang Kita pake, tapi malah bahasnya lain Tapi bahasnya yang lain, maaf ya Baru balik kantor Wah, luar biasa Gak apa-apa, besok lagi topiknya tadi gak dibahas Kalo gak bahas co-pilot kita sama sekali Iya, kita bahasnya malah Agentik, karena kayaknya terlalu lompat Kalo kita bahas tentang AI Agent
Tapi ya bagus sih, jadi kan mulai dari Fundamentalnya kan Nah, ini cuma Menurutku sih Penting banget ya dibaca Ya, baca sendiri-sendiri aja nanti yang artikel Di Google Cloud ini kayak Jenis gimana cara kerja Key differences-nya ada Tadi yang tabel itu yang AI Agent Assistant Bot Perbedaan utamanya apa, cara kerjanya Persona, Memory Tools Itu tuh ngebantu kita waktu kita Mendefinisikan Agent, jadi kalo suatu saat Kita pake ADK, JS atau Longchain atau apa bikin Kita bikin prompting Bikin sistem instruksinya tuh Lebih bagus sih Sama jenis-jenis Agent nih, berdasarkan interaksi Interactive partner Autonomous background processes Terus bisa single agent, bisa multi agent Bagus itu Yang belum kita bahas itu Agent to agent, bisa ga sih Agent to agent, communication Penontonan ga? Bisa
Bisa Jadi si agent ini Kommunikasi dengan agent ini, terus Bola balik Bisa bisa Itu kan, jadi Yang satu ngelup, yang satu ngelup Yaudah, saling komunikasi aja Tinggal tunggu aja, token kita abis Orkestration Ada protokol dia kan A2A A2A Ya ini kan Bisa diajak debat, si agent Bisa, kalo mau bikin mah bisa Sesama agent juga bisa Mereka yang debat, kita yang nonton Satu lagi apa namanya? Apa nih? Ngomongin agent, aku belakangan ini Ada project di kantor pake Mastra Apa itu Mastra? Kayak pernah denger? Mastra ada Oh, iya iya tau tau Ini salah satu Rekomendasinya mas Ariya Hidayat juga, daripada pake Lengken Mendingan pake Mastra Untuk framework ya
AI framework ya Entar orang Indonesia bikin Baktra Ada Mastra, ada Baktra Cukup lah ya Kreativan developer Indonesia membuat apa? David, DB, Prabowo Apalagi itu ada 4 ya Itu luar biasa sih Ya enak pake TypeScript Ya, lebih rekomendasi Ini daripada Lengken, Lengken terlalu bloated Jadi setuju setuju Mastra itu keren, saya penasaran Pengen ngulik juga sih Tapi pengen nguliknya dari Vanilla, gak mau pake itu dulu Kalo pake framework itu, belajarnya Gak lama Gak paham Agent to agent ya Itu A to A Itu ada protokolnya
Ada kayak definisi protokolnya Link ke bawah, nah itu dia Oke Saya punya pertanyaan Agent, kita udah clear ya Temen-temen, mudah-mudahan sih udah lebih paham ya Gak malah lebih bingung ya Kalo MCP itu Masuk kategori mana? Tool call ya Tool Itu tools Sama kayak agent to agent protokol ini Itu protokol buatan Anthropic Yang bisa dipanggil sebagai Suatu tools Betul Iya MCP kan lahirnya dari Anthropic Betul Gara-gara itu Jadi tau gitu Bisa mendonasikan hal yang Abstrak, maksudnya patent protokol itu kan Mereka donasiin ke Linux foundation atau semacamnya ya Apa sih? Linux open Source foundation blablabla Ya awalnya kan gitu Anthropic ngeluarin sendiri
Namanya MCP, terus Google ngeluarin kan Protokol juga kan Kalo gak salah Dia punya sendiri akhirnya Dia kayaknya Menyerah dan ikut Standard ya Ikut MCP ya Sebenernya MCP itu apa sih? Eh kita perlu bahas sekarang atau nanti aja? Ya gimana kalo topik terputar aja Model konteks Model konteks protokol memang ya Iya maksudnya kalo mau ngebahas detail Mas satu episode lagi aja Iya itu Panjang Lumayan panjang juga tuh penjelasannya Intinya sih itu Ya protokol yang menyediakan Suatu set tools Apa? Si agent yang Memanggil MCP server itu Agentnya itu Bekerja sebagai klien kan jadinya ya Dia konek ke Si server MCP itu Tring, jadi dia dapet tools Banyak Beberapa tools lagi, jadi misalnya MCP
GitHub, kalo gak ada Kalo tanpa MCP GitHub Ngasih agentnya terima Terima perintah buat Buatin pull request Dengan komentar lengkap, berdasarkan Kondo saya, ya dia bisa bikin Dia bisa nyapain pull request Bisa bikin deskripsinya Bisa bikin title yang bagus Pakai prefix yang apa conventional commit Bisa, tapi kan dia gak bisa Mengakses akun GitHub kan Karena gak ada toolsnya Nah dengan apa konek MCP server GitHub ini Jadi muncul tuh tools banyak apalah Authenticate jelas Terus misalnya create pull request Atau comment to pull request Ya masing-masing tools tuh Toolsnya banyak, masing-masing tools Ada namanya dan ada deskripsinya Jadi si agent bisa mikir, oh Kalo user minta ini, berarti saya Cocoknya pake tools yang ini nih Dengan apa, tapi usernya minta dengan Natural language
Oke itu MCP ya Ada lagi skill Banyak banget Itu bentuk Overwhelm gak sih dengan istilah-istilah Yang sangat banyak ini Apalagi cloud code Ada skill, ada plugin Plugin bisa berisi skill Ada plugin, ada plugin marketplace Juga sekarang Marketplace untuk Menginstal plugin, kalo kita Udah install plugin, banyak skill-skill Yang bisa diakses, tapi kita harus Enable, nah terus belum ada agent Ada comment, hadah Ternak lele aja udah Ternak lele, iya Ternak lele gak punya kolam Kalo MCP Kayaknya cocok nih kita undang Si MC Dots ya Dia lagi Lagi banyak banget tentang MCP Oh iya dia buka kursus MCP Tergoda di daftar, tapi itu luar banget ya Lu daftar, tapi
Caretnya undang kesini Ya dia gak mau Ngapain, siapa lu Coba aja dong Sekali itu Engga, dia kan punya platform sendiri Tapi dia tuh Speaker commercial Tapi kan dia GDE Nanti bisa nambahin itu Nambahin adpoku Nanti bisa diundang GDE Summit GDE tapi gak aktif Kapan ya Kita gak pernah ke GDE Summit yang di luar ya GDE Summit kan Kemaren di China Udah gak ada lagi GDE Summit yang Udah gak ada agentnya lagi Agentnya udah gak nyampe sana Pesawatnya orang cuma batik doang Yang ada disini Mana bisa ke Amerika
Pake batik Entar datang Mbak Mas Danang Sebelum Mas Danang datang Mari kita kabur Cukup Pembahasan tentang Peragentan ini Kalau MCP, skill Dan lain-lain mungkin kita bahas nanti ya Apa namanya Bahas Agentik coding juga kayaknya perlu ya kita bahas ya Nanti kita coba cari Nara sumber lah ya Yang lebih kompeten daripada Kita-kita Oke, topik minggu depan Nah ini harus dibuat agentnya nih Siapa yang mau buat agent buat topik Memilih topik ya Berdasarkan Activity Berdasarkan apa nih Temen-temen ada idea gak buat minggu depan Kita mau bahas apa
RBC DTS Bedah buku Apa mau lanjut ini Agentik Application framework Project Management Mending ini aja deh Apa namanya Showcase Lanjut Gini aja Menunjukin workflow kita Kita co-work aja Co-work Buat minggu depan Membuat Sabung AI Kayak sabung AI Tapi buat ini, buat mencari Topik selanjutnya Terus mengembangkan topik ini aja udah
Misalnya udah dipilih nih Topiknya Terus kemudian si AI-nya Mengisi More details Jadi konteks untuk kita belajar Gimana Ini AI assist Ini affect coding kita untuk membuat Ini Topik generator Topiknya adalah Workflow menggunakan Agentik coding Ya share aja masing-masing gimana sih Prosesnya mulai dari Apakah bikin PRD dulu Atau bikin mockup dulu Gimana kalau misalkan nanti pada saat Itu kita mau fitur berikutnya gimana Boleh Tapi topiknya tetap kita Membuat Nanti demo nya itu Membuat Memilihan topik Kita selanjutnya Oke siap
Siap-siap ngisi tokan Dulu ya Jangan dipake Gak ada suaranya Menarik Oke Oke ya besok Topiknya workflow Atau cara menggunakan Versi kita masing-masing ya Cara menggunakan agentik coding ya Atau AI assisted Something lah AI assisted coding Oke Oke cukup untuk Malam ini Kita Ketemu lagi minggu depan Terima kasih buat Domensia yang sudah Menjadi kolaborator Sampai jumpa selamat malam Bye bye
Kami pastikan anda berada Di tempat yang tepat Dengan Domensia dapatkan pengalaman Memanakan layanan hosting yang lebih baik Dengan SSD berperforma tinggi Dalam infrastruktur cloud Yang telah dioptimalkan untuk kebutuhan personal Maupun bisnis Teknologi ini memungkinkan anda memperoleh Layanan yang lebih stabil Serta proteksi dari korupsi data Hosting Domensia juga telah mendukung Node.js, Python, Ruby, Go, PHP, Java Serta binary Linux Lebih dari 200.000 pelanggan Telah mempercayakan layanan hosting Di Domensia Kepercayaan yang kami jaga dengan Garansi aktan 99,9% Serta garansi uang kembali 100% Buat website anda Lebih mendingan Segera beralik web hosting Domensia
Deskripsi asli dari YouTube
🗣️🕸️ Selasa malam waktunya #NgobrolinWEB! Bareng Eka dan Ivan kita akan membahas tentang Agentic UI. Apa itu agent, agentic dan agentic ui? Nah mari kita belajar bareng. Episode kali ini merupakan hasil kolaborasi dengan Domainesia Gunakan kode promo: NGOBROLINVPSDN buat diskon 50% langganan Cloud VPS Turbo dan dapat digunakan berkali-kali! Kunjungi https://ngobrol.in untuk catatan, tautan dan informasi topik lainnya.
Episode Terkait
- 155 Alat Pengkodean Agen 28 Jan 2026 · 1j 55m
- 83 Inovasi Web dari Google I/O 2024 22 Mei 2024 · 1j 23m
- 180 Modern Web UI 26 Agu 2026 · 1j 31m
- 185 Laracon 14 Okt 2026 · 1j 34m
- 167 Alat Desain AI 20 Mei 2026 · 1j 23m
- 94 Ngobrolin Google I⧸O Connect China 2024! #WPUCAST x #NgobrolinWEB 27 Agu 2024 · 51m
Memuat komentar dari GitHub Discussions...
Jika komentar tidak muncul karena ekstensi privasi / adblocker, kamu bisa berdiskusi langsung di GitHub Discussions .