Agentic AI
Ringkasan Episode
Bantu KoreksiEpisode 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.
Poin-poin Utama
- •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
[Musik]
Dapatkan hanya di Domesticia
[Musik]
[Music]
[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
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
Lihat transkrip lengkap (2003 segmen lagi)
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
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
Ayo
Ini dia lagi looping nih
Nggak nanti dia akan tulis
Apa penyebabnya
Ada
Ada artikelnya
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
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
Key features
Reasoning and acting
Reasoning itu apa ya
Kalau thinking kan mikir
Reasoning tuh kayak apa ya
Mencari alasan
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
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 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
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
28 Jan 2026
Alat Pengkodean Agen
Episode ini membahas tentang Agentic Coding Tools, yaitu tools AI yang dapat membantu developer dalam menulis kode secar...
22 Mei 2024
Inovasi Web dari Google I/O 2024
Episode ini membahas highlight dari Google I/O 2024 dengan fokus pada teknologi web. Topik utama yang dibahas termasuk i...
26 Agu 2026
Modern Web UI
Episode ini berangkat dari satu keluhan yang sangat spesifik: web UI jadi berantakan begitu fitur LLM ditempelkan ke apl...
Suka episode ini?
Episode baru setiap Selasa malam. Dengarkan lewat YouTube, Spotify, atau feed podcast favoritmu.
Memuat komentar dari GitHub Discussions...
Jika komentar tidak muncul karena ekstensi privasi / adblocker, kamu bisa berdiskusi langsung di GitHub Discussions .