Cara Belajar AI Agent dari Nol dalam Enam Tahap

Lintasan dalam enam tahap

Untuk mempelajari AI agent dari dasar, jalani enam tahap berikut secara berurutan: konsep, loop pertama Anda, tools, memory, desain loop, dan safety. Pada setiap tahap, Anda membuat satu hal dengan tangan Anda sendiri. Melompat ke tahap berikutnya terlalu cepat adalah alasan paling umum orang berhenti berkembang, karena framework menyembunyikan bagian yang justru perlu Anda lihat.

AI agent adalah loop di sekitar language model yang diizinkan memanggil tools. Kalimat itu merangkum seluruh topik ini. Semua hal setelahnya hanya menjelaskan apa yang dimasukkan ke dalam loop, apa yang boleh diakses oleh tools, dan bagaimana menghentikan loop saat terjadi kesalahan. Jika Anda dapat menjelaskan loop tersebut kepada orang lain, berarti Anda sudah memahami inti materinya. Jika Anda hanya dapat menyebutkan nama framework, berarti Anda belum memahaminya.

Rencana di bawah ini mengasumsikan bahwa Anda belajar dengan membangun. Baca satu tahap, buat hal kecil tersebut, sengaja buat agar gagal, lalu lanjutkan. Tahap yang baru Anda baca berarti tahap yang belum Anda jalani.

Prasyarat yang sebenarnya diperlukan sebelum tahap 1

Daftar prasyarat yang sebenarnya singkat, bahkan lebih singkat daripada yang biasanya disarankan oleh halaman kursus.

• Anda dapat membaca dan menulis Python atau TypeScript pada tingkat skrip sepanjang lima puluh baris.
• Anda terbiasa menggunakan shell Linux: menginstal paket, mengedit file, dan membaca log.
• Anda memiliki API key untuk model hosted, atau mesin yang dapat menjalankan model lokal.

Hanya itu yang diperlukan. Anda tidak membutuhkan teori machine learning dan tidak perlu pernah melatih model. Tidak ada bagian dari pekerjaan agen yang melibatkan gradien atau data pelatihan. Kartu grafis hanya diperlukan jika Anda memutuskan untuk menjalankan model itu sendiri. Ini merupakan keterampilan terpisah yang dapat Anda pelajari nanti melalui hosting Ollama pada VPS untuk menjalankan LLM sendiri.

Bagian shell sering diremehkan. Agen dapat gagal karena permission, path, environment variable, dan proses yang berhenti tanpa pesan. Jika stack trace tentang PATH atau file mode membuat Anda menutup terminal, pelajari dasar-dasar Linux terlebih dahulu selama akhir pekan. Hal itu akan menghemat waktu Anda selama sebulan berikutnya.

Tahap 1: apa itu agent dan apa yang bukan

Mulai dengan satu panggilan API tanpa loop. Kirim prompt, cetak balasannya, lalu periksa jumlah token dalam respons. Kini Anda memahami unit biaya dan unit latensi.

Selanjutnya, pelajari penggunaan tool, yaitu satu-satunya gagasan yang benar-benar baru dalam bidang ini. Anda mendeskripsikan sebuah fungsi kepada model menggunakan nama, deskripsi, dan schema JSON (JavaScript object notation) untuk inputnya. Model tidak menjalankan apa pun. Model mengirimkan permintaan terstruktur: panggil run_command dengan argumen berikut. Kode Anda menjalankan fungsi tersebut, mengirimkan output kembali sebagai pesan, lalu meminta model menjawab lagi. Model adalah perencana yang membaca teks dan menulis teks. Kode di sisi Anda dalam pertukaran tersebut memiliki nama ketika Anda mulai membandingkan desain: kode itu adalah harness agent, yaitu loop, tool, dan izin yang membungkus model yang tidak memiliki semua itu sendiri.

Chatbot berhenti setelah satu balasan. Agent mengulangi pertukaran tersebut sampai model berhenti meminta tool. Pengulangan itulah seluruh perbedaannya, dan itu juga sebabnya mode kegagalannya berbeda. Chatbot memberikan jawaban yang salah satu kali. Agent dapat bertindak berdasarkan jawaban yang salah beberapa kali sebelum ada yang menyadarinya.

Tahap 2: tulis loop sendiri, satu kali

Jangan mulai dengan framework. Tulis sekitar tiga puluh baris Python agar struktur program ini benar-benar Anda pahami.

sudo apt update && sudo apt install -y python3-venv
python3 -m venv ~/agent
source ~/agent/bin/activate
pip install anthropic
export ANTHROPIC_API_KEY=your-key-here

import subprocess
import anthropic

client = anthropic.Anthropic()

tools = [{
    "name": "run_command",
    "description": "Run a read only shell command and return its output.",
    "input_schema": {
        "type": "object",
        "properties": {"command": {"type": "string"}},
        "required": ["command"],
    },
}]

messages = [{"role": "user", "content": "How much disk space is free here?"}]

while True:
    response = client.messages.create(
        model="claude-opus-5",
        max_tokens=4096,
        tools=tools,
        messages=messages,
    )
    if response.stop_reason != "tool_use":
        break
    messages.append({"role": "assistant", "content": response.content})
    results = []
    for block in response.content:
        if block.type == "tool_use":
            done = subprocess.run(
                block.input["command"], shell=True,
                capture_output=True, text=True, timeout=10,
            )
            results.append({
                "type": "tool_result",
                "tool_use_id": block.id,
                "content": done.stdout or done.stderr,
            })
    messages.append({"role": "user", "content": results})

print(next(b.text for b in response.content if b.type == "text"))

Jalankan dengan python3 agent.py. Eksekusi yang berhasil mencetak satu paragraf yang menyebutkan filesystem Anda dan ruang kosongnya, karena model meminta df -h, kode Anda menjalankannya, lalu pass kedua mengubah tabel tersebut menjadi kalimat. Jika tidak mencetak apa pun, loop berakhir sebelum blok teks diterima. Tambahkan print(response.stop_reason) di dalam loop dan amati perubahan nilainya.

Sekarang rusakkan dengan sengaja. Hapus baris tool_use_id dan baca error-nya, karena hasil tool tanpa id yang cocok akan ditolak oleh API dan ini adalah bug pemula yang paling umum. Ajukan pertanyaan yang memerlukan dua perintah dan amati loop berjalan dua kali. Ajukan sesuatu yang mustahil dan amati apakah loop menyerah atau berjalan tanpa henti.

Ada satu peringatan tentang contoh ini. Contoh ini meneruskan output model langsung ke shell dengan shell=True. Hal tersebut dapat diterima pada mesin percobaan yang dapat Anda bangun ulang, tetapi tidak boleh dilakukan di tempat lain. Tahap 6 membahas perbaikannya. Konsep di balik loop ini dibahas lebih panjang dalam membangun AI agent sendiri pada VPS.

Tahap 3: alat yang belum dimiliki agent

Tool run_command Anda berfungsi, tetapi agent sungguhan memerlukan tool yang dapat menjangkau sumber daya di luar server: sistem tiket, database, dan repository. Menulis wrapper khusus untuk setiap service dan setiap agent tidak dapat diskalakan.

Model Context Protocol (MCP) adalah solusi yang akhirnya digunakan industri. Server MCP mengekspos sekumpulan tool melalui transport standar, dan agent yang mendukung MCP dapat menggunakannya tanpa integrasi khusus. Server filesystem referensi dapat dijalankan dengan satu perintah:

npx -y @modelcontextprotocol/server-filesystem /home/you/projects

Node harus sudah terpasang, dan argumen direktori adalah satu-satunya path yang dapat disentuh server. Ini adalah gambaran singkat model keamanannya: server yang menentukan batas, bukan model. Hubungkan client ke server tersebut, lalu agent Anda memperoleh kemampuan membaca dan menulis file yang tidak perlu Anda implementasikan sendiri. Cara menjalankannya dengan benar, menggunakan service account dan pilihan transport yang dijelaskan, dibahas dalam menjalankan server MCP pada VPS untuk agent coding AI. Untuk server kedua yang mengarah ke data nyata, bukan direktori sementara, melakukan self-hosting openGym, pelacak latihan menyediakan server read-only. Dengan demikian, Anda dapat berlatih mengajukan pertanyaan tentang riwayat latihan sendiri tanpa memberikan agent akses untuk mengubah atau menghapus apa pun.

Pelajaran dari tahap ini adalah bahwa desain tool merupakan pekerjaan utama. Deskripsi yang tidak jelas membuat model menebak. Tool yang mengembalikan empat puluh ribu karakter memenuhi context window dengan informasi yang tidak diperlukan. Tool yang dapat menghapus sesuatu pada akhirnya akan menghapus sesuatu.

Tahap 4: memori, yang sebagian besar hanya berupa file

Pemula biasanya langsung menggunakan vector database untuk hal ini. Jangan lakukan itu, setidaknya belum sekarang.

Agent tidak memiliki memori di antara pemanggilan. Anda mengirim ulang seluruh percakapan setiap kali, sehingga sesi yang panjang memerlukan biaya per giliran yang lebih tinggi daripada sesi yang singkat. Jadi, memori terbagi menjadi dua masalah. Masalah pertama adalah hal yang dapat dimuat di context window saat ini. Anda mengelolanya dengan membuat ringkasan, memangkas output tool lama, dan melakukan caching pada prefix prompt yang stabil agar biaya yang dibayar hanya sebagian kecil. Masalah kedua adalah hal yang tetap tersedia setelah restart. Ini adalah masalah penyimpanan.

Untuk masalah kedua, file markdown biasa yang dapat dibaca dan ditulis oleh agent lebih baik daripada vector database untuk hampir semua proyek pertama. Berikan satu file, jelaskan formatnya, lalu minta agent membaca file tersebut sebelum memulai dan memperbaruinya saat memperoleh informasi baru. Anda mendapatkan sebagian besar manfaatnya, dan dapat membuka file tersebut untuk melihat hal-hal yang diyakini agent. Gunakan embeddings dan retrieval saat catatan tidak lagi dapat dimuat di context window, bukan sebelumnya.

Tahap 5: loop adalah produknya

Pada tahap ini, Anda sudah dapat membuat agent yang bekerja ketika Anda mengawasinya. Tahap 5 adalah membuatnya bekerja ketika Anda tidak mengawasinya.

Empat pertanyaan menentukan apakah agent tanpa pengawasan aman untuk dibiarkan berjalan. Apa yang memicunya agar agent tidak berjalan tanpa alasan. Batas apa yang membatasi operasinya agar kesalahan tetap kecil. Bagaimana hasilnya diverifikasi, karena agent yang menilai pekerjaannya sendiri akan selalu menyatakan pekerjaannya lulus. Anggaran apa yang menghentikannya, baik dalam token maupun waktu nyata. Merancang keempat hal tersebut secara sengaja merupakan disiplin yang dijelaskan dalam rekayasa loop dan cakupan definisinya.

Latihan: gunakan agent tahap 2 Anda, berikan tugas yang memerlukan empat atau lima langkah, lalu tambahkan batas iterasi yang tegas. Kemudian hapus batas tersebut dan amati dampak loop tanpa batas terhadap tagihan token Anda. Lakukan sekali dengan anggaran kecil agar Anda tidak pernah melakukannya secara tidak sengaja dengan anggaran besar.

Tahap 6: keamanan, rahasia, dan biaya

Tahap ini wajib dilakukan. Tahap ini ditempatkan terakhir hanya karena risikonya belum dapat dirasakan sebelum Anda membangun sesuatu yang berfungsi.

Jalankan agent sebagai pengguna sendiri tanpa hak istimewa, jangan pernah sebagai root atau akun Anda sendiri. Dengan demikian, dampak insiden terbatas pada sebuah direktori, bukan seluruh mesin. Jauhkan kredensial dari jangkauan model. Apa pun yang berada di jendela konteks dapat dikutip kembali melalui pemanggilan tool. Solusinya adalah token berumur pendek dengan cakupan terbatas di balik helper, seperti dijelaskan dalam menjauhkan rahasia dari AI agent Anda. Tetapkan batas maksimum pengeluaran. Loop yang berjalan tanpa pengawasan akan menimbulkan biaya pada setiap iterasi. Batas biaya dan batching yang membuatnya tetap terkendali dijelaskan dalam mengendalikan biaya AI agent pada VPS yang selalu aktif.

Jika agent berjalan di dalam harness, bukan dalam script yang Anda tulis sendiri, sebagian tahap ini dikonfigurasi, bukan diprogram. plugin DeepSeek Harness yang layak dipasang mencakup banyak hal yang sama, termasuk batas anggaran, aturan izin tool, dan pemindaian injection.

Biaya memerlukan satu angka konkret. Per Juli 2026, Claude Opus 5 mengenakan biaya $5 per juta token input dan $25 per juta token output. Agent yang banyak berkomunikasi dan terus mengirim ulang percakapan yang semakin panjang dapat memproses beberapa ratus ribu token dalam satu tugas. Prompt caching dan model yang lebih kecil untuk langkah rutin mengubah perhitungan tersebut jauh lebih besar daripada perubahan prompt apa pun.

Prompt injection juga termasuk di sini. Jika agent membaca halaman web, issue tracker, atau inbox, orang yang menulis teks tersebut juga sedang menulis instruksi untuk agent Anda. Pencarian web biasanya merupakan tool yang pertama kali membuka celah ini. mengarahkan agent ke instance SearXNG Anda sendiri menunjukkan konfigurasi dan permukaan injection yang ditimbulkannya secara berdampingan. Pertahanannya bukan system prompt yang lebih cerdas. Pertahanannya adalah batasan akses. Agent yang tidak dapat menghapus repository tidak dapat dibujuk untuk menghapusnya.

Peta mana yang harus Anda ikuti?

Pilih satu kurikulum dan selesaikan, jangan mempelajari enam kurikulum secara sekilas. Repositori Microsoft ai-agents-for-beginners adalah yang paling lengkap dan gratis, berupa kursus dengan delapan belas pelajaran yang telah memperoleh lebih dari 70,000 star per Juli 2026, serta sesuai dengan tahapan di atas. Kumpulan repositori agent yang sedang populer berguna untuk melihat proyek yang tersedia, tetapi jauh kurang berguna sebagai silabus karena daftar yang diurutkan berdasarkan star menunjukkan popularitas, bukan urutan pembelajaran.

Jika Anda ingin menggunakan proyek nyata untuk berlatih, coding agent adalah target pertama yang paling baik: umpan baliknya langsung, tool-nya jelas, dan kesalahan mudah dibatalkan. Menjalankan coding AI agent pada VPS membahas salah satunya dari awal hingga selesai. Jika Anda lebih suka mempelajari sistem yang sudah berjalan daripada membangun dari nol, perbandingan dalam AI agent self-hosted terbaik menunjukkan cara beberapa proyek menyelesaikan loop yang sama dengan pendekatan berbeda.

Berapa lama waktu yang diperlukan?

Bagi orang yang sudah memiliki pengalaman pemrograman, tahap 1 dan 2 dapat diselesaikan dalam satu malam. Tahap 3 memerlukan satu akhir pekan, dan sebagian besar waktunya digunakan untuk mempelajari deskripsi alat, bukan protokol. Tahap 4 dan 5 memerlukan beberapa minggu penggunaan nyata karena Anda hanya dapat mengetahui hal-hal yang dilupakan agen dengan mengamati saat agen melupakannya. Tahap 6 tidak pernah benar-benar selesai karena setiap kemampuan baru yang Anda berikan akan membuka kembali tahap tersebut.

Dengan malam-malam yang digunakan secara konsisten selama dua bulan, kebanyakan orang dapat membuat agen yang berfungsi, memiliki batasan yang jelas, dan bermanfaat. Orang yang memerlukan waktu satu tahun biasanya adalah orang yang terus membaca dan tidak mulai membangun.

FAQ

Apakah saya perlu memahami machine learning untuk membuat AI agent?

Tidak. Membuat agent berarti memanggil model melalui API dan menghubungkan permintaan tool-nya ke fungsi nyata. Ini merupakan pemrograman aplikasi biasa. Anda tidak perlu menangani training, gradient, atau dataset. Keterampilan yang menentukan apakah agent Anda berfungsi meliputi perancangan schema untuk tool, penanganan error, dan permission Linux. Teori machine learning baru relevan jika Anda melanjutkan ke fine-tuning model. Itu merupakan pekerjaan berbeda dengan prasyarat yang berbeda.

Apakah saya sebaiknya memulai dengan framework seperti LangChain atau CrewAI?

Tulis satu loop mentah terlebih dahulu, lalu gunakan framework. Framework menggantikan tiga puluh baris pada tahap 2 dengan object konfigurasi. Ini praktis setelah Anda memahami bagian yang digantikannya, tetapi membingungkan sebelumnya. Saat agent Anda berperilaku tidak semestinya, Anda perlu memahami message list dan hasil tool secara langsung. Hal itu jauh lebih sulit jika Anda belum pernah melihatnya. Setelah membuat satu loop sendiri, framework akan menghemat waktu, bukan menyembunyikan mekanismenya.

Berapa biaya untuk mempelajari AI agent?

Lebih rendah daripada perkiraan kebanyakan orang jika Anda menetapkan batas. API key hosted dan VPS kecil sudah cukup untuk semua hal dalam enam tahap ini. Risiko sebenarnya bukan tarif per jam, melainkan loop tanpa batas yang menagih setiap iterasi saat Anda tidur. Tetapkan batas pengeluaran yang ketat pada akun API sejak hari pertama, tambahkan batas iterasi ke setiap loop yang Anda tulis, dan gunakan model yang lebih murah untuk langkah rutin. Menjalankan model secara lokal menghapus biaya token, tetapi menggantinya dengan kebutuhan hardware.

Apa perbedaan antara AI agent dan chatbot?

Chatbot memberikan jawaban satu kali. Agent mengulangi sebuah siklus: model meminta tool, kode Anda menjalankannya, hasilnya dikirim kembali, lalu model menentukan tindakan berikutnya. Pengulangan ini memungkinkan agent menyelesaikan tugas dalam beberapa langkah. Pengulangan ini juga menjadi alasan agent memerlukan batasan yang tidak diperlukan chatbot. Jawaban chatbot yang salah adalah paragraf yang buruk. Jawaban agent yang salah adalah paragraf yang buruk ditambah tindakan yang dilakukannya berdasarkan jawaban tersebut.