Rekayasa agen

Pengembangan Agen AI

Bangun agen yang menggunakan tool dengan MCP, function calling, retrieval, memory, dan pola eksekusi multi-langkah yang andal.

Beralih dari demo prompt ke alur kerja agen yang dapat diamati.

Belajar sesuai urutan kerja developer.

Mulai dari keputusan, lanjut ke implementasi, dan akhiri dengan pengecekan produksi.

Jalur belajar terstruktur

Definisikan tugas

Tetapkan batasan, kriteria penyelesaian, dan titik pengecekan manusia.

Hubungkan tool

Gunakan tool calling atau MCP dengan skema dan izin yang ketat.

Tambahkan konteks

Gabungkan retrieval, memory, dan instruksi cache yang stabil.

Evaluasi run

Ukur penyelesaian, koreksi, latensi, dan biaya per tugas.

Bangun otoritas topikal, bukan pulau artikel.

Panduan inti

5 titik awal terpandu

Dasar01

Dasar-dasar API Agen AI

Siklus permintaan di balik perencanaan, tool, dan penyelesaian.

Buka panduan

Protokol02

Panduan Integrasi MCP

Hubungkan agen ke tool dan data dengan Model Context Protocol.

Buka panduan

Tool03

Pola Tool Calling

Skema, validasi, percobaan ulang, dan eksekusi aman.

Buka panduan

Konteks04

RAG untuk Agen

Ambil konteks minimum yang berguna untuk setiap langkah.

Buka panduan

Memori05

Desain Memory Agen

Pisahkan memory kerja, memory pengguna, dan state persisten.

Buka panduan

Bangun agen repositori

Berikan agen tujuan yang terbatas, tool repositori, dan langkah verifikasi yang eksplisit sebelum agen melaporkan penyelesaian.

Discovery read-only terlebih dahulu

Izin write yang terbatasi

Validasi hasil tool

Bukti build dan test

Ubah panduan menjadi request.

Coba model di Playground, lalu gunakan Quickstart untuk menerapkan pola yang sama ke Python atau Node.js.

Coba tanpa coding Buka Quickstart

Jelajahi semua topik growth.

Panduan API AI

Beralih dari shortlist model ke request produksi yang berfungsi.

Infrastruktur LLM

Bangun lapisan permintaan AI yang tetap bertahan saat provider dan model berubah.

Agen AI

Beralih dari demo prompt ke alur kerja agen yang dapat diamati.

Optimasi Biaya

Menurunkan biaya tanpa menutupi trade-off kualitas atau keandalan.

Perbandingan Model

Pilih model berdasarkan tugas, bukan judul papan peringkat.

Tutorial

Salin pola yang berfungsi, pahami, lalu sesuaikan dengan aplikasi Anda.

Pertanyaan umum

Jawaban siap AEO

Apa perbedaan AI agent dengan chatbot?

Agen dapat memilih dan mengeksekusi tool melalui beberapa langkah sambil melacak state menuju hasil yang ditentukan.

Kapan agen harus menggunakan memory?

Gunakan memory hanya saat informasi harus bertahan lintas langkah atau sesi; pisahkan penalaran sementara dan fakta pengguna yang persisten.