Interaksi manusia dengan AI terus berkembang melalui tiga fase berbeda. Dimulai dari Prompt Engineering (merancang perintah tunggal yang tepat), lalu Context Engineering (mengoptimalkan konteks yang diberikan ke AI), dan kini masuk ke fase Agent Engineering yaitu merancang AI khusus yang bisa bekerja otomatis dan dipakai ulang di berbagai proyek.

Apa Itu Agent Engineering dan Mengapa Penting

Agent Engineering adalah pendekatan di mana kamu merancang agent atau agen AI yang sudah dikonfigurasi untuk tugas tertentu. Berbeda dari cara lama yang mengharuskan kamu memandu AI secara manual setiap saat, custom agent bisa diaktifkan secara otomatis berdasarkan konteks percakapan.

Tiga keunggulan utama custom agent dibanding pendekatan lama yaitu aktivasi otomatis tanpa perlu perintah manual, konteks yang terisolasi sehingga tidak tercemar oleh percakapan lain, dan kemampuan memilih alat yang tepat untuk setiap tugas.

Yang paling menarik, custom agent bersifat portabel. Kamu buat sekali, simpan sebagai satu file .md, lalu pakai di proyek mana pun. Ini sangat berbeda dari konfigurasi lama yang terikat pada proyek tertentu.

Biaya Inisialisasi dan Kelas Bobot Agent

Setiap kali custom agent dijalankan, ada biaya inisialisasi dalam bentuk penggunaan token (satuan teks yang diproses AI). Semakin banyak alat yang dikonfigurasi dalam agent, semakin besar token yang dikonsumsi.

Berikut perbandingan biaya inisialisasi berdasarkan jumlah alat yang dikonfigurasi.

Dari pola tersebut, muncul tiga kelas bobot agent.

• Agent ringan yaitu di bawah 3 ribu token, biaya inisialisasi rendah, paling mudah dirangkai dengan agent lain.
• Agent menengah yaitu 10-15 ribu token, biaya sedang, cocok untuk tugas lebih kompleks.
• Agent berat yaitu 25 ribu token lebih, biaya tinggi, sebaiknya dipakai hanya untuk analisis mendalam.

Agent yang ringan lebih sering dipakai dan lebih mudah digabungkan dalam alur kerja otomatis. Karena itu, desain agent yang efisien justru dimulai dari meminimalkan token yang dibutuhkan.

Memilih Model AI yang Tepat untuk Setiap Agent

Sejak diperkenalkannya parameter model, kamu bisa menentukan model AI mana yang menjalankan setiap agent. Sumber ini mencatat tiga model utama dengan karakteristik berbeda.

Haiku 4.5 memberikan 90% kemampuan Sonnet 5 dengan kecepatan dua kali lebih tinggi dan biaya sekitar sepertiga dari Sonnet 5. Ini mengubah cara kalkulasi biaya agent secara signifikan.

Kombinasi yang terbukti efektif yaitu Haiku 4.5 untuk agent ringan dan menengah yang sering dipakai, Sonnet 5 sebagai koordinator dalam sistem multi-agent, dan Opus 4 untuk analisis mendalam yang membutuhkan penalaran kompleks.

Ada pola orkestrasi yang menarik dari sumber ini. Sonnet 5 berperan sebagai koordinator yang memecah tugas besar. Haiku 4.5 menjalankan subtask secara paralel dengan kecepatan tinggi. Sonnet 5 kemudian memvalidasi hasil akhir. Pola ini diklaim bisa mengurangi total biaya token sebesar dua hingga dua setengah kali lipat sambil mempertahankan kualitas 85-95%.

Kapan Menggunakan Custom Agent

Custom agent paling cocok untuk tugas berulang yang membutuhkan keahlian spesifik. Beberapa contoh penggunaan yang disebutkan dalam sumber yaitu.

• Code review untuk keamanan dan performa kode
• Riset dokumentasi API dan perbandingan library
• Quality assurance dan identifikasi kasus tepi
• Penulisan dokumentasi teknis
• Analisis desain dan pengalaman pengguna
• Pengecekan kualitas konten dan konsistensi gaya bahasa

Selain tugas spesifik, custom agent juga berguna untuk standardisasi alur kerja tim. Karena portabel, satu konfigurasi agent bisa dipakai oleh seluruh anggota tim di berbagai proyek.

Fitur Penting yang Perlu Kamu Ketahui

Custom agent berjalan dengan konteks yang terisolasi dari percakapan utama. Ini mencegah "polusi konteks" di mana informasi dari percakapan lain ikut mempengaruhi hasil agent.

Kamu juga bisa memberi julukan pendek pada setiap agent. Misalnya agent UX diberi julukan A1, agent keamanan diberi S1. Dengan julukan ini, memanggil agent jadi lebih cepat, bahkan bisa memanggil beberapa sekaligus dalam satu perintah seperti ask A1, S1, P1 to review the changes.

Untuk membuat agent terpanggil secara otomatis dengan andal, deskripsi agent perlu ditulis dengan tepat. Anthropic menyarankan penggunaan frasa seperti use PROACTIVELY atau MUST BE USED dalam field deskripsi agar AI lebih konsisten mengaktifkan agent yang sesuai.

Kenapa Ini Relevan

Bagi pemilik bisnis dan profesional Indonesia yang menggunakan AI dalam pekerjaan sehari-hari, agent engineering menawarkan cara yang lebih terstruktur untuk mengotomatisasi tugas berulang. Daripada mengetik perintah panjang setiap kali, kamu bisa merancang agent sekali untuk tugas seperti review dokumen, analisis performa, atau pengecekan konten. Pilihan model seperti Haiku 4.5 dengan biaya sekitar $1 (Rp18.000) per satu juta token input membuat otomatisasi ini lebih terjangkau dibanding sebelumnya, terutama untuk tugas yang sering dilakukan sepanjang hari.

Sumber: https://www.claudelog.com/mechanics/agent-engineering