Dari chatbot ke agent: loop reasoning-action

Chatbot membaca pesan dan menulis balasan. Agent juga bisa bertindak: ia bisa memanggil tool, membaca hasilnya, dan memutuskan langkah berikutnya, berulang sampai tugas selesai. Loop itulah seluruh perbedaannya, dan lebih sederhana dari yang terdengar.

Loop ReAct

Pola yang umum disebut ReAct, singkatan dari Reason and Act. Pada tiap langkah model menghasilkan thought (penalarannya), lalu sebuah action (memanggil tool dengan input tertentu) atau jawaban akhir. Kalau ia mengambil action, sistem menjalankan tool dan mengembalikan hasilnya sebagai observation. Model bernalar lagi dengan informasi baru itu. Ulangi sampai ia menjawab.

User: Is the large nitrile glove still in stock, and what is the price?

Thought: I need current stock and price. I should use the catalog tool.
Action: lookup_product({ "name": "nitrile glove", "size": "L" })
Observation: { "sku": "GLV-NTR-L", "stock": 240, "price_idr": 85000 }

Thought: In stock with a price. I can answer now.
Answer: Yes, the large nitrile gloves are in stock (240 units) at
        Rp 85.000 per box. Would you like to order?

Tools adalah tangan agent

Sendirian, model hanya bisa menghasilkan teks. Tools adalah fungsi yang Anda buka untuknya: mencari produk, mengecek kalender, membuat lead CRM, mengirim pesan WhatsApp. Model tidak pernah menjalankan kode sendiri, ia meminta pemanggilan tool, sistem Anda mengeksekusinya, dan mengembalikan hasilnya. Inilah yang membuat agent bisa menyentuh dunia nyata sementara Anda tetap memegang kendali penuh atas apa yang boleh dilakukannya.

Planning dan berhenti

Untuk tugas multi-langkah, model bisa merencanakan: memecah tujuan jadi langkah-langkah, mengerjakannya berurutan, dan beradaptasi kalau satu langkah gagal. Dua guardrail praktis penting di sini. Beri batas langkah supaya agent yang bingung tidak loop selamanya, dan definisi selesai yang jelas supaya ia tahu kapan berhenti dan menjawab, bukan berlebihan untuk permintaan sederhana.

Perhatikan tidak ada di sini yang butuh framework mewah. Agent adalah loop di sekitar LLM yang bisa memanggil tool, dengan batasan. Memahaminya sampai level ini yang membuat Anda bisa menalar kenapa satu agent berperilaku buruk dan cara memperbaikinya.