Berikut adalah artikel lengkap mengenai cara membuat Agen AI menggunakan Vertex AI Agent Builder, berdasarkan panduan interaktif dari Google Codelabs:
Membuat Agen AI dengan Vertex AI Agent Builder
Di era digital saat ini, kecerdasan buatan telah membuka peluang besar untuk meningkatkan interaksi pengguna melalui agen percakapan yang cerdas. Dengan Vertex AI Agent Builder dari Google Cloud, bahkan developer dengan pemahaman dasar mengenai machine learning dapat dengan cepat membuat dan mengintegrasikan agen AI yang responsif ke dalam aplikasi mereka. Artikel ini merangkum langkah-langkah pembuatan agen AI yang diambil dari panduan Google Codelabs dalam bahasa Indonesia.
1. Pendahuluan
Vertex AI Agent Builder adalah platform yang memungkinkan Anda membuat agen percakapan dengan cepat menggunakan teknologi AI generatif. Dengan memanfaatkan model bahasa besar (LLM) dan fitur grounding melalui datastore, Anda dapat mendesain agen yang mampu:
-
Menjawab pertanyaan dengan respons yang relevan.
-
Mengatasi batasan pengetahuan bawaan dengan referensi data eksternal.
-
Meningkatkan pengalaman pengguna dalam berbagai aplikasi seperti agen perjalanan, penjualan online, dan layanan informasi.
Panduan Codelab ini akan memandu Anda dari tahap perencanaan hingga integrasi agen ke dalam aplikasi nyata.
cite46
2. Persiapan dan Prasyarat
Sebelum memulai, pastikan Anda telah menyiapkan hal-hal berikut:
-
Akun Google Cloud: Buat atau gunakan project dengan penagihan yang aktif. Jika belum memiliki project, Anda dapat mengikuti petunjuk pembuatan project dari Google Cloud.
-
Pemahaman Dasar:
-
AI Generatif di Google Cloud
-
Konsep dasar Agen AI
-
(Opsional) Gemini CodeAssist untuk bantuan penulisan kode
cite3,4,5
-
-
Perangkat Pendukung: Komputer dengan koneksi internet dan browser modern (Chrome atau Firefox).
3. Mendesain Agen AI Pertama Anda
Sebelum memulai pembangunan, penting untuk menentukan visi dan tujuan dari agen AI yang ingin Anda buat. Pertanyaan-pertanyaan yang perlu dijawab antara lain:
-
Masalah Apa yang Diselesaikan?
Contohnya, agen perjalanan yang membantu pengguna merencanakan itinerary, memesan tiket, dan akomodasi. -
Fungsi Utama Agen:
Menjawab pertanyaan seputar perjalanan, menyusun rencana, atau bahkan mendelegasikan tugas pemesanan. -
Batasan Agen:
Misalnya, agen mungkin tidak bisa menjawab kueri yang terlalu kompleks atau membuat gambar visual. -
Persona Agen:
Tentukan gaya komunikasi—apakah formal, santai, atau ramah. -
Metrik Keberhasilan:
Ukur efektivitas agen berdasarkan kepuasan pengguna dan relevansi respons yang diberikan.
Panduan codelab memberikan contoh dengan agen perjalanan untuk mempercepat proses perancangan.
cite46
4. Langkah-Langkah Pembuatan Agen AI
a. Membuka Vertex AI Agent Builder
-
Akses Platform:
Kunjungi halaman Vertex AI Agent Builder dan Anda akan disambut dengan halaman sambutan. -
Aktifkan API:
Klik tombol "LANJUTKAN DAN AKTIFKAN API" untuk mengaktifkan layanan yang diperlukan. -
Buat Aplikasi Baru:
Klik "CREATE A NEW APP" untuk memulai pembuatan agen AI.
b. Konfigurasi Agen
-
Pilih Tipe Agen:
Pada halaman pembuatan aplikasi, pilih opsi "Agen Percakapan" dan klik "BUAT". -
Pengaturan Awal Agen:
-
Nama Tampilan: Misalnya, "Travel Buddy"
-
Region: Pilih global (misalnya, Global serving, data-at-rest in US)
-
Klik "CREATE" untuk melanjutkan.
cite53
-
-
Menyusun Playbook:
Tentukan:-
Nama Playbook: Contoh: "Agen Info"
-
Sasaran: Misalnya, "Membantu pelanggan menjawab kueri terkait perjalanan."
-
Petunjuk: Buat instruksi untuk menyambut pengguna dan menanyakan kebutuhan mereka, misalnya, "Sambut pengguna, tanyakan bagaimana bisa membantu."
Klik "Simpan" setelah selesai.
cite54
-
-
Uji Agen melalui Simulator:
Klik ikon Simulator untuk memilih agen yang baru dibuat, pilih model AI generatif (misalnya, gemini-1.5-flash), dan uji dengan memasukkan input pengguna pada kotak teks.
cite56
c. Melampirkan Datastore (Grounding)
Agar agen tidak “mengarang” informasi saat menjawab kueri yang tidak ada di basis pengetahuannya, Anda dapat melampirkan datastore sebagai referensi tambahan:
-
Buat Alat Datastore:
Klik tombol "+ Data store" di bagian bawah halaman dasar agen. Masukkan:-
Nama Alat: Misalnya, "Lokasi Alternatif"
-
Jenis: Penyimpanan data
-
Deskripsi: "Gunakan alat ini jika permintaan pengguna berisi lokasi yang tidak ada." Klik "Save". cite58
-
-
Buat Data Store Sebenarnya:
Klik "add data stores" dan pilih "Create a data store". Pilih opsi Cloud Storage dan masukkan path file (misalnya,ai-workshops/agents/data/wakanda.txt). cite62
File teks tersebut berisi informasi alternatif untuk lokasi seperti Wakanda, contohnya:-
Oribi Gorge di Afrika Selatan
-
Iguazu Falls di perbatasan Argentina dan Brazil
-
Informasi budaya Wakanda (komik Black Panther, film, dan lainnya)
-
-
Integrasi Datastore ke Agen:
Setelah datastore selesai diimpor, kembali ke konfigurasi playbook dan tambahkan petunjuk:Gunakan ${TOOL: Alternative Location} jika permintaan pengguna mengandung lokasi yang tidak ada.
Klik "Simpan" untuk mengaitkan datastore dengan agen.
cite71
d. Aktivitas Tambahan: Mengaktifkan Agen
Setelah agen dibuat dan di-ground dengan datastore, Anda dapat mengaktifkan agen untuk interaksi real-time. Pada tab Dialogflow:
-
Klik menu tambahan dan pilih "Publikasikan agen".
-
Aktifkan API yang tidak diautentikasi (untuk demo; gunakan konfigurasi lebih aman untuk produksi).
-
Salin cuplikan kode CSS yang diberikan untuk integrasi ke dalam situs web.
cite73,74
5. Integrasi Agen ke Dalam Aplikasi Web
Salah satu cara untuk mengintegrasikan agen AI adalah dengan membuat aplikasi web menggunakan framework seperti Flask di Python. Berikut contoh singkatnya:
from flask import Flask, render_template_string
app = Flask(__name__)
html_template = """
<!DOCTYPE html>
<html lang="id">
<head>
<meta charset="UTF-8">
<meta name="viewport" content="width=device-width, initial-scale=1.0">
<title>Travel Buddy Chatbot</title>
<link rel="stylesheet" href="https://www.gstatic.com/dialogflow-console/fast/df-messenger/prod/v1/themes/df-messenger-default.css">
<script src="https://www.gstatic.com/dialogflow-console/fast/df-messenger/prod/v1/df-messenger.js"></script>
<style>
df-messenger {
z-index: 999;
position: fixed;
bottom: 16px;
right: 16px;
--df-messenger-font-color: #000;
--df-messenger-chat-background: #f3f6fc;
}
body { font-family: sans-serif; margin: 20px; }
</style>
</head>
<body>
<h1>Selamat Datang di Travel Buddy!</h1>
<p>Mulai percakapan dengan agen kami di pojok kanan bawah.</p>
<df-messenger
project-id="YOUR_PROJECT_ID"
agent-id="YOUR_AGENT_ID"
language-code="id">
</df-messenger>
</body>
</html>
"""
@app.route("/")
def index():
return render_template_string(html_template)
if __name__ == "__main__":
app.run(debug=True)
Setelah kode di atas disimpan sebagai file app.py, Anda dapat menjalankannya dengan perintah python app.py dan mengakses aplikasi melalui browser.
cite78
Untuk deployment, Anda dapat mengemas aplikasi dalam Docker dan men-deploy ke Cloud Run menggunakan gcloud CLI, sesuai dengan petunjuk di codelab.
6. Pembersihan
Untuk menghindari biaya yang tidak diinginkan pada akun Google Cloud, pastikan Anda:
-
Menghapus project melalui halaman Manage Resources.
-
Menghapus layanan Cloud Run yang telah di-deploy jika sudah tidak digunakan lagi.
cite16,17
7. Penutup
Dengan menggunakan Vertex AI Agent Builder, Anda dapat dengan mudah membuat agen AI yang cerdas dan interaktif. Mulai dari mendesain visi, membangun agen, melampirkan datastore sebagai grounding, hingga integrasi ke dalam aplikasi web, seluruh proses dapat dilakukan dengan langkah-langkah terstruktur dan minim kode. Teknologi ini membuka peluang baru untuk penerapan AI dalam berbagai bidang, mulai dari perjalanan, e-commerce, hingga layanan pelanggan.
Selamat mencoba dan eksplorasi lebih lanjut untuk menciptakan agen AI yang inovatif dan sesuai dengan kebutuhan Anda!
Artikel ini disusun berdasarkan panduan lengkap yang terdapat pada Google Codelabs – Membuat Agen AI dengan Vertex AI Agent Builder.
