Mencoba Membuat AI Agent Sendiri

Sudah cukup lama aku mengikuti perkembangan AI dan ikut ke tim AI Initiative. Tapi rasanya agak kurang relate kalau selama ini hanya membaca, mendengarkan, atau membahas AI, tanpa pernah mencoba membuat AI Agent sendiri.

Mumpung ada kesempatan dan ada studi kasus yang dekat dengan pekerjaan sehari-hari, akhirnya aku putuskan untuk mulai belajar membuatnya.

Studi kasusnya sederhana: aku ingin membuat AI Agent yang bisa terhubung dengan Kaizen dan Telegram. Jadi nantinya aku cukup bicara lewat Telegram, lalu agent ini bisa membantu membuat task langsung di Kaizen.

Kedengarannya simpel. Tapi untuk percobaan pertama, ternyata cukup menantang. Apalagi dengan keterbatasan biaya dan perangkat, aku mencoba memulainya dari yang paling memungkinkan dulu.

Percobaan pertama, aku ingin membuat AI Agent lokal menggunakan Ollama dan Hermes.

Alasannya sederhana: ingin coba yang gratis.

Aku dibantu ChatGPT dan Codex untuk menyusun langkah-langkahnya. ChatGPT membantu menjelaskan alur dan memberi instruksi, lalu Codex membantu membuatkan kode atau setup yang dibutuhkan.

Tapi saat masuk ke tahap install model, masalah pertama muncul: storage laptop penuh.

Percobaan ini akhirnya harus berhenti dulu. Kayaknya memang butuh “modal” lainnya untuk membuat AI Agent ini.

Setelah sempat mencoba pendekatan lokal dengan Ollama dan Hermes, aku akhirnya mencoba jalur lain menggunakan OpenClaw.

Tahap pertama tentu saja dimulai dari instalasi. Aku mulai menyiapkan environment, install OpenClaw, menggunakan model OpenAI, lalu memastikan perintah dasarnya bisa dijalankan. Di tahap ini, fokusku belum sampai membuat agent yang pintar. Yang penting dulu sistemnya bisa hidup dan dikenali.

Setelah OpenClaw berhasil terpasang, aku mulai masuk ke tahap berikutnya: membuat struktur plugin untuk agent. Di sinilah aku mulai menyusun gambaran bahwa agent ini nantinya harus punya peran sebagai asisten Project Management, bukan sekadar chatbot biasa.

Setelah OpenClaw siap, aku mulai mencoba membuat plugin khusus untuk kebutuhan PM Agent. Plugin ini yang nantinya menjadi tempat untuk mendefinisikan kemampuan agent, seperti membaca project, membuat task, atau menjalankan perintah tertentu yang berkaitan dengan Kaizen.

Prosesnya tidak langsung mulus. Ada beberapa kali error karena struktur file belum sesuai, package belum terbaca, atau konfigurasi yang kurang lengkap. Di sinilah pola kerja mulai terbentuk.

Aku menjelaskan masalahnya ke ChatGPT, lalu ChatGPT membantu membaca konteks dan memberi arahan. Setelah itu, arahan tersebut aku bawa ke Codex untuk dibantu eksekusi dalam bentuk kode. Kemudian aku copy paste, run, lihat hasilnya, lalu balik lagi kalau masih ada error.

Siklusnya kira-kira seperti ini:

aku punya tujuan,
ChatGPT bantu merapikan arahnya,
Codex bantu mengeksekusi,
aku coba jalankan,
muncul error,
lalu diperbaiki lagi.

Berulang seperti itu.

Salah satu bagian yang cukup terasa adalah ketika plugin belum terbaca oleh OpenClaw. Ada pesan error yang menunjukkan bahwa plugin belum valid, konfigurasi belum lengkap, atau ada bagian yang masih kurang sesuai dengan format yang diminta.

Di tahap ini aku mulai sadar bahwa membuat AI Agent bukan hanya tentang menulis prompt atau memilih model AI. Ada banyak hal kecil yang harus benar-benar rapi: struktur folder, konfigurasi plugin, runtime, dependency, sampai bagaimana agent mengenali tools yang tersedia.

Kadang error-nya terlihat sederhana, tapi penyebabnya bisa ada di bagian yang cukup teknis. Misalnya file belum berada di tempat yang benar, metadata belum lengkap, atau dependency yang dipakai malah membuat proses instalasi diblokir.

Di satu sisi ini cukup melelahkan, bahkan Codex sampai kena limit. Tapi di sisi lain, justru dari error-error seperti ini aku mulai paham bagaimana agent itu dibangun dari bawah.

Selama proses setup ini, laptop juga ikut terasa bekerja keras. Kipas menyala terus dan laptop panas dari pagi, tapi hasilnya errornya mulai berkurang sedikit demi sedikit.

Setelah struktur plugin mulai dibenahi, tahap berikutnya adalah membayangkan bagaimana agent ini akan digunakan secara nyata.

Targetnya adalah Telegram menjadi pintu masuk. Aku cukup chat dengan bot, lalu bot meneruskan instruksi itu ke agent. Setelah itu agent akan memahami perintah dan menghubungkannya ke Kaizen.

Salah satu perintah awal yang ingin dicoba adalah /projects, yaitu perintah untuk menampilkan daftar project dari Kaizen.

Secara konsep, command ini sudah bisa dikenali. Tapi masalah berikutnya muncul: tool backend yang dibutuhkan untuk mengambil data project dari Kaizen belum tersedia di runtime yang sedang digunakan.

Jadi kondisinya seperti ini: agent sudah mulai paham perintahnya, tapi belum punya akses yang benar untuk mengambil data dari Kaizen.

Dari proses ini, ada beberapa hal yang cukup terasa.

Pertama, membuat AI Agent perlu dimulai dari pondasi kecil. Tidak perlu langsung membuat agent yang bisa melakukan banyak hal. Cukup mulai dari satu fungsi yang jelas, misalnya membaca daftar project atau membuat satu task sederhana.

Kedua, integrasi adalah bagian yang paling menentukan. AI-nya bisa saja pintar, tapi kalau belum bisa terhubung ke Kaizen atau Telegram, manfaatnya belum terasa.

Ketiga, bantuan AI seperti ChatGPT dan Codex memang mempercepat proses belajar. Tapi tetap saja, kita perlu memahami tujuan besarnya. Kalau tidak, kita hanya akan copy paste tanpa benar-benar tahu apa yang sedang dibangun.

Perjalanan membuat AI Agent ini masih belum selesai. Saat ini posisinya masih di tahap membangun pondasi: install OpenClaw, menyiapkan plugin, memperbaiki struktur, mencoba membaca command, dan mulai menghubungkan agent ke Kaizen serta Telegram.

Belum sepenuhnya berhasil, tapi arahnya mulai terlihat.