Lanskap digital berkembang melampaui penjelajahan web yang berpusat pada manusia menuju ranah agen otonom yang berkolaborasi secara mulus di berbagai sistem. Pergeseran ini memerlukan infrastruktur baru, dan solusi menarik sedang terbentuk, yang terdiri dari empat komponen sumber terbuka utama.
- Agent2Agent (A2A) oleh Google: Protokol yang dirancang untuk memfasilitasi penemuan dan interaksi agen.
- Model Context Protocol (MCP) oleh Anthropic: Standar yang mendefinisikan bagaimana agen menggunakan alat dan data kontekstual eksternal.
- Apache Kafka: Tulang punggung komunikasi berbasis peristiwa yang kuat yang memungkinkan koordinasi yang andal dan terpisah.
- Apache Flink: Mesin pemrosesan real-time, penting untuk memperkaya, memantau, dan menindaklanjuti aliran aktivitas agen.
Artikel ini mengeksplorasi hubungan sinergis antara teknologi ini, menyoroti keterbatasan hanya mengandalkan protokol dan menunjukkan bagaimana arsitektur ini meletakkan dasar untuk transisi dari bot yang terisolasi ke ekosistem agen yang dinamis dan cerdas.
Antisipasi proliferasi agen AI dalam organisasi menunjukkan bahwa sebagian besar perusahaan akan menyebarkan banyak agen khusus daripada satu agen yang mencakup semua. Agen-agen ini akan mengotomatiskan tugas-tugas seperti pembuatan kode, manajemen tiket dukungan, analisis data pelanggan, orientasi karyawan, dan pemantauan infrastruktur.
Namun, alat saat ini tidak memadai untuk mendukung masa depan seperti itu.
Tantangan melampaui masalah ‘pulau agen’, di mana agen berfungsi dalam silo dan tidak memiliki kemampuan komunikasi. Ini mencakup fragmentasi ekosistem yang lebih luas:
- Kurangnya Komunikasi Antar-Agen: Agen biasanya beroperasi dalam lingkungan yang terisolasi. Agen Customer Relationship Management (CRM) tidak menyadari wawasan yang diperoleh oleh agen data warehouse. Agen dukungan tidak dapat menanggapi anomali yang terdeteksi oleh agen pemantauan.
- Penggunaan Alat yang Rapuh dan Disesuaikan: Tanpa metode standar untuk mengakses alat atau Application Programming Interfaces (API) eksternal, agen mengandalkan integrasi hardcode dan logika yang tidak dapat digunakan kembali.
- Kerangka Kerja yang Tidak Konsisten: Rantai waktu agen yang berbeda menggunakan model yang beragam, memperlakukan agen sebagai chatbot, Directed Acyclic Graphs (DAG), atau perencana rekursif. Ini menghasilkan tidak adanya lapisan eksekusi portabel atau keadaan bersama.
- Desain yang Berfokus pada Lingkungan Notebook: Banyak agen dikembangkan sebagai prototipe satu kali, yang ditandai oleh operasi linier, sinkron, dan sementara. Namun, sistem dunia nyata memerlukan penanganan yang kuat terhadap percobaan ulang, kegagalan, koordinasi, pencatatan, dan penskalaan, yang memerlukan infrastruktur pendukung.
- Tidak Adanya Tulang Punggung Kolaboratif: Tidak ada bus acara, memori bersama, atau riwayat yang dapat dilacak dari aktivitas dan alasan agen. Informasi terbatas pada panggilan HTTP langsung atau terkubur di dalam log.
Seperti yang ditekankan oleh proyek 12-Factor Agents, agen harus mematuhi prinsip-prinsip cloud-native, menunjukkan observabilitas, decoupling longgar, reproduktibilitas, dan kesadaran infrastruktur. Sayangnya, mayoritas dibangun sebagai skrip yang rapuh, dirakit secara manual dan diasumsikan beroperasi secara independen.
Ini menghasilkan inefisiensi, duplikasi upaya, dan kerapuhan.
Agent2Agent sebagian mengatasi masalah ini dengan menyediakan agen dengan protokol standar untuk penemuan dan komunikasi. Namun, transisi melampaui demonstrasi dangkal ke skalabilitas dan keandalan yang dituntut oleh sistem produksi membutuhkan lebih dari sekadar protokol. Itu membutuhkan infrastruktur yang komprehensif.
Ekosistem agen saat ini mencerminkan tahap awal web, yang ditandai oleh sistem yang kuat tetapi terisolasi dan tidak kompatibel. Mirip dengan tantangan awal yang dihadapi oleh browser yang berkomunikasi dengan server tanpa protokol standar, agen AI saat ini berjuang untuk menemukan, berkomunikasi, dan berkolaborasi satu sama lain secara efektif.
Agent2Agent (A2A) Google: Protokol Universal untuk Komunikasi Agen
Protokol A2A Google adalah upaya signifikan untuk mengatasi masalah ini. Ia membedakan dirinya dengan tidak menjadi kerangka kerja agen lain, tetapi lebih merupakan protokol universal yang dirancang untuk menghubungkan agen apa pun, terlepas dari asal atau lingkungan penyebarannya.
Analogi dengan bagaimana HTTP menstandarisasi komunikasi situs web, A2A mendefinisikan bahasa umum untuk agen, memungkinkan mereka untuk:
- Mengumumkan Kemampuan: Melalui
AgentCard, deskriptor JSON yang menguraikan kemampuan dan metode interaksi agen. - Mengirim dan Menerima Tugas: Melalui interaksi terstruktur menggunakan JSON-RPC, di mana satu agen meminta bantuan dan yang lain merespons dengan hasil atau ‘artefak’.
- Streaming Pembaruan dengan Server-Sent Events (SSE): Memfasilitasi umpan balik real-time selama tugas yang panjang atau kolaboratif.
- Bertukar Konten Kaya: Mendukung pertukaran file, data terstruktur, dan formulir, di luar teks sederhana.
- Mempertahankan Keamanan secara Default: Menggabungkan dukungan bawaan untuk HTTPS, otentikasi, dan izin.
Kekuatan A2A terletak pada penghindarannya untuk menemukan kembali solusi yang sudah mapan. Ia memanfaatkan standar web yang mapan, mirip dengan HTTP dan SMTP, memfasilitasi adopsi yang lebih mudah dan integrasi yang lebih cepat.
Namun, A2A hanya mewakili satu aspek dari keseluruhan solusi.
Model Context Protocol (MCP) Anthropic: Menstandarisasi Penggunaan Alat dan Akses Konteks
MCP Anthropic membahas aspek penting tentang bagaimana agen menggunakan alat dan mengakses informasi kontekstual. MCP menstandarisasi proses di mana agen memanggil API, memanggil fungsi, dan berintegrasi dengan sistem eksternal, yang pada dasarnya mendefinisikan bagaimana mereka beroperasi dalam lingkungan mereka. Sementara A2A mengatur komunikasi antar-agen, MCP berfokus pada interaksi agen dengan dunia eksternal.
Intinya:
- MCP memberdayakan kecerdasan agen individu.
- A2A memungkinkan kecerdasan kolektif.
Mirip dengan bagaimana HTTP dan SMTP membutuhkan adopsi ekstensif, infrastruktur, dan alat pengembang untuk mencapai kesuksesan luas, A2A dan MCP akan membutuhkan ekosistem yang kuat untuk sepenuhnya mewujudkan potensi mereka.
Bahkan dengan upaya standarisasi seperti A2A dan MCP, pertanyaan penting tetap ada: Bagaimana komunikasi agen dapat ditingkatkan secara efektif di seluruh lingkungan perusahaan yang kompleks dan dinamis? Hanya mengandalkan koneksi langsung, point-to-point yang didefinisikan oleh protokol ini memperkenalkan tantangan terkait dengan skalabilitas, ketahanan, dan observabilitas. Ini menyoroti kebutuhan akan infrastruktur komunikasi yang mendasarinya yang kuat.
Pertimbangkan sebuah perusahaan di mana karyawan hanya dapat berkomunikasi melalui pesan langsung, satu lawan satu. Berbagi pembaruan akan mengharuskan mengirim pesan ke setiap individu secara terpisah. Mengkoordinasikan proyek di beberapa tim akan melibatkan secara manual menyampaikan informasi antara setiap kelompok.
Meningkatkan sistem seperti itu ke ratusan karyawan akan menghasilkan kekacauan.
Skenario ini mencerminkan tantangan yang dihadapi dalam ekosistem agen yang dibangun di atas koneksi langsung. Setiap agen harus tahu agen mana yang harus dihubungi, bagaimana menjangkau mereka, dan ketersediaan mereka. Seiring bertambahnya jumlah agen, jumlah koneksi yang diperlukan tumbuh secara eksponensial, menghasilkan sistem yang rapuh, sulit dikelola, dan tidak dapat diskalakan.
A2A dan MCP menyediakan agen dengan bahasa dan struktur untuk komunikasi dan tindakan. Namun, bahasa saja tidak cukup. Untuk mengkoordinasikan banyak agen di seluruh perusahaan, infrastruktur diperlukan untuk mengelola aliran pesan dan respons agen.
Kafka dan Flink: Tulang Punggung untuk Kolaborasi Agen yang Dapat Diskala
Apache Kafka dan Apache Flink menyediakan infrastruktur penting ini.
Kafka dan Flink Dijelaskan
Apache Kafka, yang awalnya dikembangkan di LinkedIn dan sekarang menjadi proyek Apache Software Foundation, adalah platform streaming acara terdistribusi. Ia berfungsi sebagai bus pesan yang tahan lama dan berthroughput tinggi, memungkinkan sistem untuk mempublikasikan dan berlangganan aliran acara real-time. Kafka banyak digunakan dalam berbagai aplikasi, termasuk sistem keuangan, deteksi penipuan, dan saluran telemetri, karena kemampuannya untuk memisahkan produsen dari konsumen dan memastikan daya tahan data, kemampuan pemutaran ulang, dan skalabilitas.
Flink, proyek Apache lainnya, adalah mesin pemrosesan aliran real-time yang dirancang untuk pemrosesan acara stateful, berthroughput tinggi, dan latensi rendah. Sementara Kafka mengelola pergerakan data, Flink menangani transformasi, pengayaan, pemantauan, dan orkestrasi data saat mengalir melalui sistem.
Bersama-sama, Kafka dan Flink membentuk kombinasi yang kuat. Kafka berfungsi sebagai aliran darah, sementara Flink bertindak sebagai sistem refleks.
Analogi dengan peran A2A sebagai HTTP dunia agen, Kafka dan Flink menyediakan fondasi berbasis acara untuk komunikasi dan komputasi agen yang dapat diskalakan, mengatasi tantangan yang tidak dapat dilakukan oleh komunikasi langsung, point-to-point:
- Decoupling: Dengan Kafka, agen tidak perlu tahu konsumen dari output mereka. Mereka mempublikasikan acara (misalnya,
'TaskCompleted','InsightGenerated') ke topik, memungkinkan agen atau sistem yang tertarik untuk berlangganan. - Observabilitas dan Replayability: Kafka mempertahankan log acara yang tahan lama dan diurutkan berdasarkan waktu, memastikan bahwa perilaku agen dapat dilacak sepenuhnya, diaudit, dan diputar ulang.
- Pengambilan Keputusan Real-time: Flink memungkinkan agen untuk bereaksi secara real-time terhadap aliran acara, memfilter, memperkaya, menggabungkan, atau memicu tindakan berdasarkan kondisi dinamis.
- Ketahanan dan Penskalaan: Pekerjaan Flink dapat diskalakan secara independen, pulih dari kegagalan, dan mempertahankan keadaan di seluruh alur kerja jangka panjang, yang penting bagi agen yang melakukan tugas multi-langkah yang kompleks.
- Koordinasi Asli Aliran: Alih-alih menunggu respons sinkron, agen dapat berkoordinasi melalui aliran acara, mempublikasikan pembaruan, berlangganan alur kerja, dan secara kolaboratif memajukan keadaan.
Singkatnya:
- A2A mendefinisikan bagaimana agen berkomunikasi.
- MCP mendefinisikan bagaimana mereka berinteraksi dengan alat eksternal.
- Kafka mendefinisikan bagaimana pesan mereka mengalir.
- Flink mendefinisikan bagaimana aliran tersebut diproses, diubah, dan digunakan untuk membuat keputusan.
Protokol seperti A2A dan MCP sangat penting untuk menstandarisasi perilaku dan komunikasi agen. Namun, tanpa substrat berbasis acara seperti Kafka dan rantai waktu asli aliran seperti Flink, agen tetap terisolasi, tidak dapat berkoordinasi secara efektif, menskalakan secara efisien, atau bernalar dari waktu ke waktu.
Arsitektur Empat Lapisan untuk Agen AI Tingkat Perusahaan
Untuk sepenuhnya mewujudkan visi agen AI tingkat perusahaan yang dapat dioperasikan, diperlukan arsitektur empat lapisan:
- Protokol: A2A, MCP – mendefinisikan apa.
- Kerangka Kerja: LangGraph, CrewAI, ADK – mendefinisikan bagaimana.
- Infrastruktur Pesan: Apache Kafka – mendukung aliran.
- Komputasi Real-time: Apache Flink – mendukung pemikiran.
Bersama-sama, lapisan-lapisan ini membentuk tumpukan internet baru untuk agen AI, menyediakan fondasi untuk membangun sistem yang tidak hanya cerdas tetapi juga kolaboratif, dapat diamati, dan siap produksi.
Kita saat ini berada pada titik penting dalam evolusi perangkat lunak.
Sama seperti tumpukan internet asli – yang terdiri dari protokol seperti HTTP dan SMTP dan infrastruktur seperti TCP/IP – mengantarkan era konektivitas global, tumpukan baru muncul untuk agen AI. Namun, alih-alih manusia menavigasi halaman web atau mengirim email, tumpukan ini dirancang untuk sistem otonom yang berkolaborasi untuk bernalar, memutuskan, dan bertindak.
A2A dan MCP menyediakan protokol untuk komunikasi agen dan penggunaan alat, sementara Kafka dan Flink menyediakan infrastruktur untuk koordinasi, observabilitas, dan ketahanan real-time. Bersama-sama, mereka memungkinkan transisi dari demonstrasi agen yang terputus ke ekosistem yang dapat diskalakan, cerdas, dan tingkat produksi.
Evolusi ini tidak hanya tentang mengatasi tantangan rekayasa. Ini tentang memungkinkan paradigma perangkat lunak baru di mana agen berkolaborasi melampaui batasan, memberikan wawasan dan mendorong tindakan secara real time, sehingga memungkinkan kecerdasan menjadi sistem terdistribusi.
Namun, visi ini membutuhkan pengembangan aktif, menekankan keterbukaan, interoperabilitas, dan memanfaatkan pelajaran yang dipetik dari revolusi internet sebelumnya.
Oleh karena itu, saat mengembangkan agen, sangat penting untuk mempertimbangkan integrasinya dalam sistem yang lebih luas. Bisakah ia berkomunikasi secara efektif? Bisakah ia berkoordinasi dengan agen lain? Bisakah ia berevolusi dan beradaptasi dengan kondisi yang berubah?
Masa depan tidak hanya didukung oleh agen; itu terhubung dengan agen.