Tentang Sesi Ini
Ringkasan & metadata
Sesi ini membedah Amazon Bedrock AgentCore — sekumpulan layanan terkelola yang menjadi fondasi untuk membangun, menjalankan, dan mengoperasikan agen AI (agentic AI) di tingkat enterprise. Kalau tahun-tahun sebelumnya obrolan berkutat pada "model mana yang paling pintar", 2026 menggeser pertanyaannya menjadi: "bagaimana menjalankan agen dengan aman, andal, dan bisa diaudit ketika ia benar-benar dipakai ribuan pengguna?" Di situlah AgentCore berperan.
Sebuah agen bukan sekadar panggilan ke model bahasa. Ia perlu mengingat percakapan, memakai alat (memanggil API internal, database, atau browser), diberi izin yang tepat atas nama pengguna, dan dipantau setiap langkahnya. Membangun semua itu sendiri dari nol berarti mengurus server, isolasi sesi, penyimpanan memori, manajemen identitas, hingga tracing — pekerjaan berat yang tidak berhubungan langsung dengan nilai bisnis. AgentCore menyediakan komponen-komponen tersebut sebagai layanan siap pakai, dan bersifat framework-agnostic (bisa dipakai dengan Strands, LangGraph, CrewAI, atau kerangka lain).
Kenapa penting untuk Anda? Jika tim Anda sudah membuat prototipe agen yang keren di laptop tetapi mentok saat mau dibawa ke produksi (soal keamanan, skala, dan biaya operasional), sesi ini adalah peta jalannya.
Apa Itu & Bagaimana Bekerjanya
Apa itu AgentCore
Bayangkan agen AI sebagai "otak" yang bisa bernalar. AgentCore adalah "tubuh dan lingkungan kerja"-nya: tempat otak itu berjalan, ingatannya disimpan, tangannya (alat) tersambung ke sistem lain, kartu aksesnya diverifikasi, dan seluruh geraknya terekam. Ia melengkapi Amazon Bedrock (yang menyediakan model-model fondasi) dengan lapisan operasional yang dibutuhkan agar agen layak produksi.
Prinsip desainnya: modular. Anda tidak wajib memakai semuanya. Butuh memori saja? Pakai komponen memori. Butuh menjadikan API internal sebagai alat bagi agen? Pakai gateway. Ini membuat adopsi bisa bertahap, sesuai kebutuhan.
Komponen utama
Berikut komponen inti yang dibahas di sesi, dengan fungsi ringkasnya:
Ketujuh komponen ini dapat dipadukan. Contohnya, satu agen customer service bisa memakai Runtime untuk berjalan, Memory untuk mengingat preferensi pelanggan, Gateway untuk mengecek status pesanan lewat API internal, Identity agar hanya melihat data milik pelanggan yang sedang login, dan Observability agar setiap keputusan bisa ditelusuri saat audit.
Analogi yang Mudah Dicerna
Ibarat kantor & pegawai baru
Ibaratnya, agen AI adalah pegawai baru yang cerdas. Ia pintar bernalar, tetapi di hari pertama ia belum bisa bekerja: belum punya meja, belum punya kartu akses, belum kenal sistem perusahaan, dan belum ada yang mencatat apa yang ia kerjakan. AgentCore adalah keseluruhan "kantor" yang membuat pegawai itu produktif dan aman.
- Runtime = ruang kerja & kursinya — tempat ia benar-benar duduk dan bekerja, terpisah dari pegawai lain agar tak saling ganggu.
- Memory = buku catatan & arsip — ingatan atas percakapan kemarin dan preferensi tiap klien.
- Gateway = telepon & akses ke departemen lain — cara ia "menelepon" sistem gudang, keuangan, atau kurir.
- Identity = kartu akses (badge) — menentukan pintu mana yang boleh ia buka, atas nama siapa.
- Browser / Code Interpreter = komputer di mejanya — untuk membuka web atau menghitung sesuatu di ruang aman.
- Observability = CCTV & logbook — merekam apa yang ia lakukan agar bisa dievaluasi dan diaudit.
High-Level Architecture & Alur
High-Level Architecture (HLA)
Secara garis besar, arsitektur sebuah aplikasi ber-agen di atas AgentCore terlihat seperti ini: aplikasi Anda memanggil AgentCore Runtime, di dalamnya agen bernalar memakai model di Amazon Bedrock, lalu — sesuai kebutuhan — menyentuh Gateway (untuk alat), Memory (untuk ingatan), dan Identity (untuk izin), sementara Observability merekam semuanya.
Alur kerja satu permintaan
Ketika seorang pengguna mengetik "di mana pesanan saya?", inilah yang terjadi di balik layar:
- Masuk & identitas. Permintaan masuk ke Runtime; Identity memastikan agen bertindak atas nama pengguna yang benar dengan izin yang sesuai.
- Bernalar. Agen (dengan model Bedrock) memahami maksud dan memutuskan perlu memanggil alat "cek pesanan".
- Ambil ingatan. Memory memberi konteks (mis. pesanan terakhir pelanggan).
- Panggil alat. Lewat Gateway, agen memanggil API internal sistem order.
- Susun jawaban. Agen merangkai hasil menjadi jawaban yang ramah.
- Rekam. Observability mencatat tiap langkah untuk audit & perbaikan.
Dari Konsep ke Bisnis Nyata
Contoh nyata (konteks Indonesia)
Agar tidak berhenti di teori, berikut tiga skenario penerapan lintas industri yang khas di Indonesia.
Agen layanan pelanggan 24/7
Sebuah marketplace membangun agen CS. Identity memastikan agen hanya mengakses data pesanan pembeli yang sedang login; Gateway menyambungkan ke API order & kurir; Memory mengingat keluhan sebelumnya sehingga pelanggan tak perlu mengulang cerita. Hasilnya: pertanyaan "di mana paket saya" terjawab instan, dan agen bisa mengeskalasi ke manusia bila keluhan sensitif — dengan seluruh jejak tercatat di Observability untuk kepatuhan.
Asisten operasional internal
Bank membuat asisten untuk tim operasi yang bisa merangkum tiket, mengecek status transaksi, dan menyiapkan draf balasan. Karena data nasabah sangat sensitif, Identity membatasi akses per peran (role), Runtime mengisolasi tiap sesi, dan Observability menyediakan audit trail yang dibutuhkan regulator. Agen mempercepat penanganan tanpa mengorbankan tata kelola.
Pra-triase & navigasi layanan
Penyedia telemedisin memakai agen untuk membantu pasien menemukan layanan yang tepat. Memory menjaga konteks keluhan, Gateway mengecek jadwal dokter, dan pagar pengaman ketat mencegah agen memberi diagnosis medis. Setiap interaksi terekam sehingga tim klinis dapat meninjau kualitas jawaban.
Ringkasan Visual (Geser)
Ringkasan visual
Enam kartu berikut merangkum inti sesi. Gunakan tombol atau tombol panah keyboard (← →) untuk berpindah.
Poin yang Bisa Dibawa Pulang
Poin yang bisa dibawa pulang
- Agen ≠ satu panggilan model. Ia butuh memori, alat, identitas, dan pemantauan agar layak produksi.
- AgentCore menyediakan itu sebagai layanan, modular, dan bisa dipakai dengan kerangka apa pun.
- Mulai bertahap. Tak perlu memakai ketujuh komponen sekaligus — tambahkan saat kebutuhan tumbuh.
- Tata kelola sejak awal. Identity + Observability membuat agen bisa dipercaya di lingkungan yang diatur ketat (bank, kesehatan).