Merancang Sistem Multi-Agen yang Skalabel dengan Azure AI Foundry

By Mirko Peters · 2026-08-28

Automatically translated with AI from the original post. Read the English original

Selamat datang kembali di blog! Jika Anda mengikuti perjalanan podcast kami, Anda tahu bahwa kami terus memantau bagaimana otomatisasi modern beralih dari interaksi AI yang terisolasi dan berbasis satu prompt menuju kerangka kerja multi-agen yang kolaboratif. Dalam artikel ini, kita akan membahas secara mendalam detail teknis dalam merancang sistem multi-agen yang andal dan skalabel. Kita akan melihat bagaimana platform seperti Azure AI Foundry menyediakan arsitektur dasar yang dibutuhkan untuk mengelola konteks bersama, mengatur serah terima berbasis peristiwa, dan menjaga toleransi kesalahan berkelas perusahaan.

Baik Anda ingin mengotomatisasi operasi infrastruktur cloud yang kompleks maupun menyederhanakan kepatuhan perusahaan, memahami cara merangkai beberapa entitas AI yang terspesialisasi adalah kunci untuk membuka tingkat produktivitas organisasi berikutnya. Mari kita uraikan pola, model, dan alat yang perlu Anda ketahui.

Persyaratan Pengguna untuk Sistem Multi-Agen

Kebutuhan Pengguna

Memahami apa yang diinginkan pengguna sangat penting saat merencanakan sistem multi-agen. Anda perlu mengetahui apa yang diharapkan pengguna dari sistem ini. Hal ini membantu memastikan sistem mencapai tujuannya. Berikut beberapa kebutuhan pengguna yang umum dalam konteks bisnis:

Solusi Modular dan Skalabel: Pengguna menginginkan sistem yang dapat berkembang seiring kebutuhan mereka. Hal ini memungkinkan organisasi untuk menambah atau menghapus agen ketika diperlukan.
Orkestrator Pusat: Diperlukan sistem utama untuk mengelola tugas dan memantau agen. Hal ini membantu agen bekerja sama dengan baik dan menjaga agar semuanya berjalan lancar.
Pemantauan Berkelanjutan: Pengguna menginginkan pemeriksaan kondisi agen secara terus-menerus. Memiliki cara untuk memperbaiki masalah dengan cepat adalah kunci untuk menjaga ketahanan sistem.
Kerangka Keamanan yang Kuat: Menjaga keamanan data dan mematuhi aturan sangatlah penting. Pengguna perlu yakin bahwa sistem mereka terlindungi dari ancaman.

Dengan berfokus pada kebutuhan-kebutuhan ini, Anda dapat membangun sistem multi-agen yang bekerja lebih baik dan lebih cepat.

Spesifikasi Fungsional

Spesifikasi fungsional menjelaskan cara kerja sistem multi-agen. Spesifikasi ini memengaruhi seberapa baik sistem berkinerja dan berkembang. Berikut beberapa poin penting yang perlu dipertimbangkan:

Kemampuan Beradaptasi: Sistem multi-agen dapat berubah dengan menambahkan agen khusus. Hal ini membantu meningkatkan kinerja dan memungkinkan sistem untuk berkembang.
Toleransi Kesalahan: Memiliki komponen cadangan dalam sistem multi-agen membuatnya lebih tangguh. Hal ini penting agar sistem tetap berfungsi dengan baik dalam berbagai kondisi.
Pemecahan Masalah Kolaboratif: Agen bekerja sama dan memanfaatkan keahlian mereka yang beragam. Kerja sama ini memanfaatkan sumber daya dengan lebih baik dan membantu memecahkan masalah sulit lebih cepat dibandingkan sistem agen tunggal.

Untuk mengumpulkan spesifikasi fungsional dengan baik, coba metode berikut:

Metode	Deskripsi	Umpan Balik Pengguna
Pendekatan Multi-agen Berbasis AI	Menggunakan agen AI untuk mengumpulkan dan menganalisis kebutuhan, membuat serta memeringkat cerita pengguna.	Ulasan beragam; pengguna menyarankan penambahan fitur dan peningkatan opsi pencarian.

Sistem multi-agen menggunakan large language models (LLM) untuk membantu menganalisis kebutuhan. Model-model ini membuat cerita pengguna dari ide proyek, menyempurnakannya, dan memeringkat tingkat kepentingannya. Metode yang jelas ini membantu Anda mengumpulkan kebutuhan pengguna dengan baik.

Dengan memahami kebutuhan pengguna dan menetapkan spesifikasi fungsional yang jelas, Anda dapat membangun sistem multi-agen yang memenuhi kebutuhan saat ini dan menyesuaikan diri untuk masa depan.

Model di Azure AI Foundry

Model yang Tersedia

Azure AI Foundry memiliki banyak model untuk tugas-tugas berbeda dalam sistem multi-agen. Anda dapat memilih agen khusus yang bekerja sama untuk memecahkan masalah sulit dengan cepat. Berikut beberapa agen penting:

Agen 'Triage' Utama: Menggunakan ConnectedAgentTools untuk menangani tugas yang masuk dan menugaskannya dengan tepat.
Agen Prioritas: Memeriksa seberapa mendesak suatu tugas untuk mengetahui mana yang membutuhkan bantuan cepat.
Agen Tim: Mengirimkan tugas ke tim yang tepat untuk diselesaikan.
Agen Effort: Memperkirakan seberapa besar dan sulit suatu tugas agar sumber daya dapat dimanfaatkan dengan baik.

Selain agen-agen ini, Azure AI Foundry memiliki model AI andal untuk berbagai keperluan:

gpt-5.1: Sangat cocok untuk tugas yang membutuhkan penalaran mendalam dan banyak langkah.
claude-sonnet-4-6: Memberikan solusi cerdas untuk pengodean dan kerja tim.
claude-opus-4-6: Terbaik untuk kode produksi, keamanan, dan tugas bisnis.
gpt-5.1-codex: Berfokus pada pekerjaan front-end dan tugas interaktif.
claude-haiku-4-5: Cepat dan hemat biaya dengan kecerdasan yang kuat.
DeepSeek-V3.1: Meningkatkan penggunaan alat dan mendukung berbagai mode berpikir.

Model-model ini membantu Anda membentuk tim agen yang bekerja selaras satu sama lain, sehingga sistem menjadi lebih baik.

Kriteria Pemilihan Model

Memilih model yang tepat untuk sistem multi-agen Anda itu penting. Pertimbangkan poin-poin utama berikut untuk membuat pilihan yang baik:

Kriteria	Deskripsi
Kesesuaian tugas	Cocokkan kekuatan model dengan kebutuhan Anda, misalnya untuk chat, penalaran, atau tugas multimodal.
Strategi perutean model	Gunakan pemilihan cerdas untuk mengirim permintaan ke model terbaik berdasarkan biaya, kualitas, atau jenis tugas.
Batasan biaya	Pastikan model sesuai dengan anggaran Anda untuk penggunaan dan penerapannya.

Memilih model dalam sistem multi-agen sangat penting. Model yang berbeda bekerja paling baik untuk tugas yang berbeda. Model yang berfokus pada instruksi dapat menangani banyak permintaan dengan cepat. Model yang berfokus pada penalaran sangat baik untuk perencanaan dan memperbaiki kesalahan. Mengirim tugas ke model yang tepat benar-benar dapat meningkatkan performa dan keandalan sistem Anda.

Azure AI Foundry juga memungkinkan Anda melakukan kustomisasi sesuai kebutuhan spesifik Anda. Fitur seperti Connected Agents membantu memecah tugas yang sulit menjadi peran-peran yang lebih kecil. Multi-Agent Workflows memberikan pengelolaan yang terorganisasi dengan kontrol state dan perbaikan kesalahan. Anda dapat menggunakan alat tanpa kode atau framework open-source untuk membangun dan mengelola agen Anda dengan mudah.

Dengan memahami model yang tersedia dan menerapkan poin-poin pemilihan ini, Anda dapat membuat sistem multi-agen yang berfungsi dengan baik dan sesuai dengan kebutuhan organisasi Anda.

Arsitektur Sistem Multi-Agen

Multi-Agent System Architecture

Komponen Utama

Arsitektur sistem multi-agen yang kuat memiliki bagian-bagian penting yang membantu agen bekerja sama dan berkomunikasi dengan baik. Berikut gambaran bagian-bagian tersebut:

Komponen	Deskripsi
Konteks Bersama	Lapisan ini memungkinkan setiap agen melihat state utama yang sama. Hal ini penting untuk bekerja sama.
Serah Terima Berbasis Peristiwa	Fitur ini menjaga agar agen tetap terhubung secara longgar sambil tetap menyimpan catatan tindakan yang jelas.
Definisi Konsisten	Ini memastikan semua agen membuat keputusan dengan cara yang sama, sehingga meningkatkan performa sistem.
Kepemilikan Penulis Tunggal	Ini menunjukkan siapa yang boleh menulis, sehingga menghasilkan hasil yang jelas dari agen.
Penyajian Fitur Real-Time	Ini membantu memanfaatkan sumber daya dengan lebih baik dengan menghentikan pekerjaan berulang di antara agen.
Deteksi Konflik	Ini menyiapkan cara untuk menemukan dan memperbaiki masalah ketika agen bertindak pada objek yang sama.
Observabilitas	Ini sangat penting untuk memperbaiki masalah, karena memungkinkan pelacakan keputusan dan data di antara agen.
Manajemen Checkpoint	Ini melacak posisi setiap pipeline dalam pemrosesan, sehingga membantu memperbaiki masalah saat agen gagal.

Bagian-bagian ini bekerja bersama untuk membangun arsitektur yang kuat yang mendukung pertumbuhan dan keandalan dalam sistem multi-agen.

Pola Interaksi Agen

Cara agen berinteraksi sangat penting bagi performa sistem multi-agen. Pola umum meliputi:

Pola Kolaboratif: Agen bekerja sama dan berbagi tugas untuk mencapai tujuan bersama. Pola ini membantu berbagi sumber daya dan mengurangi beban kerja tambahan.
Pola Komando-dan-Kendali: Pola ini menetapkan aturan pengambilan keputusan yang jelas dan struktur manajemen. Meskipun dapat mempercepat proses, pola ini mungkin memperlambat kinerja dalam situasi yang berubah.
Komunikasi Berbasis Pesan: Agen mengirimkan pesan terstruktur berisi permintaan, perintah, atau informasi. Pola ini membantu menjaga keterhubungan agen yang longgar dan memungkinkan komunikasi yang tidak terjadi secara bersamaan, yang merupakan kunci kerja tim yang baik.

Pola-pola interaksi ini membantu agen bekerja sama dengan lebih baik, sehingga meningkatkan kinerja dan ketangguhan dalam sistem yang kompleks. Dengan menerapkan pola-pola ini, Anda dapat membuat arsitektur sistem multi-agen Anda lebih efektif.

Alat di Azure AI Foundry

Tools in Azure AI Foundry

AI Foundry Agent Playground

AI Foundry Agent Playground adalah alat yang sangat baik untuk membuat dan menguji sistem multi-agen. Ruang tanpa kode ini memudahkan semuanya. Anda dapat memilih model, menyiapkan agen, serta memberikan tugas dan pengetahuan tertentu kepada mereka. Playground ini juga memiliki alat untuk memeriksa kinerja, seperti pelacakan dan metrik evaluasi. Hal ini membantu Anda melihat seberapa baik agen Anda bekerja secara real-time.

Di playground, Anda dapat mencoba berbagai pengaturan dan alur kerja. Fleksibilitas ini membantu Anda memahami cara agen bekerja sama dan merespons tugas. Anda dapat dengan cepat mengubah desain berdasarkan kinerjanya. Playground memungkinkan Anda membuat sistem multi-agen yang efektif tanpa perlu banyak mengetahui pemrograman.

Mengintegrasikan Semantic Kernel

Menambahkan Semantic Kernel ke Azure AI Foundry sangat meningkatkan sistem multi-agen Anda. Semantic Kernel menyediakan SDK yang fleksibel. SDK ini memungkinkan Anda membuat, mengelola, dan menggunakan agen AI yang andal dan adaptif. Integrasi ini membantu alur kerja kompleks yang melibatkan kerja sama antaragen dan bekerja dengan baik pada berbagai API.

Untuk menambahkan Semantic Kernel, ikuti langkah-langkah berikut:

Masuk ke Microsoft Foundry.
Buka proyek tempat model disiapkan.
Buka Models + endpoints lalu pilih model yang sudah di-deploy.
Salin URL endpoint dan kunci.
Atur variabel lingkungan untuk URL endpoint dan kunci.
Buat klien untuk terhubung ke endpoint menggunakan kode yang disediakan.

Integrasi ini membantu Anda membangun agen yang dapat mencari dan menangani tugas-tugas sulit dengan lebih baik. Semantic Kernel membantu Anda menata operasi bisnis yang kompleks. Dengan menggunakan kerangka kerja ini, Anda dapat memastikan agen Anda bekerja sama dengan baik, sehingga meningkatkan kinerja sistem secara keseluruhan.

Azure AI Foundry juga memiliki banyak alat untuk membantu pengembangan sistem multi-agen. Berikut ringkasan beberapa fitur utama:

Alat/Fitur	Deskripsi
Connected Agents	Membantu agen bekerja sama dengan memecah tugas-tugas sulit.
Concurrent Orchestration	Memungkinkan agen berjalan secara bersamaan, sehingga alur kerja menjadi lebih cepat.
Kemampuan Logging	Penting untuk melacak dan mengelola interaksi agen serta hasil yang dihasilkannya.

Alat-alat ini bekerja dengan baik bersama sistem TI yang sudah ada, memastikan sistem multi-agen Anda berjalan lancar di organisasi Anda. Azure AI Foundry mendukung orkestrasi yang mudah melalui alur kerja dan hosted agents, sehingga meningkatkan kerja sama lintas sistem.

Dengan menggunakan AI Foundry Agent Playground dan menambahkan Semantic Kernel, Anda dapat membuat sistem multi-agen yang kuat yang meningkatkan efisiensi dan inovasi dalam pekerjaan Anda.

Azure AI Foundry membantu Anda membuat sistem multi-agen yang kuat. Sistem ini meningkatkan otomatisasi dan efisiensi. Anda dapat menikmati manfaat seperti:

Akurasi 37,6% lebih tinggi dengan agen khusus
Waktu eksekusi lebih cepat hingga 33%
Biaya pengawasan lebih rendah dan lebih sedikit kesalahan
Desain yang dapat berkembang dan menangani masalah

Tips: Gunakan Connected Agents and Multi-Agent Workflows. Fitur ini membantu Anda membangun sistem yang fleksibel dan bekerja layaknya tim manusia. Fitur ini memungkinkan Anda melacak kemajuan, mengelola tugas, dan terhubung dengan berbagai alat dengan mudah.

Ke depannya, Azure AI Foundry akan meningkatkan cara agen bekerja sama dan mengatur tugas. Hal ini akan membuat otomasi Anda lebih cerdas dan andal. Dengan memanfaatkan platform ini, Anda membantu organisasi berinovasi dan meningkatkan produktivitas melalui kerja sama tim yang cerdas.

Pertanyaan Umum

Apa itu sistem multi-agen?

Sistem multi-agen terdiri dari banyak agen yang bekerja sama. Mereka membantu menyelesaikan masalah atau menuntaskan tugas. Setiap agen memiliki tugasnya sendiri, sehingga mereka dapat bekerja sama dengan lebih baik dan menghasilkan kinerja yang optimal.

Bagaimana Azure AI Foundry mendukung sistem multi-agen?

Azure AI Foundry menyediakan alat dan model untuk membangun, mengelola, dan meningkatkan sistem multi-agen. Platform ini membantu agen bekerja sama dengan lancar dan mengotomatiskan tugas-tugas yang kompleks.

Bisakah saya menyesuaikan agen di Azure AI Foundry?

Bisa, Anda dapat mengubah agen di Azure AI Foundry. Anda dapat mengatur tugas, kemampuan, dan cara interaksi mereka sesuai kebutuhan organisasi Anda. Hal ini membantu agen bekerja secara optimal.

Apa manfaat menggunakan sistem multi-agen?

Sistem multi-agen membuat otomasi lebih baik, meningkatkan kelancaran proses, dan mempercepat penyelesaian tugas. Sistem ini juga membantu meningkatkan akurasi dan pengelolaan sumber daya yang lebih baik di berbagai proses.

Apakah perlu coding untuk menggunakan Azure AI Foundry?

Tidak, Anda tidak perlu menulis kode untuk menggunakan Azure AI Foundry. Platform ini menyediakan pengaturan tanpa kode, sehingga Anda dapat dengan mudah membuat dan mengelola sistem multi-agen tanpa perlu banyak pengetahuan pemrograman.

🎧 Dengarkan episode ini

Ingin penjelasan praktis tentang Build Reliable Intune and Entra ID Agents? Episode ini menguraikan topik tersebut dengan bahasa yang jelas dan menunjukkan mengapa topik ini penting bagi Microsoft 365, Azure, Power Platform, keamanan, AI, dan pekerjaan modern. Untuk pembahasan mendalam tentang konsep-konsep ini, simak juga episode podcast terkait: Build Reliable Intune and Entra ID Agents with Azure AI Foundry.

Dengarkan episode ini jika Anda ingin:

Memahami konsep utama di balik Build Reliable Intune and Entra ID Agents
Melihat bagaimana topik ini cocok dengan ekosistem teknologi Microsoft yang lebih luas
Mempelajari di mana topik ini dapat memberikan nilai praktis bagi organisasi Anda

Anda mungkin juga menikmati episode M365 FM terkait berikut:

Temukan lebih banyak percakapan praktis tentang Microsoft di M365 FM.