Memulai Microsoft Agent Framework: Panduan Langkah demi Langkah

By Mirko Peters · 2026-08-13

Selamat datang kembali di blog podcast! Jika Anda selalu mengikuti episode terbaru kami, Anda tahu bahwa dunia kecerdasan buatan sedang bergeser dengan cepat dari antarmuka obrolan sederhana menuju sistem otonom yang canggih …

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

Selamat datang kembali di blog podcast! Jika Anda selalu mengikuti episode terbaru kami, Anda tahu bahwa dunia kecerdasan buatan bergeser dengan cepat dari antarmuka obrolan sederhana menuju sistem otonom yang canggih. Kita tidak lagi sekadar meminta model menyelesaikan satu prompt; kita mengorkestrasi tim pekerja digital yang mampu bernalar, merencanakan, dan menjalankan tugas multi-langkah. Untuk menjembatani kesenjangan antara rekayasa prompt eksperimental dan penerapan kelas enterprise, Microsoft telah memperkenalkan perangkat yang dapat mengubah permainan. Dalam postingan ini, kita akan membahas secara mendalam cara mencoba langsung teknologi ini, mulai dari penyiapan awal hingga menjalankan alur kerja otonom pertama Anda.

Sebelum kita masuk ke panduan teknis, jika Anda ingin memahami konsep dasarnya, pastikan untuk mendengarkan episode podcast kami, Microsoft Agent Framework - Simply Explained. Episode tersebut menjelaskan di mana posisi alat-alat ini dalam ekosistem Microsoft yang lebih luas, sehingga Anda memiliki konteks strategis sebelum menulis baris kode pertama.

Pengantar Microsoft Agent Framework

Microsoft Agent Framework adalah arsitektur terbuka dan multi-bahasa yang dirancang khusus untuk membuat agen AI kelas produksi serta alur kerja multi-agen yang kolaboratif. Berbeda dengan aplikasi obrolan tradisional yang sepenuhnya bergantung pada dinamika tanya-jawab linear, framework ini memungkinkan pengembang membangun komponen runtime berumur panjang. Komponen-komponen ini menggunakan Large Language Models (LLM) untuk menafsirkan masukan pengguna, memanggil alat eksternal, mempertahankan status sesi yang persisten, dan menghasilkan respons yang sangat akurat.

Pada intinya, framework ini memecahkan tantangan arsitektur yang besar: bagaimana membuat beberapa entitas AI bekerja sama secara mulus. Melalui koordinasi modular, alur kerja deterministik, serta dukungan untuk Model Context Protocol (MCP), pengembang dapat membangun sistem di mana agen-agen khusus, seperti peneliti, analis, dan manajer proyek, berkolaborasi secara otonom. Baik Anda membangun bot dukungan pelanggan, asisten pengembangan otomatis, maupun mesin proses bisnis yang kompleks, memiliki framework yang terstruktur dan stateful sangat penting untuk menjaga aplikasi Anda tetap andal, aman, dan dapat diskalakan.

Langkah 1: Penyiapan Repositori

Setiap perjalanan pengkodean yang sukses dimulai dengan ruang kerja yang bersih dan konfigurasi lingkungan yang tepat. Untuk memulai proyek pertama Anda dengan Microsoft Agent Framework, langkah awal Anda adalah menyiapkan repositori pengembangan lokal.

Pertama, Anda perlu mengkloning repositori laboratorium resmi yang tersedia di panduan memulai. Buka terminal atau antarmuka baris perintah Anda dan unduh kode sumbernya. Setelah repositori dikloning, prioritas Anda adalah memverifikasi lingkungan pemrograman. Framework ini terutama mendukung Python dan .NET, jadi pastikan Anda menjalankan versi runtime yang kompatibel dengan pilihan Anda, biasanya Python 3.10 atau yang lebih baru untuk pengembang Python, atau SDK .NET terbaru untuk pengembang enterprise.

Di dalam repositori, temukan file requirements atau file konfigurasi proyek. Buat virtual environment untuk mengisolasi dependensi Anda, lalu pasang paket yang diperlukan. Meluangkan waktu untuk mengonfigurasi ruang kerja lokal Anda sekarang akan menghindarkan Anda dari konflik dependensi yang menjengkelkan di kemudian hari saat Anda mulai menarik klien model dan komponen middleware yang lebih lanjut.

Langkah 2: Mengonfigurasi Azure AI Foundry

Setelah repositori lokal Anda berjalan, Anda perlu menghubungkan lingkungan lokal ke infrastruktur cloud yang akan menjalankan mesin penalaran agen Anda. Di sinilah Azure AI Foundry berperan.

Masuk ke portal Azure Anda dan buka Azure AI Foundry. Di sini, Anda perlu membuat sumber daya baru dan ruang proyek khusus untuk alur kerja agen Anda. Mengorganisasi pekerjaan Anda ke dalam proyek tertentu membantu Anda mengelola izin, melacak penggunaan token, dan memantau jalur eksekusi agen Anda secara efektif.

Setelah membuat proyek, Anda harus men-deploy model dan layanan fundamental yang dibutuhkan. Bergantung pada kasus penggunaan Anda, Anda perlu menyediakan LLM yang andal, seperti model GPT tingkat lanjut, yang mampu menangani tugas penalaran kompleks, pengelolaan state, dan pemanggilan alat. Selain itu, Anda sebaiknya mengonfigurasi Azure Search Service di dalam lingkungan ini. Layanan pencarian ini berfungsi sebagai tulang punggung kemampuan pengambilan data agen, memungkinkan agen mem-parsing data perusahaan secara aman dan mengirimkan konteks yang relevan kembali ke sesi agen.

Langkah 3: Menghubungkan Bing Search untuk Grounding

Agen AI hanya sebaik informasi yang dapat diaksesnya. Meskipun data perusahaan internal sangat penting, banyak alur kerja memerlukan pengetahuan terkini dan nyata yang tersedia di web terbuka. Untuk mencapainya, Anda perlu menyediakan mekanisme grounding yang andal bagi agen Anda.

Pada langkah pengaturan proyek ini, Anda akan menghubungkan Bing Search ke proyek Azure AI Foundry Anda. Dengan mengintegrasikan Bing Search API sebagai sumber daya tool, Anda memberi agen kemampuan untuk secara dinamis menelusuri web ketika permintaan pengguna membutuhkan informasi real-time.

Konfigurasi koneksi ini melibatkan penautan kredensial pencarian Anda di dalam variabel lingkungan atau file konfigurasi, sehingga klien model Anda dapat memanggil tool pencarian secara mulus selama eksekusi. Ketika agen menemui kueri yang tidak dapat dijawab menggunakan bobot internalnya atau indeks perusahaan lokal, agen akan menyusun kueri pencarian, mengambil hasil langsung, mensintesis informasi tersebut, dan memberikan respons yang akurat dan berlandaskan fakta kepada pengguna. Kemampuan ini mengubah chatbot biasa menjadi asisten yang dinamis dan mampu melakukan riset.

Menguji Alur Kerja Agen Pertama Anda

Dengan repositori yang sudah dikonfigurasi, Azure AI Foundry yang sudah di-deploy, dan grounding Bing Search yang sudah terhubung, Anda akhirnya siap membangun dan menguji alur kerja agen pertama Anda.

Mulailah dengan menulis skrip sederhana yang menginisialisasi sesi agen, mendefinisikan templat prompt dasar, dan mendaftarkan tool pencarian Anda. Anda dapat memanfaatkan debugger DevUI visual bawaan yang disediakan oleh framework untuk memvisualisasikan alur kerja Anda secara real-time. Antarmuka grafis ini sangat berguna selama tahap pengujian; Anda dapat melihat bagaimana agen menafsirkan input, tool mana yang diputuskannya untuk dipanggil, dan bagaimana agen mengelola state di beberapa giliran eksekusi.

Jalankan kueri uji yang membutuhkan penalaran internal sekaligus pengambilan data eksternal dari web. Amati log konsol atau DevUI untuk memastikan agen berhasil berpindah melalui langkah-langkah alur kerja, menjalankan panggilan Bing Search, dan memformat output akhir dengan rapi. Jika muncul kesalahan, fitur checkpointing dan pelacakan state yang terperinci dari framework akan membantu Anda menemukan tepat di titik mana eksekusi menyimpang dari jalurnya.

Langkah Selanjutnya dan Sumber Daya Tambahan

Selamat! Dengan menyiapkan repositori, mengonfigurasi Azure AI Foundry, dan mengintegrasikan grounding Bing Search, Anda sudah mengambil langkah besar pertama dalam pengembangan AI kelas perusahaan dengan Microsoft Agent Framework. Namun, ini baru permulaan.

Seiring perjalanan Anda, cobalah pola orkestrasi multi-agen. Coba tambahkan agen kedua ke alur kerja Anda, misalnya agen peninjau yang memeriksa output agen peneliti utama sebelum respons akhir dikirimkan kepada pengguna. Pelajari dokumentasi resmi Microsoft untuk memahami protokol komunikasi Agent-to-Agent (A2A) dan Model Context Protocol (MCP) guna memperluas kemampuan agen Anda lebih jauh.

Untuk memperdalam pemahaman Anda dan memastikan Anda membangun sistem yang aman, patuh, dan sangat produktif, pastikan Anda mendengarkan uraian audio lengkap kami tentang topik ini dengan mengunjungi episode podcast di Microsoft Agent Framework - Simply Explained. Selamat ngoding, dan sampai jumpa di episode berikutnya!