Saat membangun solusi dengan AI, para developer sering bertanya-tanya gimana sih cara mendesain agentic system yang efektif. Tergantung pada seberapa rumit masalahnya, sebuah solusi mungkin butuh satu single agent atau seluruh tim yang bekerja bareng. Dengan menggunakan tools seperti Agent Development Kit (ADK), developer bisa menerapkan berbagai design patterns untuk mengoptimalkan AI workflows mereka. Berikut adalah penjelasan tiga AI agent design patterns yang paling dasar: Single Agent, Sequential Agent, dan Parallel Agent.
The Single Agent Pattern
Design pattern yang paling mendasar adalah single agent. Di pengaturan ini, sebuah prompt yang komprehensif memberikan agent instruksi tentang cara menyelesaikan tugas dan cara menggunakan tools tertentu, seperti Google Search tool. Untuk mengeksekusi tugasnya, agent bergantung sepenuhnya pada kemampuan reasoning dari AI model untuk mencari tahu urutan langkah yang benar dalam satu kali jalan.
Kelebihan (Pros): Single agent pattern ini sangat simpel untuk diterapkan dan sangat efektif buat tugas-tugas multi-step yang lugas.
Kekurangan (Cons): Seiring tugas menjadi lebih kompleks dan butuh lebih banyak tools, menaruh prompts yang sangat panjang ke dalam system instructions bisa membuat perilakunya jadi kurang bisa diandalkan. Karena AI itu non-deterministic, sebuah single agent tidak bisa menjamin akan selalu mengikuti logic multi-step yang kompleks dengan sempurna setiap saat. Artinya, pattern ini pada akhirnya kurang memiliki kontrol yang kuat.
The Sequential Agent Pattern
Buat menambahkan kontrol pada tugas-tugas yang sangat terstruktur dan berulang, developer bisa memakai sequential agent pattern. Di pattern ini, urutan operasinya sudah tetap, dan output dari satu sub-agent langsung menjadi input buat yang berikutnya, mirip seperti ban berjalan di pabrik. Misalnya, pas merencanakan liburan, sistemnya bisa dipecah supaya agent pencari makanan selalu jalan duluan, lalu dilanjutkan oleh agent transportasi khusus.
Agents ini saling berkomunikasi lewat shared session state, yang berfungsi seperti buku catatan bersama atau memori jangka pendek. Begitu agent pertama menulis hasil temuannya ke dalam state, agent kedua bakal membacanya menggunakan tanda kurung kurawal di dalam system prompt-nya.
Kelebihan (Pros): Pattern ini memberikan tingkat kontrol yang tinggi, memastikan eksekusinya bisa diprediksi dan diandalkan.
Kekurangan (Cons): Sequential agent pattern bisa jadi sangat kaku. Strukturnya yang sudah ditentukan dari awal bikin dia agak susah beradaptasi dengan situasi yang dinamis.
The Parallel Agent Pattern
Untuk tugas-tugas yang tidak harus dilakukan dalam urutan tertentu, menjalankan agents secara sekuensial bisa terasa terlalu lambat. Nah, parallel agent pattern bersinar di skenario seperti ini dengan membiarkan beberapa specialized agents berjalan sendiri-sendiri di waktu yang bersamaan. Buat rencana perjalanan yang lengkap, developer bisa mengerahkan pencari museum, pencari konser, dan pencari restoran untuk melakukan pencarian secara serentak.
Biar semua informasinya bisa digabungkan, pattern ini sering dikombinasikan dengan pendekatan sequential: setelah pencarian parallel selesai, agent aggregator atau perangkum terakhir akan menyintesis hasil-hasil yang ada di session state menjadi satu output akhir.
Kelebihan (Pros): Desain ini secara signifikan mengurangi latency dengan menjalankan subtasks independen secara bersamaan, bikin kerjanya jadi cepat dan efisien.
Kekurangan (Cons): Menjalankan banyak agents sekaligus bisa membuat biaya awal jadi lebih tinggi. Selain itu, kebutuhan akan langkah terakhir buat mengumpulkan dan menyintesis hasil bisa menambah kompleksitas ke desain system secara keseluruhan.
Apa Selanjutnya di Dunia Agentic Patterns?
Meskipun single, sequential, dan parallel patterns menjadi fondasi buat workflows yang canggih, mengatasi masalah yang lebih kompleks dan dinamis tetap butuh desain yang lebih advanced. Patterns masa depan yang menarik buat dieksplorasi termasuk loop and critique pattern untuk koreksi mandiri, coordinator (or orchestrator) pattern untuk routing yang dinamis, dan konsep luar biasa dari menggunakan agent as a tool.
