Banyak tim AI membangun sistem multi-agent dengan langsung mengadopsi framework berat seperti LangGraph, CrewAI, atau AutoGen. Padahal, untuk sebagian besar workflow, yang dibutuhkan bukan stack baru, melainkan desain prompt yang matang. Orchestrasi multi-agent sejatinya adalah soal koordinasi: bagaimana membagi tugas, mengatur urutan eksekusi, dan menyatukan hasil. Artikel ini membongkar cara membangun sistem prompt untuk orkestrasi multi-agent tanpa mengganti stack yang sudah berjalan.
📌 Baca Juga (Prompt Engineering): Rantai Prompt Multi-Langkah: Membangun Workflow AI yang Konsisten untuk Konten Berseri
Apa Itu Orchestrasi Multi-Agent?
Orchestrasi multi-agent adalah proses mengoordinasikan beberapa agen AI — masing-masing dengan peran dan konteks khusus — untuk menyelesaikan satu tujuan kompleks. Bayangkan sebuah tim: peneliti, penulis, dan editor. Masing-masing punya keahlian, tapi butuh manajer yang mengatur alur kerja. Manajer itulah orchestrator.
Bukan Sekadar Banyak Panggilan API
Memanggil lima LLM secara acak bukan orkestrasi. Orkestrasi menuntut tiga hal:
- Keputusan — agen mana yang dipakai untuk tugas tertentu.
- Urutan — kapan setiap agen dipanggil.
- Integrasi — bagaimana hasil antar-agen digabung menjadi satu output final.
Tanpa ketiganya, output antar-agen akan berbenturan dan sulit diprediksi.
Mengapa Cukup dengan Prompt, Tanpa Ganti Stack?
Orchestrasi multi-agent tidak selalu butuh framework baru. Prompt yang dirancang dengan baik bisa memaksa LLM bertindak sebagai router, supervisor, atau worker. Keuntungan pendekatan ini:
- Zero dependency baru — tidak menambah library, tidak mengubah infrastruktur.
- Iterasi cepat — ubah satu prompt, langsung uji. Tidak perlu rebuild aplikasi.
- Debug mudah — semua keputusan terekam dalam teks, bisa dibaca manusia.
- Biaya rendah — satu model, satu API key, satu codebase.
Tiga Pola Orkestrasi yang Terbukti
Sebelum menulis prompt, tentukan pola orkestrasi yang sesuai dengan kebutuhan workflow Anda.
1. Router Pattern
Satu prompt orchestrator membaca input user, lalu memilih agen spesialis. Pola ini cocok untuk tugas yang bisa diklasifikasikan: dukungan pelanggan, klasifikasi dokumen, triage tiket.
2. Pipeline Pattern
Output agen pertama menjadi input agen kedua. Alurnya tetap dan berurutan: riset → tulis → edit → publikasi. Cocok untuk workflow yang urutannya sudah pasti.
3. Supervisor-Worker Pattern
Supervisor membagi tugas besar menjadi subtask, mengirim ke worker, memeriksa hasil, lalu memutuskan apakah perlu revisi. Pola ini paling fleksibel, tapi paling boros token. Gunakan hanya untuk tugas yang benar-benar kompleks.
Anatomi Prompt Orchestrator yang Kuat
Prompt orkestrasi yang baik punya empat elemen wajib. Hilangkan salah satunya, sistem akan cepat kacau.
1. Konteks Global
Jelaskan tujuan akhir sistem, bukan hanya tugas per-agen. Contoh: "Kamu adalah sistem produksi konten otomatis. Tujuan akhir: artikel siap terbit dengan SEO optimal."
2. Peran dan Batas Kewenangan
Setiap agen harus tahu apa yang boleh dan tidak boleh dilakukan. Tanpa batas, agen akan saling menimpa dan merusak hasil kerja agen lain.
3. Format Output Terstruktur
Wajibkan output dalam bentuk JSON. Ini membuat hasil agen bisa diparsing dan diteruskan ke agen lain tanpa teks berantakan.
4. Protokol Handoff
Tentukan bagaimana agen menyerahkan pekerjaan ke agen berikutnya. Sertakan field next_step agar alur tidak macet di tengah jalan.
Contoh kerangka prompt orchestrator:
Kamu adalah orchestration layer.
Tugas: terima permintaan user, pilih agen yang tepat, teruskan hasil.
Daftar agen:
-research_agent: riset pasar, output JSON {summary, sources}
-writer_agent: tulis artikel, output JSON {title, body}
-seo_agent: optimasi keyword, output JSON {keywords, suggestions}
Aturan:
1. Jika permintaan riset → panggil research_agent.
2. Jika permintaan menulis → panggil writer_agent.
3. Jika butuh keduanya → panggil research_agent dulu, lalu writer_agent.
Output akhir: JSON {status, chosen_agent, result, next_step}
Contoh Workflow Nyata: Riset → Tulis → SEO
Ambil kasus produksi artikel. research_agent mencari fakta, writer_agent menulis draf, seo_agent mengoptimasi keyword. Cukup satu orchestrator prompt yang mengatur urutan dan memvalidasi output tiap tahap.
Jika output research_agent bukan JSON valid, orchestrator meminta ulang dengan instruksi perbaikan. Ini
💡 Baca Juga & Rekomendasi Jaringan AI Network:
- Gunakan racikan prompt profesional di SolusiAI.my.id (Rekomendasi Tools & Otomatisasi AI).
- Pelajari tutorial skrip dan otomatisasi teknis di KodeAI.my.id (Panduan AI Coding & Skrip Otomatisasi).
Posting Komentar