Chatbot menjawab. AI agent bertindak.
Ajukan pertanyaan kepada chatbot, dan chatbot akan mengembalikan jawaban dalam bentuk teks. Berikan tugas kepada AI agent seperti "analisis spreadsheet ini dan buat grafik untuk data yang menyimpang," "perbaiki pengujian yang gagal pada repositori ini," atau "buka situs ini dan ambil tiga penawaran dengan harga termurah," maka AI agent harus mengambil tindakan. AI agent menjalankan kode, mengendalikan browser, menulis file, membaca hasilnya, memutuskan langkah berikutnya, lalu mengulangi proses tersebut hingga tugas selesai.
Perbedaan inilah yang menciptakan kebutuhan yang tidak pernah dimiliki chatbot: sebuah ruang kerja (workspace). AI agent memerlukan tempat untuk menjalankan kode, menyimpan file sementara, mengakses browser, serta melakukan seluruh proses yang dibutuhkan untuk menyelesaikan pekerjaannya.
Jawaban yang paling mudah mungkin adalah memberikan AI agent lingkungan kerja yang sama seperti yang digunakan oleh para pengembang—sebuah laptop atau mesin virtual (VM) yang bersifat persisten. Namun, dalam praktiknya, justru itulah pendekatan yang kurang tepat. Memahami alasannya akan menjelaskan apa yang sebenarnya dirancang untuk disediakan oleh Alibaba Cloud AgentRun.
Pikirkan lingkungan pengembangan yang biasa Anda gunakan. Anda menginstal berbagai alat sekali saja, membiarkan file tetap berada di tempatnya, lalu kembali di lain waktu dan menemukan semuanya masih seperti semula. Bagi manusia, lingkungan yang persisten adalah kondisi standar, sedangkan isolasi biasanya hanya digunakan saat menjalankan perangkat lunak yang tidak tepercaya.
AI agent justru membutuhkan pendekatan yang sebaliknya: isolasi sebagai standar, dan persistensi sebagai pengecualian. Setiap tugas harus dimulai dalam ruang kerja (workspace) yang baru dan terisolasi, sementara segala sesuatu yang perlu dipertahankan—seperti memori, identitas, izin akses, artefak, atau log audit—disimpan di luar ruang kerja tersebut.
Pemisahan inilah yang menjadi perubahan arsitektur utama. Lingkungan eksekusi tetap bersifat sementara (disposable), sedangkan seluruh aset yang bernilai sengaja disimpan secara persisten di lokasi lain.
Jika dilihat dari perspektif ruang kerja eksekusi, perbedaan antara cara manusia dan AI agent bekerja menjadi semakin jelas:
| Lingkungan Pengembangan Manusia | Ruang Kerja Eksekusi AI Agent |
Masa Pakai | Berlangsung berbulan-bulan. | Satu tugas, berlangsung beberapa detik hingga menit, lalu dihapus. |
Apa yang dipertahankan | Semua data dipertahankan. | Tidak ada yang dipertahankan secara default; data permanen disimpan di luar ruang kerja. |
Identitas | Mesin milik Anda. | Ruang kerja bersifat anonim; identitas dan izin akses diberikan untuk setiap tugas dari luar. |
Penyediaan lingkungan | Disiapkan satu kali. | Dibuat sesuai kebutuhan, lalu dihapus setelah selesai. |
Konkurensi | Satu pengguna, satu mesin. | Ribuan ruang kerja dapat berjalan bersamaan, lalu tidak ada lagi. |
Kepercayaan | Lingkungan tepercaya. | Secara desain tidak tepercaya. Menjalankan kode yang dibuat sendiri dari masukan (halaman web atau dokumen) yang dapat menyembunyikan instruksi. |
Inilah kesenjangan yang dirancang untuk diatasi oleh AgentRun. Alih-alih menyediakan dan memelihara server untuk menjalankan AI agent, AgentRun membuat ruang kerja (workspace) baru yang terisolasi setiap kali sebuah tugas dimulai, menghapusnya setelah pekerjaan selesai, dan hanya mengenakan biaya selama ruang kerja tersebut benar-benar digunakan.
Bagian selanjutnya dari artikel ini akan menjelaskan mengapa model tersebut lebih sesuai untuk AI agent dibandingkan infrastruktur yang bersifat persisten.
Sekilas, konsep disposable (sementara) mungkin terdengar sebagai sebuah kompromi. Namun, bagi AI agent, justru inilah keunggulannya. Setiap manfaat berikut secara langsung mencerminkan cara AgentRun mengelola lingkungan eksekusi.
Setiap tugas dimulai dari kondisi awal yang sama dan telah dipastikan aman. Tidak ada sisa file, perubahan dependensi, maupun status tersembunyi dari eksekusi sebelumnya yang dapat memengaruhi hasil. AgentRun menyediakan sandbox baru untuk setiap tugas dan menghapusnya setelah tidak lagi diperlukan, sehingga proses eksekusi menjadi lebih konsisten dan mudah direproduksi.
AI agent menjalankan kode yang dihasilkannya sendiri sambil berinteraksi dengan masukan yang tidak tepercaya, seperti situs web dan dokumen. Jika terjadi masalah—baik karena perintah yang keliru, konten berbahaya, maupun ruang penyimpanan yang penuh—dampaknya hanya terbatas pada ruang kerja yang terisolasi tersebut, yang akan otomatis dihapus setelah digunakan. AgentRun semakin mengurangi risiko dengan mengisolasi setiap sandbox serta menetapkan batas waktu maksimum untuk masa pakainya.
Ruang kerja yang bersifat persisten dapat secara tidak sengaja membawa kredensial, data cache, atau file sementara dari satu tugas ke tugas lainnya. Dengan membuat sandbox baru untuk setiap eksekusi, AgentRun menghilangkan seluruh risiko tersebut secara desain.
Berbeda dengan lingkungan pengembangan manusia, AI agent menghabiskan banyak waktunya untuk menunggu—baik menunggu respons model, peristiwa pada browser, maupun layanan eksternal. Menjaga mesin khusus tetap berjalan hanya akan memboroskan sumber daya. Dibangun di atas Alibaba Cloud Function Compute, AgentRun membuat ruang kerja hanya saat diperlukan, sehingga biaya hanya mengikuti waktu eksekusi, bukan waktu menganggur (idle).
Beban kerja AI agent sangat dinamis. Ribuan tugas dapat dimulai secara bersamaan dan selesai hanya dalam hitungan menit. Karena ruang kerja dibuat sesuai kebutuhan dan dihapus secara otomatis setelah selesai, AgentRun dapat menyesuaikan kapasitas dengan permintaan tanpa memerlukan perencanaan kapasitas, pemeliharaan server, maupun infrastruktur yang menganggur.
Secara keseluruhan, karakteristik tersebut selaras dengan model ancaman (threat model) AI agent. AI agent secara rutin menjalankan kode dan berinteraksi dengan konten yang tidak tepercaya, sehingga isolasi dan sifat sementara (disposability) bukan sekadar optimasi, melainkan prinsip utama dalam desain arsitekturnya.
Ruang kerja (workspace) memperlihatkan bagaimana AI agent sebenarnya beroperasi.
AI agent bukanlah "peramal" yang langsung mengetahui jawabannya. AI agent bekerja melalui sebuah siklus: menyusun rencana, mengambil tindakan, mengamati hasilnya, lalu mencoba kembali hingga tugas berhasil diselesaikan. Proses tersebut secara alami menghasilkan file sementara, percobaan yang gagal, dan keluaran yang akhirnya dibuang. Inilah alasan mengapa proses eksekusi seharusnya berlangsung di dalam ruang kerja yang bersifat sementara.
Segala sesuatu yang perlu dipertahankan—seperti memori, artefak yang dihasilkan, maupun riwayat eksekusi—disimpan di luar ruang kerja tersebut. Lingkungan eksekusi bersifat sementara, tetapi pengetahuan dan hasil yang dihasilkan AI agent tidak.
Bayangkan AI agent sebagai seorang intern yang tidak pernah lelah, ditempatkan di sebuah ruangan tertutup dengan sebuah komputer dan satu tugas. Setelah tugas selesai, ruangan tersebut dibersihkan dan disiapkan kembali untuk pekerjaan berikutnya, sementara seluruh catatan hasil pekerjaannya disimpan dengan aman. Analogi ini bukan sekadar perumpamaan, melainkan gambaran yang sangat mendekati arsitektur AI agent yang sebenarnya.
Bayangkan sebuah AI agent untuk operasi penjualan menerima tugas: "ambil laporan pipeline minggu lalu dan tandai peluang penjualan yang terhenti."
Sebuah ruang kerja (workspace) baru langsung dibuat. AI agent membuka browser, masuk ke sistem CRM, mengunduh laporan, menjalankan skrip Python sederhana untuk mengidentifikasi peluang yang tidak mengalami aktivitas selama 14 hari, menyusun ringkasan, lalu mengakhiri prosesnya. Setelah tugas selesai, ruang kerja tersebut langsung dihapus.
Yang tidak kalah penting adalah apa yang tidak dipertahankan:
Sementara itu, hasil yang benar-benar penting—seperti laporan, jejak audit (audit trail), dan memori bahwa "Acme tidak lagi menunjukkan aktivitas"—disimpan di luar ruang kerja. Dengan demikian, lingkungan eksekusi dapat dihapus tanpa kehilangan informasi yang memiliki nilai jangka panjang.
Alur kerja sederhana tersebut menggambarkan perubahan arsitektur yang mendasar: proses eksekusi bersifat sementara, sedangkan memori, artefak, dan tata kelola tetap disimpan secara persisten.
Inilah yang ditawarkan oleh AgentRun. Alih-alih mengharuskan Anda menyediakan dan mengelola infrastruktur untuk AI agent, AgentRun menghadirkan lingkungan eksekusi sebagai layanan terkelola (managed service), sekaligus menjaga setiap lapisan arsitekturnya tetap terpisah dengan jelas.
Memulainya pun sederhana: cukup tentukan model AI, prompt, dan alat (tools) yang akan digunakan oleh AI agent, lalu AgentRun akan menangani seluruh lingkungan eksekusi yang berada di baliknya.
Inti dari AgentRun adalah AIO Sandbox—ruang kerja (workspace) sementara tempat AI agent menjalankan tugasnya.
AIO Sandbox menggabungkan tiga kemampuan utama yang dibutuhkan AI agent ke dalam satu lingkungan yang terisolasi:
Alibaba Cloud menggambarkan ketiga kemampuan tersebut sebagai mata, otak, dan tangan bagi AI agent.
Saat membuat AIO Sandbox, Anda cukup menentukan sumber daya komputasi, browser, dan runtime yang diperlukan. Ruang kerja akan dibuat sesuai kebutuhan (on demand) dan otomatis dihapus setelah tugas selesai.
Untuk otomatisasi browser, AgentRun menyediakan Browser Sandbox khusus.
Browser Sandbox mendukung berbagai alat standar seperti Playwright dan Puppeteer melalui Chrome DevTools Protocol. Selain itu, tersedia fitur VNC Live View bawaan yang memungkinkan Anda melihat secara langsung bagaimana AI agent menavigasi situs web secara real-time. Visibilitas ini mempermudah proses debugging karena Anda dapat melihat secara jelas setiap tindakan yang dilakukan AI agent, alih-alih memperlakukan otomatisasi browser sebagai sebuah black box.
AgentRun juga menyediakan kontrol terpusat untuk mengelola akses terhadap model AI.
Administrator dapat menentukan model mana yang boleh digunakan oleh AI agent, menetapkan batas penggunaan, serta menerapkan kebijakan tata kelola (governance) secara konsisten di seluruh proses deployment.
Memori jangka panjang AI agent sengaja dipisahkan dari lingkungan eksekusinya.
Karena memori, state, dan artefak yang dihasilkan disimpan di luar ruang kerja, setiap proses eksekusi dapat dimulai dari lingkungan yang bersih tanpa mengorbankan kesinambungan antar tugas.
Setiap proses eksekusi dipantau melalui lapisan observabilitas yang merekam aktivitas AI agent, jejak eksekusi (execution traces), serta penggunaan sumber daya.
Seluruh komponen tersebut memungkinkan AgentRun memisahkan lingkungan eksekusi yang bersifat sementara (disposable) dari data yang disimpan secara persisten (durable state), sekaligus menyajikannya dalam satu platform terkelola.
Pertanyaan yang wajar kemudian muncul: jika AI agent menjalankan kode yang tidak tepercaya pada infrastruktur cloud bersama (shared cloud infrastructure), bagaimana keamanannya dapat dijaga?
Jawabannya bukan berarti sandboxing membuat seluruh risiko hilang. Sebaliknya, AgentRun menerapkan pendekatan defense in depth, yaitu perlindungan berlapis.
Setiap ruang kerja dijalankan di dalam lingkungan eksekusi yang memiliki isolasi kuat, menggunakan teknologi isolasi berbasis mesin virtual ringan (lightweight VM) yang sama dengan yang digunakan untuk mengamankan beban kerja serverless berskala besar dan multi-tenant. Meskipun tidak ada teknologi isolasi yang benar-benar sempurna, pendekatan ini memberikan batas keamanan yang telah matang dan teruji.
Di sisi lain, AI agent juga menghadirkan jenis risiko yang berbeda dan tidak dapat diatasi hanya dengan sandboxing, yaitu prompt injection. Instruksi tersembunyi di dalam halaman web atau dokumen dapat memengaruhi perilaku AI agent, meskipun lingkungan eksekusinya sendiri tetap terisolasi.
Karena itu, keamanan AgentRun dibangun melalui kombinasi beberapa mekanisme yang saling melengkapi:
Sifat disposable bukanlah keseluruhan model keamanan, tetapi mampu secara signifikan membatasi dampak kesalahan dengan memastikan ruang kerja yang telah terkompromi akan dihapus, alih-alih menjadi kerentanan jangka panjang.
Model infrastruktur sama pentingnya dengan model keamanannya.
Karena AgentRun berjalan di atas Alibaba Cloud Function Compute, ruang kerja hanya dibuat ketika sebuah tugas dimulai dan akan dilepaskan secara otomatis saat tidak lagi digunakan. Setiap ruang kerja memiliki masa pakai yang terbatas sehingga tidak perlu menyediakan kapasitas secara permanen, mengelola mesin virtual, ataupun mengingat untuk mematikannya secara manual.
Arsitektur serverless ini sangat sesuai dengan karakteristik beban kerja AI agent, yang sangat elastis dan menghabiskan banyak waktu untuk menunggu respons model, proses pada browser, atau layanan eksternal. Dengan demikian, Anda tidak perlu membayar infrastruktur yang selalu aktif, tetapi hanya membayar ketika AI agent benar-benar bekerja.
Jika Anda membangun AI agent, jangan hanya berfokus pada server. Yang lebih penting adalah memisahkan lingkungan eksekusi yang bersifat sementara (disposable execution) dari data yang perlu disimpan secara persisten (durable state).
Kode yang ditulis oleh AI agent tidak seharusnya berbagi infrastruktur dengan aplikasi produksi, tetapi juga tidak perlu dijalankan pada sekumpulan mesin virtual khusus. AgentRun menghadirkan lingkungan eksekusi sementara sebagai layanan terkelola, sekaligus mengintegrasikan memori, tata kelola, dan observabilitas di sekelilingnya.
Lebih luas lagi, arsitektur ini mencerminkan perubahan yang sedang terjadi di industri. Sebagaimana container telah menjadi model deployment standar untuk aplikasi modern, lingkungan eksekusi yang bersifat sementara kini mulai menjadi fondasi alami bagi beban kerja AI agent.
AI agent mungkin menjadi pusat perhatian, tetapi ruang kerja tempat AI agent berjalan adalah faktor yang membuatnya benar-benar dapat digunakan dalam praktik. Dengan mengisolasi proses eksekusi, mempertahankan hanya data yang benar-benar penting, dan membuang sisanya, ruang kerja sementara memungkinkan AI agent beroperasi secara aman, konsisten, dan dalam skala besar.
Sumber: AlibabaCloud
Di tengah percepatan transformasi digital, kebutuhan akan solusi teknolog...
Industri makanan dan minuman (F&B) serta ritel merupakan sektor yang ...
What is TeamViewer Tensor?TeamViewer Tensor adalah produk Software as a S...
