---
title: "Apa itu agen AI? Penjelasan loop tool LLM | BroadRouter"
description: "Agen AI adalah LLM yang menentukan langkahnya sendiri dan memanggil tool dalam loop sampai tugas selesai. Cara kerja loop-nya, biaya token, dan cara membatasinya."
url: https://broadrouter.com/id/glossary/agent/
lang: id
updated: 2026-11-16
publisher: BroadRouter (a BroadNet site); API by BroadNet Inference, https://inference.broadnet.ai
---

Diterjemahkan dari bahasa Inggris dengan bantuan AI. [Baca versi asli bahasa Inggris](https://broadrouter.com/glossary/agent/) (diperbarui 2026-11-16).

# Agen AI (AI agent)

Diperbarui 2026-11-16

Agen AI adalah sistem di mana model bahasa mengarahkan langkahnya sendiri menuju suatu tujuan: model memutuskan tool mana yang dipanggil, membaca hasilnya, dan mengulanginya sampai menghasilkan jawaban akhir atau mencapai batas. Skrip tetap yang memanggil model di titik-titik tertentu biasanya disebut workflow.

Disebut juga: agen AI, AI agent, agen LLM, agentic AI, AI agentik, agen otonom, loop agen, LLM agent, autonomous agent, agent loop, AI agents

Agen adalah model di dalam loop: bertanya, bertindak dengan tool, membaca hasil, memutuskan lagi.

## Cara kerjanya

Anthropic memisahkan dua desain. Workflow adalah “systems where LLMs and tools are orchestrated through predefined code paths” (terjemahan: sistem di mana LLM dan tool diatur lewat jalur kode yang sudah ditentukan). Agen adalah sistem di mana “LLMs dynamically direct their own processes and tool usage” (terjemahan: LLM secara dinamis mengarahkan proses dan penggunaan tool-nya sendiri).

OpenAI Agents SDK mendokumentasikan loop itu sendiri. Runner memanggil model. Jika balasannya jawaban akhir, run selesai. Jika berisi [tool call](https://broadrouter.com/id/glossary/tool-calling/), runner mengeksekusinya, menambahkan hasilnya, lalu memanggil model lagi. Pengaturan `max_turns` membatasi loop dan memunculkan `MaxTurnsExceeded` saat batas itu terlewati.

Contoh: agen coding yang diminta memperbaiki test yang gagal mungkin butuh empat giliran.

```text
Turn 1  model -> tool call: run_tests()
Turn 2  model -> tool call: read_file("src/dates.py")
Turn 3  model -> tool call: edit_file("src/dates.py", ...)
Turn 4  model -> final answer: "Fixed the timezone bug; tests pass."
```

(Jalankan test, baca file, edit file; di giliran keempat model melaporkan bahwa bug zona waktu sudah diperbaiki dan test lolos.) Setiap giliran adalah permintaan API terpisah. Jika system prompt dan definisi tool berjumlah 5.000 token, keduanya dikirim 4 kali: 20.000 token input sebelum riwayat atau output tool dihitung.

Tools bisa berupa fungsi Anda sendiri atau berasal dari server [MCP](https://broadrouter.com/id/glossary/mcp/), yang memungkinkan satu agen terhubung ke file system, database, dan API SaaS lewat protokol bersama.

## Kenapa ini penting

-   **Biaya naik seiring giliran.** Setiap giliran adalah permintaan baru yang mengirim ulang percakapan. Tulisan [anggaran token agen](https://broadrouter.com/id/blog/agent-token-budget/) merinci ke mana token-token itu pergi. Input cache menurunkan tagihan untuk prefiks yang berulang.
-   **Konteks terisi penuh.** Run yang panjang mendesak [context window](https://broadrouter.com/id/glossary/context-window/) dan kualitasnya menurun bahkan sebelum mencapai batas. Lihat [manajemen konteks untuk agen yang berjalan lama](https://broadrouter.com/id/blog/long-running-agent-context-management/).
-   **Error menumpuk.** Anthropic mencatat bahwa otonomi membawa “higher costs, and the potential for compounding errors” (terjemahan: biaya lebih tinggi, dan potensi error yang menumpuk). Tambahkan kondisi berhenti, [guardrails](https://broadrouter.com/id/glossary/guardrails/), dan persetujuan manusia untuk tindakan yang mengubah data atau mengeluarkan uang.
-   **Paralelisme.** Beberapa agen berarti beberapa permintaan berjalan bersamaan. Batas [konkurensi](https://broadrouter.com/id/glossary/concurrency/) penyedia Anda menentukan berapa yang bisa jalan sekaligus. Tulisan [biaya multi-agen](https://broadrouter.com/id/blog/multi-agent-cost/) membandingkan harga per token dan harga tetap untuk kasus ini.

## Di BroadNet Inference

Framework agen apa pun yang menerima base URL kompatibel OpenAI bisa memanggil BroadNet; [panduan OpenAI Agents SDK](https://broadrouter.com/id/guides/openai-agents-sdk-custom-provider/) menunjukkan penyiapannya. Dokumentasi BroadNet mencantumkan tool calling untuk GLM 5.3 dan Qwen3.8 27B. Dokumentasi BroadNet menetapkan kunci bayar sesuai pemakaian di 30 permintaan per menit dan 4 permintaan yang berjalan bersamaan.

[Paket harga tetap](https://broadrouter.com/id/glossary/flat-rate-llm-plan/) (Full Moon, Orbit, Meteor) mencakup DeepSeek V4.1 Flash tanpa meteran token. Satu sesi menjalankan satu permintaan dalam satu waktu, sama seperti cara kerja satu agen, jadi Anda membeli satu sesi per agen yang dijalankan secara paralel. Dokumentasi BroadNet tidak mencantumkan tool calling untuk DeepSeek V4.1 Flash, jadi uji tool call agen Anda di model itu sebelum mengandalkan sebuah paket; tool calling yang terdokumentasi berarti GLM 5.3 atau Qwen3.8 27B dengan bayar sesuai pemakaian.

## Pertanyaan umum

### Apa bedanya agen dan workflow?

Dalam workflow, kode Anda menetapkan urutan panggilan model dan tool. Dalam agen, model memilih langkah berikutnya di setiap giliran. Panduan Anthropic memakai pembagian persis seperti ini.

### Kenapa agen mahal dijalankan dengan harga per token?

Setiap giliran mengirim ulang system prompt, definisi tool, dan riwayat yang terus bertambah sebagai token input. Tugas 50 giliran bisa menagih prefiks yang sama 50 kali, karena itulah input cache dan paket harga tetap penting.

### Bagaimana mencegah agen berputar tanpa henti?

Tetapkan jumlah giliran maksimum dan anggaran token atau waktu. OpenAI Agents SDK, misalnya, memunculkan MaxTurnsExceeded saat sebuah run melewati batas max\_turns.

## Lihat juga

-   [Tool calling (function calling)](https://broadrouter.com/id/glossary/tool-calling/) (istilah)
-   [MCP (Model Context Protocol)](https://broadrouter.com/id/glossary/mcp/) (istilah)
-   [Paket LLM harga tetap (flat-rate)](https://broadrouter.com/id/glossary/flat-rate-llm-plan/) (istilah)
-   [Context window (jendela konteks)](https://broadrouter.com/id/glossary/context-window/) (istilah)
-   [Guardrails (pagar pengaman AI)](https://broadrouter.com/id/glossary/guardrails/) (istilah)
-   [Konkurensi (concurrency)](https://broadrouter.com/id/glossary/concurrency/) (istilah)
-   [ReAct (reason and act)](https://broadrouter.com/id/glossary/react-agent/) (istilah)
-   [Subagent (sub-agen)](https://broadrouter.com/id/glossary/subagent/) (istilah)
-   [Sistem multi-agen (multi-agent system)](https://broadrouter.com/id/glossary/multi-agent-system/) (istilah)
-   [Agen coding AI (AI coding agent)](https://broadrouter.com/id/glossary/coding-agent/) (istilah)
-   [Context engineering (rekayasa konteks)](https://broadrouter.com/id/glossary/context-engineering/) (istilah)
-   [Menjalankan OpenAI Agents SDK di BroadNet Inference](https://broadrouter.com/id/guides/openai-agents-sdk-custom-provider/) (panduan)
-   [Memakai Cline dengan BroadNet Inference (provider OpenAI Compatible)](https://broadrouter.com/id/guides/cline-openai-compatible/) (panduan)
-   [Anggaran token agen: ke mana token loop agen pergi](https://broadrouter.com/id/blog/agent-token-budget/) (artikel)
-   [Biaya sebenarnya setup multi-agent: per token vs sesi harga tetap](https://broadrouter.com/id/blog/multi-agent-cost/) (artikel)
-   [Manajemen konteks untuk agent yang berjalan lama dengan window 1M](https://broadrouter.com/id/blog/long-running-agent-context-management/) (artikel)
-   [Cara menjalankan agen coding paralel dengan API LLM harga tetap](https://broadrouter.com/id/blog/run-parallel-coding-agents-flat-rate/) (artikel)

Coba dengan beban kerja Anda yang sebenarnya. Akun baru mendapat kredit US$5 untuk Gemma dan transkripsi. DeepSeek, GLM, dan Qwen3.8 memerlukan top up.

[Mulai](https://inference.broadnet.ai/account/?utm_source=broadrouter&utm_medium=referral&utm_campaign=id-glossary-agent&utm_content=page-cta) ·

**Sumber**

-   [Anthropic, Building effective agents (workflow vs agen)](https://www.anthropic.com/engineering/building-effective-agents)
-   [OpenAI Agents SDK, menjalankan agen (loop agen dan max\_turns)](https://openai.github.io/openai-agents-python/running_agents/)
-   [Referensi API BroadNet Inference, batas (bahasa Inggris)](https://inference.broadnet.ai/docs?utm_source=broadrouter&utm_medium=referral&utm_campaign=id-glossary-agent&utm_content=sources#limits)
