Agen coding adalah agen AI yang tool-nya adalah editor, sistem file, dan terminal Anda.
Cara kerjanya
Agen menerima tugas dalam bahasa biasa dan bekerja dalam loop. Di setiap giliran, model menjawab atau mengembalikan tool call seperti “baca file ini”, “terapkan edit ini”, atau “jalankan tes”. Host tool menjalankannya, menambahkan output-nya, lalu memanggil model lagi.
Dokumentasi Claude Code menggambarkannya sebagai “an agentic coding tool that reads your codebase, edits files, runs commands, and integrates with your development tools.” (terjemahan: alat coding agentik yang membaca codebase Anda, mengedit file, menjalankan perintah, dan terintegrasi dengan alat pengembangan Anda.) Aider, Cline, dan alat serupa mengikuti loop yang sama dengan antarmuka dan model izin yang berbeda.
Paper SWE-agent (Yang dkk., 2024) berpendapat bahwa agen adalah jenis pengguna baru yang butuh antarmukanya sendiri, sebuah “agent-computer interface” (antarmuka agen-komputer), seperti halnya manusia butuh IDE. Dengan antarmuka mereka, para penulis melaporkan tingkat pass@1 sebesar 12,5% pada benchmark SWE-bench, yang mereka sebut state of the art saat itu.
Satu run tipikal, sebagai request ke model:
| Langkah | Output model | Token yang dikirim sebagai input |
|---|---|---|
| 1 | run_tests() |
system prompt + tools + tugas |
| 2 | read_file("src/parse.py") |
langkah 1 + output tes |
| 3 | edit_file(...) |
langkah 2 + isi file |
| 4 | run_tests() |
langkah 3 + diff |
| 5 | “Sudah diperbaiki; tes lolos.” | langkah 4 + output tes |
Input bertambah di setiap langkah, karena seluruh riwayat dikirim ulang.
Kenapa ini penting
- Biaya. Tugas panjang berarti banyak request dengan input besar yang sebagian besar berulang. Artikel biaya run menghitungnya dengan angka nyata, dan memangkas biaya agen coding mencantumkan tuas-tuasnya.
- Konteks. Sesi panjang memenuhi context window. Agen memakai context compaction dan subagen untuk mengendalikannya.
- Kecocokan model. Model harus mengikuti skema tool dengan andal selama banyak giliran. Lihat model terbuka terbaik untuk agen coding.
- Keamanan. Agen yang menjalankan perintah bisa menimbulkan kerusakan. Biarkan persetujuan tetap aktif untuk tindakan destruktif dan perlakukan isi repositori sebagai input yang tidak tepercaya (prompt injection).
Di BroadNet Inference
Agen coding yang menerima base URL yang kompatibel dengan OpenAI bisa memanggil BroadNet di https://inference.broadnet.ai/v1. Panduan penyiapan tersedia untuk Aider, Cline, dan lainnya. Dokumentasi BroadNet mencantumkan tool calling untuk GLM 5.3 dan Qwen3.8 27B.
Pada bayar sesuai pemakaian, satu kunci API mengizinkan 30 request per menit dan 4 request berjalan bersamaan. Paket harga tetap (Full Moon, Orbit, Meteor) mencakup DeepSeek V4.1 Flash tanpa meteran token. Satu sesi menjalankan satu request pada satu waktu, cocok untuk satu agen. Jika Anda menjalankan agen secara paralel, atau agen yang memulai subagen, beli satu sesi untuk setiap request yang berjalan bersamaan. Panduan sesi menunjukkan hitungannya.