Sistem multi-agen adalah sistem yang terdiri dari beberapa agen AI dengan peran berbeda, yang berbagi tugas, bertukar hasil, dan bekerja sama untuk mencapai satu tujuan. Dalam bahasa Inggris, sistem ini disebut multi-agent system atau MAS.
Disebut juga: multi-agent system, MAS, sistem banyak agen, multi-agen AI, multi-agent AI
Satu agen AI bisa mengerjakan banyak hal. Tapi saat tugas makin panjang, satu agen harus mengingat terlalu banyak konteks dan berganti peran terus. Sistem multi-agen membagi beban itu. Setiap agen punya peran sempit, instruksi sendiri, dan alat sendiri.
Ide ini bukan hal baru. Ilmu komputer sudah lama meneliti sistem multi-agen, misalnya untuk robot dan simulasi. Yang baru adalah agen yang digerakkan model bahasa besar (LLM), sehingga agen bisa membaca brief, menulis, dan memakai alat seperti manusia di tim.
Pola yang paling sering dipakai adalah pola orkestrator dan pekerja. Anthropic menyebutnya orchestrator-workers: satu model pusat memecah tugas, membagikannya ke model pekerja, lalu menggabungkan hasilnya.
Serah terima antaragen adalah bagian yang paling sering bermasalah. Setiap kali tugas pindah, agen berikutnya perlu menerima tujuan, keputusan yang sudah diambil, dan batas akses. Karena itu, banyak tim menyimpan semua hasil antara di satu tempat yang bisa dibaca semua agen dan manusia.
Agen bisa bekerja berurutan, seperti di atas, atau bersamaan. Contoh kerja bersamaan: tiga agen riset membaca tiga pasar sekaligus, lalu satu agen merangkum. IBM mencatat bahwa sistem multi-agen bisa berbentuk terpusat, dengan satu koordinator, atau terdesentralisasi, di mana agen saling berkoordinasi langsung.
Sebuah agensi di Jakarta membuat laporan performa iklan bulanan untuk 12 klien. Angka di bawah adalah contoh.
Tanpa agen, satu staf butuh sekitar 3 jam per laporan. Totalnya 12 x 3 = 36 jam per bulan. Dengan biaya staf contoh Rp100.000 per jam, biaya laporan menjadi Rp3.600.000 per bulan.
Agensi itu lalu memakai tiga agen:
Staf sekarang hanya membaca draf yang sudah ditinjau dan mengoreksi analisisnya, sekitar 30 menit per laporan. Totalnya 12 x 0,5 = 6 jam, atau Rp600.000 dengan tarif yang sama. Selisihnya 30 jam per bulan. Biaya pemakaian model AI belum masuk hitungan ini, jadi hitung juga biaya itu sebelum kamu memutuskan.
| Aspek | Agen tunggal | Sistem multi-agen |
|---|---|---|
| Pembagian peran | Satu agen mengerjakan semua langkah | Setiap agen punya peran sempit |
| Cocok untuk | Tugas pendek dengan satu jenis keahlian | Tugas panjang dengan beberapa tahap atau keahlian |
| Pengecekan hasil | Agen mengecek hasilnya sendiri | Agen peninjau terpisah mengecek hasil |
| Biaya dan waktu | Lebih sedikit panggilan model | Lebih banyak panggilan model |
| Pelacakan | Satu log | Log per agen, perlu serah terima yang jelas |
Di sanji.space, sistem multi-agen bekerja di dalam ruang chat yang sama dengan tim. Tiga agen bawaan punya peran tetap: Kaki sebagai perencana, Ayame sebagai pembangun, dan Matcha sebagai peninjau. Setiap agen punya nama, peran, status, dan log aktivitas, jadi setiap aksi bisa dilacak. Tim juga bisa membuat agen sendiri, dan agen bisa dijeda kapan saja.
Contoh alurnya: Sari menulis brief kampanye di ruang #kampanye-q4, lalu memanggil @kaki. Kaki memecah brief menjadi tugas, lengkap dengan PIC dan deadline. Ayame menyusun deck dan riset pesaing. Matcha mengecek angka dan sumbernya, lalu meminta approval. Deck baru dikirim ke klien setelah Bayu, account manager, menyetujuinya.
Multi-agent system adalah sebutan Inggris untuk sistem multi-agen, yaitu beberapa agen AI dengan peran berbeda yang bekerja sama untuk satu tujuan. Contohnya satu agen merencanakan tugas, satu agen mengerjakan, dan satu agen meninjau hasil. Setiap agen punya instruksi dan alat sendiri. Manusia biasanya tetap memberi tujuan dan approval akhir.
Agen AI tunggal mengerjakan semua langkah sendiri, dari merencanakan sampai mengecek hasil. Sistem multi-agen membagi langkah itu ke beberapa agen dengan peran sempit. Pembagian ini membantu untuk tugas panjang dan tugas yang butuh pengecekan terpisah. Harganya adalah lebih banyak panggilan model dan serah terima yang harus dirancang rapi.
Contoh yang umum adalah pembuatan laporan. Satu agen merencanakan isi laporan, satu agen menarik data dan menulis draf, satu agen mencocokkan angka dengan sumber. Contoh lain adalah riset pasar, di mana beberapa agen membaca sumber berbeda secara bersamaan, lalu satu agen merangkum temuannya untuk tim.
Pakai sistem multi-agen saat tugas punya beberapa tahap yang jelas, butuh keahlian berbeda, atau butuh pengecekan terpisah dari pembuatnya. Untuk tugas pendek dengan satu langkah, agen tunggal atau satu prompt biasanya cukup. Anthropic menyarankan mulai dari cara paling sederhana, lalu menambah agen hanya saat hasilnya terbukti lebih baik.
Ya. Manusia menetapkan tujuan, batas akses, dan standar hasil. Manusia juga memberi approval sebelum hasil berdampak ke luar, misalnya dikirim ke klien atau dipublikasikan. Pola ini disebut human-in-the-loop. Tanpa titik persetujuan, kesalahan satu agen bisa diteruskan oleh agen berikutnya tanpa ada yang menahan.
Diperbarui 25 September 2026