Beri Agen AI Anda Ruang Kerja Sekali Pakai dengan Alibaba Cloud AgentRun

Artikel ini memperkenalkan Alibaba Cloud AgentRun, platform serverless yang menyediakan agen AI dengan ruang kerja eksekusi sekali pakai yang aman untuk otomasi tugas yang selamat dan skalabel.

Ditulis oleh Rizky Andriawan, Solution Architect Alibaba Cloud Indonesia

TL;DR — Agen AI bukan sekadar menjawab; ia bertindak. Ia menjalankan kode, mengendalikan browser, menyentuh file. Karena itu ia butuh ruang kerja. Pergeseran yang hampir semua orang yang membangun infrastruktur agen temukan dalam dua tahun terakhir bukan bahwa "agen bersifat stateless." Melainkan bahwa agen membalik paradigma default. Manusia mendapat persistensi secara default; agen mendapat isolasi secara default, persistensi sebagai pengecualian. Lingkungan eksekusi agen haruslah sekali pakai, sementara memori, identitas, dan artefaknya disimpan di tempat lain secara sengaja dan permanen. Artikel ini membahas mengapa pembalikan paradigma ini adalah pilihan tepat, dan bagaimana AgentRun dari Alibaba Cloud mewujudkannya sebagai ruang kerja yang bisa langsung Anda gunakan tanpa perlu menyiapkan satu server pun.

01_hero
Sekali pakai di mana ia bekerja, permanen di mana ia mengingat.

Mulai dari Apa yang Sebenarnya Dilakukan Agen

Chatbot menjawab. Agen bertindak.

Tanya chatbot sebuah pertanyaan, ia menulis teks sebagai balasan, dan tidak ada yang berubah di dunia nyata. Beri agen sebuah tugas — misalnya "analisis spreadsheet ini dan buat grafik outlier-nya," "perbaiki test yang gagal di repo ini," atau "buka situs ini dan ambil tiga listing termurah" — dan ia harus mengambil tindakan nyata: menjalankan kode, menulis file, mengendalikan browser, membaca hasilnya, memutuskan langkah berikutnya. Berulang kali, dalam sebuah loop.

Perbedaan tunggal itu — bertindak, bukan sekadar menjawab — menciptakan kebutuhan yang tidak pernah dimiliki chatbot: tempat untuk melakukan pekerjaan. Tempat untuk menjalankan kode itu. Scratch disk. Browser. Shell. Sebut saja ruang kerja.

Pertanyaan sesungguhnya adalah: jenis ruang kerja apa yang Anda berikan pada sesuatu seperti ini? Jawaban intuitif, "jenis yang sama seperti yang kita berikan pada developer," ternyata justru salah arah. Memahami alasannya adalah cara tercepat untuk mengerti untuk apa platform seperti AgentRun.

02_chatbot_vs_agent
Chatbot menjawab dalam satu langkah. Agen menjalankan loop di dalam ruang kerja yang tersegel, lalu bertindak ke dunia luar.

Pembalikan Paradigma Default

Bayangkan lingkungan development Anda sendiri — laptop atau VM yang Anda akses via SSH. Anda menyiapkannya sekali. Anda menginstal tool, meninggalkan file berserakan, dan kembali esok hari menemukan semuanya masih ada. Itulah paradigma manusia: persistensi secara default, isolasi sebagai pengecualian. Anda baru meraih sandbox atau VM bersih dalam kasus langka ketika Anda menangani sesuatu yang tidak dipercaya.

Agen menginginkan kebalikannya: isolasi secara default, persistensi sebagai pengecualian. Setiap tugas berjalan di lingkungan tersendiri yang bersih dan tersegel, dan apa pun yang perlu bertahan setelah tugas selesai secara sengaja disimpan di luar lingkungan itu.

Kata yang bekerja keras secara diam-diam di sini adalah "ruang kerja," jadi mari kita perjelas. Yang seharusnya sekali pakai adalah lingkungan eksekusi agen — tempat ia menjalankan kode, mengendalikan browser, dan menulis file sementara. Yang tidak seharusnya sekali pakai — seperti memorinya ("Acme adalah deal yang stagnan"), identitas dan izinnya, artefak yang dihasilkan, serta jejak audit dari apa yang dilakukannya — tidak tinggal di ruang kerja sama sekali. Mereka berada di luar, permanen, dengan sengaja, sehingga ruang kerja bisa dibuang tanpa membawa mereka serta.

Pemisahan itulah kuncinya. Bandingkan pada level lingkungan eksekusi — tempat agen benar-benar melakukan sesuatu — dan kontrasnya jelas:

	Lingkungan development manusia	Ruang kerja eksekusi agen
Masa pakai	Berbulan-bulan. Anda kembali ke sana.	Satu tugas, detik hingga menit, lalu selesai.
Yang bertahan di dalamnya	Segalanya, secara default.	Tidak ada, secara default. State permanen berada di luar.
Identitas	Mesin milik Anda.	Ruang kerja bersifat anonim; identitas dan izin dilampirkan per tugas, dari luar.
Provisioning	Disiapkan sekali, biaya diamortisasi.	Muncul sesuai kebutuhan, menghilang saat selesai.
Konkurensi	Satu manusia, satu mesin.	Ribuan berjalan sekaligus, lalu tidak ada.
Kepercayaan	Anda mempercayai diri sendiri.	Tidak dipercaya secara konstruksi. Ia menjalankan kode yang ditulis sendiri, pada input (halaman web, dokumen) yang bisa menyembunyikan instruksi.

Inilah celah yang AgentRun dirancang untuk mengisinya. Alih-alih Anda menyiapkan dan memelihara server untuk tempat agen bekerja, AgentRun menyediakan ruang kerja eksekusi yang segar, terisolasi, dan sekali pakai untuk setiap agen sesuai permintaan — dan menagih Anda hanya saat agen benar-benar bekerja. Selebihnya adalah mengapa desain itu tepat, satu properti setiap kalinya.

Mengapa Eksekusi Sekali Pakai Justru Lebih Baik, dan Bagaimana AgentRun Mewujudkannya

"Sekali pakai" terdengar seperti kompromi. Untuk eksekusi, ini justru peningkatan — dan setiap alasannya memetakan pada sesuatu yang dilakukan AgentRun:

Slate bersih yang terjamin, sehingga perilaku dapat direproduksi. Setiap tugas dimulai dari baseline yang diketahui baik. Tidak ada drift, tidak ada sisa dari run sebelumnya yang diam-diam mengubah hasilnya. AgentRun membuat setiap sandbox baru per tugas dan melepaskannya saat idle, sehingga agen tidak pernah mewarisi kekacauan kemarin. (Inilah juga mengapa "berhasil Selasa, gagal Jumat" hampir tidak pernah terjadi — Jumat dimulai identik dengan Selasa.)
Blast radius yang terbatas, dalam ruang maupun waktu. Agen memenuhi disk, menjalankan perintah mencurigakan yang dipungutnya dari halaman web yang diracuni, atau menghapus filenya sendiri? Ia tersegel dari segalanya dan akan dihancurkan tidak lama kemudian. AgentRun menjalankan setiap sandbox di lingkungan terisolasi dengan filesystem dan process space-nya sendiri, serta membatasi berapa lama setiap instans dapat hidup (satu sandbox bertahan paling lama beberapa jam, dan yang idle diklaim kembali jauh lebih cepat). Disposabilitas mengecilkan potensi insiden menjadi bukan-peristiwa.
Tanpa kontaminasi antar tugas atau antar pengguna. Jika ruang kerja bertahan dan digunakan ulang, sisa kredensial atau data satu tugas bisa muncul di tugas berikutnya — mungkin milik orang lain. Sandbox per tugas membuat seluruh kelas kebocoran ini mustahil secara struktural, bukan sekadar tidak mungkin.
Biaya mengikuti pekerjaan, bukan kalender. Laptop idle satu manusia tidak masalah, karena hanya ada satu manusia. Jutaan mesin agen yang idle adalah tagihan yang serius. Agen bersifat spiky dan sebagian besar menunggu — baik menunggu model membalas atau halaman dimuat. Karena AgentRun berjalan di platform serverless Alibaba Cloud (Function Compute), tidak ada yang perlu di-provisioning terlebih dahulu. Ruang kerja muncul sesuai permintaan dan Anda membayar per penggunaan, bukan untuk kapasitas idle.
Elastisitas tanpa fleet yang perlu dipelihara. Seribu agen bangun sekaligus, seribu ruang kerja muncul, dan semenit kemudian semuanya pergi. Tidak ada capacity planning, tidak ada mesin yang perlu di-patch dan dibersihkan. Substrat serverless menskalakan diri sesuai workload.

Perhatikan bahwa threat model dan desainnya selaras hampir secara definisi. Bahayanya adalah kode yang tidak dipercaya berjalan pada input yang tidak dipercaya. Jawabannya — terisolasi sehingga tidak bisa menjangkau keluar, sekali pakai sehingga tidak ada yang bertahan — praktis merupakan negasi dari bahaya itu.

Inilah Cara Agen Bekerja

Inilah manfaatnya bagi siapa pun yang selama ini merasa agen sedikit misterius: ruang kerja mengungkap rahasianya.

Agen bukan oracle yang mengetahui jawabannya. Ia adalah loop yang mencoba sesuatu di ruang kerja, membaca apa yang terjadi, dan mencoba lagi. Satu-satunya alasan ia membutuhkan sandbox sekali pakai sama sekali adalah karena ia pasti akan membuat kekacauan — menjalankan kode yang error, menginstal hal yang salah, mengambil jalan yang keliru — dan Anda ingin kekacauan itu tersegel dan dibuang. Alasan memorinya berada di luar ruang kerja juga sama: agar bagian yang berantakan bisa dibuang sementara bagian yang dipelajari tetap tersimpan. Trial-and-error terjadi di sel yang dibuang; pelajarannya disimpan di store yang dijaga.

Bayangkan agen AI bukan sebagai jenius, melainkan sebagai asisten magang yang sangat cepat dan tidak kenal lelah yang Anda beri ruangan tersegel, komputer, dan tepat satu tugas. Anda membangun ulang ruangan itu dari awal untuk pekerjaan berikutnya, tapi Anda menyimpan catatannya. Ini bukan sekadar metafora — ini kira-kira arsitekturnya.

03_trace
Agen bekerja melalui trial-and-error: rencanakan, jalankan, gagal, coba lagi, berhasil.

Satu Tugas Nyata, dari Awal hingga Akhir

Mari kita konkretkan. Agen sales-ops mendapat instruksi: "ambil laporan pipeline minggu lalu dan tandai deal yang stagnan."

Ia memunculkan ruang kerja baru. Membuka browser, login ke CRM Anda, dan mengunduh laporan. Menjalankan beberapa baris Python untuk menemukan deal yang tidak tersentuh selama 14 hari. Menulis ringkasan singkat. Kemudian keluar, dan ruang kerja dihancurkan.

Sekarang perhatikan apa yang tidak terjadi:

Tidak ada browser yang tertinggal dalam kondisi login untuk diwarisi oleh run berikutnya.
Tidak ada paket Python yang setengah terinstal tertinggal di mesin berumur panjang.
Tidak ada kredensial CRM yang duduk di dalam VM yang menyala 24/7, menunggu untuk dicuri.
Tidak ada drift "berhasil Selasa lalu" — karena run Jumat ini dimulai dari slate bersih yang identik dengan Selasa.

Dan hal-hal yang memang ingin Anda simpan — seperti ringkasan yang dihasilkan, log audit setiap klik, dan memorinya bahwa "Acme mulai diam" — ditulis di luar ruang kerja, dengan sengaja, sehingga ruang kerja bisa menghilang tanpa menyeret mereka turun bersamanya.

Itulah pembalikan default dalam satu tugas: eksekusinya sekali pakai, hasilnya dan memorinya tidak. Begitu Anda melihatnya dalam satu workflow, Anda akan melihatnya di mana-mana.

Kenali AgentRun: Pembalikan Itu, sebagai Managed Service

Inilah yang dipaketkan AgentRun. Ada godaan untuk menyebutnya "kotak agen serbaguna," tapi itu meremehkan desainnya — yang memisahkan hal-hal berbeda secara tegas alih-alih menggabungkannya begitu saja:

agentrun_01_agent_creation
Mudah dimulai: satu form untuk mendefinisikan model, prompt, dan tool agen Anda — tanpa infrastruktur yang perlu dikelola.

Sandbox eksekusi — ruang kerja sekali pakai itu sendiri. AIO Sandbox AgentRun ("All-In-One") menggabungkan tiga kapabilitas yang benar-benar dibutuhkan "tangan" agen ke dalam satu lingkungan terisolasi: browser headless, interpreter kode, dan terminal interaktif beserta filesystem. Alibaba menyebutnya dengan tepat sebagai "mata, otak, dan tangan" agen.

agentrun_09_sandbox_templates
AgentRun menawarkan lima sandbox template — masing-masing dirancang khusus untuk kelas pekerjaan agen yang berbeda.

Plane browser khusus, Browser Sandbox: browser headless cloud yang dapat dikendalikan dengan tool standar (Playwright atau Puppeteer melalui DevTools protocol), dengan live view bawaan melalui VNC sehingga Anda dapat benar-benar menyaksikan agen mengklik situs secara real time. Saat Anda mendebug "apa sebenarnya yang baru dilakukan agen saya," itulah perbedaan antara kotak hitam dan kotak kaca.

agentrun_10_aio_sandbox_config
Membuat AIO Sandbox: pilih resource, browser, dan runtime Anda — ruang kerja muncul sesuai permintaan dan menghilang saat tugas selesai.

Akses dan tata kelola model — model mana yang boleh dipanggil agen, dan dengan batasan apa.

agentrun_07_model_management
Tata kelola model: kontrol model mana yang boleh dipanggil agen, dan dengan batasan apa.

Plane memori dan state — sisi permanen dari pembalikan itu, yang sengaja berada di luar ruang kerja sekali pakai.

agentrun_03_memory
Memori berada di luar ruang kerja sekali pakai — permanen, dapat dicari, dan sengaja dipisahkan.

Plane observabilitas dan kontrol — jejak dari apa yang dilakukan agen dan mengapa.

agentrun_04_monitoring
Layer observabilitas: setiap invokasi terlacak, setiap unit resource terukur.

Ruang kerja sekali pakai adalah bagian yang dibahas seluruh artikel ini. Layer lainnya ada justru agar bagian itu bisa sekali pakai. Tugas AgentRun adalah menyatukannya sehingga Anda tidak perlu melakukannya sendiri, sambil menjaga batasannya cukup bersih sehingga Anda tetap tahu layer mana yang melakukan apa.

04_boundary
Sekali pakai di tengah, permanen di tepi, semua di satu platform serverless.

agentrun_06_tools_marketplace
Perluas kapabilitas agen dengan marketplace tool MCP dan skill cloud-native — dari Playwright hingga RDS Copilot.

agentrun_11_agent_runtime_list
Mudah dikelola: setiap agent runtime terlihat dan dapat dikontrol dari satu tempat.

Tapi Apakah Aman Menjalankan Kode Buatan AI di Cloud?

Kekhawatiran yang wajar: jika agen menjalankan kode yang tidak dipercaya dan ribuan berbagi hardware, bukankah salah satu bisa keluar dan menjangkau pelanggan lain? Pertanyaan yang tepat — dan jawaban jujurnya bukan "sepenuhnya tersegel" maupun "apa pun boleh."

Ruang kerja ini tidak berjalan di mesin shared yang telanjang. Mereka berjalan di atas isolasi kelas lightweight-VM (secure container) yang sama yang sudah memisahkan jutaan workload serverless multi-tenant. Itu adalah batas yang kuat dan sudah teruji — bukan batas yang baru dan rapuh. Tapi "kuat" bukan berarti "sempurna." Tidak ada isolasi yang tak tertembus; peneliti sesekali menemukan celah. Dan agen menambahkan attack surface yang benar-benar baru yang tidak ditutup oleh sandbox mana pun: prompt injection — di mana input yang tidak dipercaya adalah instruksi agen, diselundupkan melalui halaman web atau dokumen yang dibacanya.

Jadi postur sesungguhnya adalah defense in depth: isolasi yang kuat, ditambah disposabilitas (tidak ada yang bertahan untuk dicuri nantinya), ditambah controlled egress (ia tidak bisa memanggil ke sembarang tempat), ditambah kredensial least-privilege. Disposabilitas bukan satu-satunya cerita keamanan, tapi bagian yang mengubah langkah gegabah agen dari kewajiban yang berkelanjutan menjadi masalah tiga puluh detik.

Mengapa "di atas Function Compute" Penting

Karena semuanya berjalan di platform serverless, tidak ada yang perlu dipesan, diskalakan, atau diingat untuk dimatikan. Ruang kerja dibuat sesuai permintaan, dilepas secara otomatis saat idle, dibatasi hingga beberapa jam masa hidup, dan ditagih per penggunaan. Bentuk pekerjaan agen yang spiky dan sebagian besar menunggu — yang akan sangat mahal jika dijalankan sebagai fleet VM yang selalu menyala — adalah persis apa yang dirancang untuk diserap oleh serverless. Anda membawa logika agen, dan AgentRun menyediakan infrastruktur yang ada hanya saat ia bekerja.

Yang Perlu Anda Ingat

Jika Anda membangun dengan agen, berhentilah berpikir tentang server dan mulailah berpikir tentang dua hal yang sengaja dipisahkan: eksekusi sekali pakai dan segalanya-yang-lain yang permanen. Jangan jalankan kode buatan agen di sebelah aplikasi Anda, dan jangan pula mendirikan fleet VM untuk menghindarinya. Dengan AgentRun, ruang kerja eksekusi sekali pakai adalah sesuatu yang terkelola yang bisa langsung Anda panggil, dengan memori, tata kelola, dan jejak audit yang sudah terintegrasi di sekelilingnya.

Dan perhatikan momentumnya. Bentuk ini hampir tidak ada sebagai kategori produk dua tahun lalu, dan kini ada di mana-mana — ditemukan secara independen oleh tim yang tidak pernah saling membandingkan catatan. Ketika itu terjadi, biasanya itu adalah masalah yang memberi tahu Anda bahwa bentuk jawabannya sudah tepat — bahwa sel eksekusi sekali pakai sedang menjadi ground default tempat workload agen berjalan, sama seperti container secara diam-diam menjadi default untuk segalanya sebelum mereka. AgentRun adalah taruhan Alibaba Cloud untuk menjadi ground itu.

Agen mendapat sorotan. Tapi kotak tak glamor tempat mereka bekerja — dibangun untuk satu tugas, dibuang setelahnya, dengan hal-hal penting tersimpan aman di luar — mungkin adalah bagian yang benar-benar membuat mereka berhasil.

[Closing CTA placeholder — tautan ke dokumentasi AgentRun dan panduan hands-on "bangun agen kecil di AgentRun" sebagai artikel lanjutan.]

Artikel ini diterjemahkan dari versi bahasa Inggris. Silakan merujuk ke artikel asli di sini.

Community

Beri Agen AI Anda Ruang Kerja Sekali Pakai dengan Alibaba Cloud AgentRun

Mulai dari Apa yang Sebenarnya Dilakukan Agen

Pembalikan Paradigma Default

Mengapa Eksekusi Sekali Pakai Justru Lebih Baik, dan Bagaimana AgentRun Mewujudkannya

Inilah Cara Agen Bekerja

Satu Tugas Nyata, dari Awal hingga Akhir

Kenali AgentRun: Pembalikan Itu, sebagai Managed Service

Tapi Apakah Aman Menjalankan Kode Buatan AI di Cloud?

Mengapa "di atas Function Compute" Penting

Yang Perlu Anda Ingat

Read previous post:

Read next post:

Regional Content Hub

You may also like

Comments

Regional Content Hub

Related Products

Token Plan

Alibaba Cloud Model Studio

Function Compute

Qwen