CrewAI: Gambaran

Dari Satu Agent ke Satu Tim

Sejauh ini agent kita tunggal: satu AI mengerjakan semuanya. CrewAI adalah framework untuk multi-agent: beberapa AI dengan peran berbeda (peneliti, penulis, editor, penguji) bekerja sama seperti tim manusia, masing-masing dengan tugas, tools, dan tujuan sendiri, dikoordinasikan untuk mencapai tujuan besar.

Analoginya: satu koki hebat vs tim dapur (koki utama, sous chef, pastry chef). Untuk masakan sederhana, satu koki cukup dan lebih cepat. Untuk jamuan 7 hidangan, tim menang. Multi-agent = tim dapur untuk tugas AI yang kompleks.

Contoh 1: Cara Kerja Tim AI (Konsep Praktis)

Skenario CrewAI tipikal: "riset topik + tulis artikel".

Agent 1, Peneliti: peran "peneliti web yang teliti", tools: browsing/search. Tugas: kumpulkan 5 fakta kunci tentang topik X dengan sumbernya.

Agent 2, Penulis: peran "penulis teknologi", tools: tidak perlu browsing. Tugas: tulis artikel 500 kata BERDASARKAN hasil peneliti (bukan dari ingatannya sendiri: ini grounding!).

Agent 3, Editor: peran "editor ketat". Tugas: periksa artikel: fakta sesuai sumber peneliti? Bahasa rapi? Kembalikan ke penulis jika perlu revisi (loop!).

Koordinator (CrewAI) mengatur urutan dan aliran data antar agent. Kamu mendefinisikan: siapa (peran + model), bisa apa (tools), tugas apa (deskripsi + output yang diharapkan), dan alur (berurutan atau paralel).

Pola ini menyelesaikan masalah agent tunggal: pemisahan perhatian. Agent peneliti fokus mencari (tidak terganggu menulis), penulis fokus menulis (tidak mengarang fakta karena diberi sumber), editor fokus mengkritik. Tiap peran bisa memakai model yang tepat (peneliti: model murah + browsing; penulis: model bagus).

Contoh 2: Kapan Multi-Agent Worth It vs Overkill (Keputusan)

Worth it kalau:

• Tugas punya SUB-TUGAS yang jelas berbeda keahlian (riset vs tulis vs review vs kode vs test).
• Kualitas lebih penting dari kecepatan/biaya (multi-agent = lebih banyak token = lebih mahal dan lambat).
• Kamu butuh "checks and balances": agent yang memeriksa agent lain (penulis vs editor) mengurangi halusinasi secara struktural.

Overkill kalau:

• Tugas bisa dikerjakan satu agent dengan prompt chaining baik. Jangan bangun tim untuk pekerjaan satu orang.
• Kamu belum bisa membuat SINGLE agent bekerja andal. Multi-agent yang goyah = kekacauan kuadrat. Kuasai dulu modul agent (opencode-workflows, agent-prompting).
• Budget/kecepatan ketat. Setiap agent tambahan = token tambahan + waktu tunggu.

Aturan praktis industri: mulai dari single agent. Pecah jadi multi-agent HANYA saat ada bukti (dari eval!) bahwa pemisahan peran meningkatkan kualitas secara signifikan. "Terasa keren" bukan bukti.

Catatan teknis: Tantangan teknis multi-agent: (1) komunikasi: format handoff antar agent harus terstruktur (structured output, modul structured-output) agar tidak ada informasi hilang/rusak di tengah; (2) koordinasi: siapa memutuskan saat agent tidak setuju? (pola: agent senior/atasan, atau voting, atau manusia sebagai penengah); (3) biaya: N agent x M putaran = token meledak, pantau ketat (modul budgeting-token); (4) debugging: saat hasil akhir buruk, agent mana yang salah? Butuh logging per agent (observabilitas dari modul langchain-gambaran). Framework alternatif: AutoGen (Microsoft, fokus percakapan antar agent), LangGraph (kontrol graph eksplisit). CrewAI unggul di kemudahan: definisi peran-tugas yang deklaratif dan cepat diprototipe.

Kesalahan Umum

1. Terlalu banyak agent. 7 agent untuk tugas sederhana = birokrasi AI. Mulai dari 2-3 dengan peran yang benar-benar berbeda.
2. Peran yang tumpang tindih. "Peneliti" dan "asisten riset" tanpa pembeda jelas = mereka mengerjakan hal yang sama dua kali (boros) atau saling menunggu (macet). Tulis pembeda eksplisit.
3. Tidak ada kriteria selesai per agent. Agent tanpa definisi "done" untuk tugasnya akan berputar atau berhenti prematur. Tiap tugas butuh output yang diharapkan yang konkret.
4. Melewatkan manusia dari loop. Untuk keputusan penting, tetap ada checkpoint manusia antar tahap kritis (peneliti selesai -> manusia cek fakta -> penulis jalan). Otomatisasi penuh untuk hal kritis = risiko.

Rangkuman

CrewAI = framework tim AI: beberapa agent berperangai peran berbeda, berkoordinasi menyelesaikan tugas kompleks. Kekuatannya: pemisahan perhatian + checks and balances. Harganya: token, waktu, kompleksitas. Pakai saat sub-tugas benar-benar butuh keahlian berbeda dan ada bukti kualitasnya meningkat; jangan untuk gaya-gayaan. Kuasai single agent dulu, tim kemudian.