Apa Itu Sistem Multi-Agen dan Bagaimana Cara Kerjanya?

Perkembangan Artificial Intelligence (AI) kini tidak lagi hanya berbicara tentang chatbot yang mampu menjawab pertanyaan pengguna. Teknologi AI mulai berkembang menjadi sistem yang dapat merencanakan pekerjaan, menggunakan berbagai alat, mengambil keputusan, belajar dari informasi baru, hingga menjalankan sejumlah tugas secara mandiri.

Salah satu konsep yang berkembang dalam teknologi tersebut adalah sistem multi-agen (multi-agent system/MAS). Sesuai namanya, sistem ini melibatkan lebih dari satu agen AI yang bekerja sama untuk mencapai tujuan tertentu.

Jika satu agen AI dapat diibaratkan sebagai seorang pekerja digital yang mampu menerima tugas dan menyelesaikannya sendiri, sistem multi-agen dapat dianalogikan sebagai sebuah tim. Setiap anggota tim memiliki kemampuan dan tanggung jawab berbeda, tetapi semuanya bekerja menuju tujuan yang sama.

Konsep ini menjadi menarik karena tidak semua pekerjaan kompleks dapat diselesaikan secara optimal oleh satu agen. Ada tugas yang membutuhkan kemampuan mencari informasi, menganalisis data, membuat keputusan, melakukan perencanaan, menjalankan tindakan, sekaligus memeriksa hasilnya. Dalam sistem multi-agen, pekerjaan tersebut dapat dibagi kepada sejumlah agen yang memiliki keahlian berbeda.

Dengan pendekatan tersebut, sistem dapat menangani pekerjaan yang lebih besar dan rumit. Bahkan, dalam penerapan tertentu, sebuah sistem multi-agen dapat melibatkan ratusan hingga ribuan agen yang berinteraksi satu sama lain.

Mengenal Agen AI Terlebih Dahulu

Sebelum memahami sistem multi-agen, penting untuk mengetahui apa yang dimaksud dengan agen AI. Agen AI adalah sistem atau program yang dapat menjalankan tugas secara mandiri atas nama pengguna atau sistem lain. Agen tidak sekadar memberikan jawaban berdasarkan pertanyaan yang diterimanya, tetapi dapat menentukan langkah yang perlu dilakukan untuk mencapai tujuan.

Misalnya, pengguna meminta agen AI mencari informasi mengenai sebuah produk. Agen tersebut dapat merancang langkah kerja, mencari informasi dari internet, membandingkan beberapa sumber, mengolah hasil pencarian, kemudian menyajikan kesimpulan kepada pengguna.

Kemampuan tersebut berbeda dengan penggunaan AI secara sederhana. Large language model (LLM) pada dasarnya dirancang untuk memahami dan menghasilkan bahasa. Sementara itu, agen AI dapat memanfaatkan LLM sebagai bagian dari sistem yang lebih luas.

Agen AI juga dapat menggunakan berbagai alat eksternal. Alat tersebut dapat berupa basis data, mesin pencari web, perangkat lunak tertentu, maupun application programming interface (API) yang memungkinkan agen berinteraksi dengan layanan lain.

Selain itu, agen AI dapat menyusun rencana sebelum melakukan tindakan. Agen dapat menentukan pekerjaan apa yang harus dilakukan terlebih dahulu, alat apa yang diperlukan, dan kapan harus melakukan langkah berikutnya.

Dalam sistem tertentu, agen juga dapat menyimpan dan memperbarui informasi yang diperolehnya. Kemampuan menggunakan alat, membuat rencana, mengingat informasi, dan beradaptasi inilah yang membuat agen AI lebih fleksibel dibandingkan LLM tradisional.

Lalu, Apa Itu Sistem Multi-Agen?

Sistem multi-agen adalah sistem yang terdiri dari beberapa agen AI yang bekerja secara bersama-sama untuk mencapai tujuan tertentu. Masing-masing agen memiliki kemampuan, tugas, atau perspektif yang berbeda. Namun, perbedaan tersebut justru menjadi kekuatan karena pekerjaan dapat dibagi sesuai kebutuhan.

Bayangkan sebuah perusahaan yang harus melakukan riset pasar. Dalam sistem agen tunggal, satu agen AI mungkin harus mencari data, menganalisis tren, memeriksa kompetitor, menyusun laporan, dan mengevaluasi hasilnya.

Dalam sistem multi-agen, pekerjaan tersebut dapat dibagi. Satu agen bertugas mencari data pasar, agen lain menganalisis kompetitor, agen berikutnya memeriksa tren, sementara agen lain menggabungkan seluruh hasil menjadi sebuah laporan.

Ada pula agen yang berfungsi sebagai pengawas. Agen ini dapat memeriksa apakah hasil pekerjaan agen lain sudah sesuai dengan tujuan awal.

Dengan demikian, sistem multi-agen tidak hanya berarti "banyak AI" yang bekerja bersamaan. Hal yang lebih penting adalah adanya interaksi, komunikasi, koordinasi, dan pembagian tugas di antara agen-agen tersebut.

Apa Bedanya Agen Tunggal dengan Multi-Agen?

Perbedaan utama sistem agen tunggal dan multi-agen terletak pada cara komponen AI bekerja sama. Pada sistem agen tunggal, satu agen berinteraksi dengan lingkungannya. Agen tersebut dapat membuat rencana, menggunakan alat, memperoleh informasi, dan menghasilkan keputusan.

Agen tunggal bahkan dapat menggunakan agen lain sebagai alat. Namun, dalam kondisi tersebut, agen lain hanya diperlakukan sebagai sumber informasi. Setelah informasi diperoleh, tidak selalu terjadi kerja sama lebih lanjut antara kedua agen. Sistem multi-agen memiliki pendekatan yang berbeda. Agen-agen di dalam sistem dapat saling mengetahui tujuan, membagikan informasi, berkoordinasi, serta menyesuaikan rencana berdasarkan tindakan agen lain.

Sebagai contoh, agen A dapat menemukan data baru. Informasi tersebut kemudian diberikan kepada agen B. Setelah menerima informasi, agen B mengubah rencananya dan meminta agen C melakukan analisis tambahan. Proses semacam itu dapat berlangsung terus-menerus hingga tujuan bersama tercapai.

Komunikasi antaragen dapat dilakukan secara langsung. Agen juga dapat berkomunikasi secara tidak langsung melalui perubahan pada lingkungan yang digunakan bersama. Kemampuan tersebut memungkinkan masalah besar dipecah menjadi tugas-tugas yang lebih kecil dan ditangani secara paralel.

Bagaimana Agen-Agen AI Bekerja Sama?

Setiap agen dalam sistem multi-agen tetap memiliki tingkat otonomi. Artinya, agen dapat membuat keputusan dan menjalankan tindakan tertentu secara mandiri. Namun, otonomi tersebut tidak berarti agen bekerja tanpa aturan.

Sebuah sistem multi-agen biasanya memiliki tujuan utama. Dari tujuan tersebut, pekerjaan dapat dibagi menjadi sejumlah tugas yang lebih kecil.

Misalnya, sebuah perusahaan ingin membuat laporan mengenai kondisi pasar. Agen pertama dapat mengumpulkan data, agen kedua melakukan analisis, agen ketiga memeriksa keakuratan informasi, dan agen keempat menyusun laporan. Dalam proses tersebut, para agen dapat bertukar informasi dan hasil pekerjaan. Agen juga dapat memberikan masukan kepada agen lain ketika menemukan kesalahan atau informasi tambahan.

Pendekatan semacam ini berkaitan dengan konsep multi-agent reinforcement learning, yaitu pembelajaran penguatan yang melibatkan beberapa agen. Agen dapat membagikan pengalaman yang diperoleh melalui sensor, tindakan, maupun interaksi dengan lingkungan. Pengalaman tersebut dapat berupa rangkaian tindakan dan strategi yang sudah terbukti berhasil.

Dengan berbagi pengalaman, agen lain tidak harus mengulangi proses pembelajaran yang sama dari awal. Hal ini berpotensi menghemat waktu dan sumber daya.

Arsitektur Sistem Multi-Agen

Cara agen-agen dalam sistem multi-agen terhubung dan berkomunikasi dapat berbeda-beda. Salah satu faktor pentingnya adalah arsitektur sistem.

• Jaringan Terpusat
  Dalam jaringan terpusat, terdapat satu unit pusat yang berfungsi mengelola pengetahuan, komunikasi, atau koordinasi seluruh agen. Unit pusat dapat menerima informasi dari berbagai agen, mengolahnya, kemudian memberikan instruksi kepada agen yang diperlukan.

  Kelebihan pendekatan ini adalah koordinasi lebih mudah. Informasi juga dapat dikelola melalui satu tempat sehingga agen memiliki akses terhadap pengetahuan yang relatif seragam.

  Namun, terdapat kelemahan penting. Sistem menjadi bergantung pada unit pusat. Jika pusat koordinasi mengalami gangguan, sebagian besar atau bahkan seluruh agen dapat ikut terdampak. Kondisi tersebut membuat unit pusat menjadi titik kegagalan yang perlu diamankan dengan baik.

• Jaringan Terdesentralisasi
  Berbeda dengan jaringan terpusat, jaringan terdesentralisasi tidak bergantung pada satu pusat. Agen dapat berkomunikasi dan bertukar informasi secara langsung dengan agen lain di sekitarnya. Setiap agen dapat mengambil keputusan berdasarkan informasi yang dimilikinya. Keuntungan pendekatan ini adalah sistem cenderung lebih tahan terhadap kegagalan. Jika satu agen mengalami masalah, agen lain masih dapat menjalankan tugasnya.

  Namun, desentralisasi juga menghadirkan tantangan. Semakin banyak agen yang berinteraksi, semakin sulit memastikan semua agen memiliki pemahaman yang sama mengenai tujuan sistem. Karena itu, diperlukan mekanisme koordinasi agar tindakan satu agen tidak justru mengganggu pekerjaan agen lainnya.

Struktur dalam Sistem Multi-Agen

Selain arsitektur jaringan, agen dapat diatur menggunakan beberapa jenis struktur.

• Struktur Hierarkis
  Struktur hierarkis menyerupai bentuk pohon. Ada agen yang memiliki kewenangan lebih tinggi dan agen lain yang berada di bawahnya. Agen utama dapat bertugas menentukan tujuan atau membagi pekerjaan kepada subagen. Subagen kemudian mengerjakan tugas masing-masing dan melaporkan hasilnya.

  Struktur ini cocok ketika sistem membutuhkan pembagian wewenang yang jelas. Namun, terlalu banyak ketergantungan pada agen tertentu dapat menjadi kelemahan.

• Struktur Holonik
  Dalam struktur holonik, sejumlah agen atau subagen dapat membentuk satu kesatuan yang lebih besar. Konsep ini dapat dianalogikan dengan tubuh manusia. Tubuh merupakan satu kesatuan, tetapi di dalamnya terdapat banyak organ dengan fungsi berbeda. Organ-organ tersebut bekerja bersama sehingga tubuh dapat berfungsi sebagai satu entitas.

  Dalam sistem multi-agen holonik, satu agen utama dapat memiliki beberapa subagen. Menariknya, subagen tersebut juga dapat menjadi bagian dari struktur lain. Pendekatan ini memungkinkan sistem membentuk organisasi yang lebih fleksibel untuk mencapai tujuan tertentu.

• Struktur Koalisi
  Dalam struktur koalisi, sejumlah agen dapat bergabung sementara untuk menyelesaikan pekerjaan tertentu. Misalnya, sebuah agen tidak mampu menyelesaikan tugas secara optimal sendirian. Agen tersebut dapat bekerja sama dengan agen lain yang memiliki kemampuan berbeda.

  Setelah tujuan tercapai, kelompok tersebut dapat dibubarkan dan masing-masing agen kembali menjalankan tugasnya. Model seperti ini sangat berguna ketika kebutuhan sistem sering berubah. Namun, membangun dan mempertahankan koalisi juga membutuhkan koordinasi yang baik.

• Struktur Tim
  Struktur tim memiliki kemiripan dengan koalisi, tetapi hubungan antaragen biasanya lebih erat. Setiap agen memiliki peran tertentu dan keberhasilan kelompok sangat bergantung pada kerja sama anggotanya. Karena itu, agen dalam tim cenderung lebih saling bergantung dibandingkan agen dalam koalisi sementara.

Mengenal Flocking dan Swarming

Perilaku sistem multi-agen sering kali terinspirasi dari fenomena yang terjadi di alam. Salah satunya adalah flocking, yaitu pola pergerakan kelompok seperti burung yang terbang bersama atau ikan yang bergerak dalam kelompok.

Dalam flocking, terdapat tiga prinsip penting.

• Pertama, separation, yaitu upaya setiap agen menjaga jarak agar tidak bertabrakan dengan agen lain.
• Kedua, alignment, yaitu upaya agen menyesuaikan arah dan kecepatannya dengan agen di sekitarnya.
• Ketiga, cohesion, yaitu upaya agen tetap berada cukup dekat dengan kelompoknya.

Konsep tersebut dapat diterapkan pada sistem robot maupun perangkat lunak. Contohnya, sejumlah kendaraan atau robot dapat bergerak secara terkoordinasi tanpa saling bertabrakan. 

Sementara itu, swarming lebih menekankan pada munculnya perilaku kelompok secara mandiri dari interaksi agen-agen yang tidak dikendalikan oleh satu pusat. Konsep ini dapat ditemukan pada kawanan burung, semut, atau serangga. Masing-masing individu mengikuti aturan sederhana, tetapi interaksi di antara mereka dapat menghasilkan perilaku kelompok yang kompleks. 

Dalam teknologi, pendekatan swarming memungkinkan sejumlah agen bekerja secara terdesentralisasi. Satu operator bahkan dapat mengelola sekumpulan agen sekaligus.

Penerapan Sistem Multi-Agen di Dunia Nyata

Sistem multi-agen memiliki potensi penerapan yang luas.

• Transportasi
  Dalam bidang transportasi, sistem multi-agen dapat digunakan untuk mengelola jaringan yang terdiri dari banyak kendaraan dan komponen. Pada jaringan kereta api, misalnya, agen dapat membantu mengatur jadwal, pergerakan kereta, penggunaan jalur, serta respons terhadap gangguan.

  Konsep serupa dapat diterapkan untuk mengatur distribusi truk atau koordinasi kapal yang datang ke pelabuhan. Kemampuan agen untuk berkomunikasi, membuat rencana, dan menggunakan informasi secara real-time menjadi sangat penting dalam sistem semacam ini.

• Kesehatan
  Di bidang kesehatan, sistem multi-agen dapat digunakan untuk membantu menganalisis data dan mendukung penelitian. Beberapa agen dapat mengolah jenis informasi yang berbeda. Ada agen yang menangani data genetik, sementara agen lainnya menganalisis data medis atau penelitian sebelumnya. Sistem multi-agen juga dapat digunakan untuk memodelkan penyebaran penyakit.

  Dengan memadukan data epidemiologi dan teknik pembelajaran mesin, sistem dapat membantu peneliti memahami kemungkinan pola penyebaran penyakit. Hasilnya dapat menjadi salah satu masukan dalam pengambilan keputusan kesehatan masyarakat.

• Supply Chain
  Supply chain merupakan bidang lain yang sangat kompleks karena melibatkan banyak pihak, mulai dari produsen, gudang, distributor, perusahaan transportasi hingga konsumen. Sistem multi-agen dapat digunakan untuk menghubungkan berbagai komponen tersebut. Agen dapat membantu memantau persediaan, memperkirakan kebutuhan, mengatur pengiriman, atau melakukan negosiasi.

  Kemampuan bernegosiasi menjadi penting karena setiap bagian dalam rantai pasok tidak selalu memiliki tujuan yang sama. Agen yang mewakili pemasok, distributor, dan penjual dapat memiliki kepentingan berbeda, tetapi tetap harus mencapai kesepakatan yang menguntungkan sistem secara keseluruhan.

• Pertahanan dan Keamanan Siber
  Sistem multi-agen juga dapat digunakan untuk simulasi dan pemantauan keamanan. Dalam simulasi pertahanan, beberapa agen dapat mewakili unit yang berbeda dan memodelkan bagaimana mereka berinteraksi ketika menghadapi ancaman.

  Dalam keamanan siber, agen dapat ditempatkan pada berbagai bagian jaringan untuk memantau aktivitas yang mencurigakan. Jika salah satu agen mendeteksi anomali, informasi tersebut dapat dibagikan kepada agen lain sehingga respons terhadap ancaman dapat dilakukan secara lebih cepat.

Apa Keuntungan Sistem Multi-Agen?

Salah satu keunggulan terbesar sistem multi-agen adalah fleksibilitas. Ketika kebutuhan berubah, agen baru dapat ditambahkan, agen yang tidak diperlukan dapat dihapus, atau fungsi agen yang sudah ada dapat disesuaikan.

Sistem ini juga memiliki skalabilitas. Pekerjaan yang besar dapat dibagi menjadi sejumlah tugas yang lebih kecil sehingga dapat ditangani oleh beberapa agen. Keuntungan berikutnya adalah spesialisasi. Tidak semua agen harus memiliki kemampuan yang sama. Agen dapat dirancang untuk fokus pada bidang tertentu. 

Misalnya, satu agen fokus pada analisis data, agen lain pada pencarian informasi, sementara agen ketiga bertugas memeriksa hasil. Kolaborasi tersebut juga berpotensi meningkatkan kinerja. Pengetahuan dan pengalaman dari satu agen dapat dimanfaatkan oleh agen lainnya sehingga sistem tidak harus selalu memulai proses pembelajaran dari awal.

Tantangan yang Harus Dihadapi

Meski terlihat menjanjikan, sistem multi-agen bukan tanpa masalah. Salah satu tantangan terbesar adalah koordinasi. Semakin banyak agen yang terlibat, semakin rumit komunikasi dan pembagian tugasnya. Agen juga dapat menghasilkan keputusan yang bertentangan. Jika tidak memiliki mekanisme koordinasi yang baik, tindakan satu agen dapat mengganggu pekerjaan agen lain.

Tantangan lainnya adalah perilaku yang sulit diprediksi. Karena agen memiliki tingkat otonomi, sistem dapat menghasilkan perilaku yang tidak selalu sesuai dengan ekspektasi pengembang. Masalah juga dapat muncul ketika sejumlah agen dibangun menggunakan model dasar yang sama. Jika model tersebut memiliki kelemahan tertentu, kelemahan yang sama berpotensi muncul pada banyak agen sekaligus.

Karena itu, pengembangan sistem multi-agen membutuhkan proses pelatihan, pengujian, pemantauan, serta tata kelola data yang kuat.

Sistem Multi-Agen, Langkah Berikutnya dalam Perkembangan AI?

Sistem multi-agen menunjukkan bahwa masa depan AI tidak selalu harus bergantung pada satu model yang melakukan semuanya.

Sebaliknya, pekerjaan dapat dibagi kepada sejumlah agen dengan kemampuan berbeda. Mereka kemudian dapat berkomunikasi, bertukar informasi, menyusun rencana, menggunakan alat, dan mengambil tindakan untuk mencapai tujuan bersama.

Konsep ini membuat AI semakin menyerupai sebuah tim digital. Satu agen tidak harus mengetahui atau melakukan semuanya. Agen dapat mengandalkan keahlian agen lain ketika menghadapi tugas yang berada di luar kemampuannya.

Namun, semakin mandiri sebuah sistem, semakin penting pula mekanisme pengawasan dan pengendaliannya. Sistem multi-agen harus mampu memastikan setiap agen memahami perannya, bekerja sesuai tujuan, dan tidak menghasilkan tindakan yang justru merugikan sistem secara keseluruhan.

Pada akhirnya, sistem multi-agen bukan sekadar kumpulan AI yang bekerja bersamaan. Inti teknologinya adalah kemampuan berbagai agen untuk berkolaborasi dan membagi pekerjaan secara cerdas.

Jika dikembangkan dengan baik, pendekatan ini dapat membuka peluang baru dalam berbagai bidang, mulai dari transportasi, kesehatan, rantai pasok, robotika hingga keamanan siber. Sistem multi-agen juga dapat menjadi salah satu fondasi penting menuju AI yang semakin mampu menangani pekerjaan kompleks secara mandiri, terkoordinasi, dan adaptif.