Apa Itu Agentic AI? Cara Kerja, AI Agent dan MCP

AI INFRASTRUCTURE • SUPPORTING GUIDE

Apa Itu Agentic AI?

Fahami bagaimana AI boleh merancang langkah, menggunakan tools dan melaksanakan tugasan untuk mencapai sesuatu objektif—serta mengapa kawalan manusia masih penting.

Oleh Nobodynaga • Artikel konsep AI Infrastructure

Kedudukan Artikel

AI Infrastructure Hub  →  INT/ITL — AI Integration & Intelligence Canon  →  Agentic AI — Supporting Concept

📌 Kandungan Artikel

1. Apa Itu Agentic AI?
2. Perbezaan Agentic AI, AI Agent, MCP dan AI Orchestration
3. Bagaimana Agentic AI Berfungsi?
4. Contoh Agentic Workflow
5. Tahap Autonomi dan Had Tindakan
6. Risiko dan Kawalan Keselamatan
7. Bilakah Agentic AI Sesuai Digunakan?
8. Soalan Lazim

🤖 Apa Itu Agentic AI?

AI hari ini bukan sahaja digunakan untuk menjawab soalan atau menghasilkan teks. Sesetengah sistem juga boleh membantu merancang kerja, menggunakan alat digital dan menjalankan beberapa langkah untuk mencapai sesuatu matlamat.

Pendekatan ini dikenali sebagai Agentic AI. Secara mudah, Agentic AI merujuk kepada sistem AI yang boleh menunjukkan tingkah laku berorientasikan matlamat, seperti merancang tindakan, memilih langkah seterusnya, menggunakan tools dan menilai hasil kerja.

Contohnya, jika anda meminta AI membantu menyediakan laporan jualan, sistem biasa mungkin menerangkan cara membuat laporan atau menghasilkan draf berdasarkan data yang diberikan. Sistem dengan keupayaan agentic pula mungkin boleh mendapatkan data daripada sumber yang dibenarkan, menganalisisnya, menyediakan laporan dan meminta anda menyemak hasilnya.

Namun, bukan semua sistem Agentic AI mempunyai tahap autonomi yang sama. Ada yang hanya mencadangkan langkah. Ada juga yang boleh melaksanakan tindakan tertentu selepas mendapat kebenaran. Tahap kebebasan bergantung pada reka bentuk sistem, akses yang diberikan dan kawalan yang ditetapkan.

🔗 Perbezaan Agentic AI, AI Agent, MCP dan AI Orchestration

Istilah-istilah ini saling berkaitan, tetapi maksudnya tidak sama. Memahami perbezaannya membantu kita melihat bagaimana sesuatu sistem AI dibina dan berfungsi.

Konsep	Maksud Mudah
AI Agent	Komponen atau sistem yang melaksanakan tugas berdasarkan objektif, konteks dan arahan yang diterima.
Agentic AI	Pendekatan yang membolehkan sistem AI merancang, memilih tindakan dan menilai hasil untuk mencapai objektif.
MCP	Protokol yang menyeragamkan cara aplikasi AI berhubung dengan tools dan sumber konteks yang disediakan oleh pelayan MCP.
AI Orchestration	Penyelarasan model, agents, tools dan langkah kerja supaya proses yang lebih besar dapat dijalankan secara teratur.

Ringkasnya, AI Agent boleh menjadi komponen yang menjalankan tugas. Agentic AI menerangkan pendekatan atau keupayaan untuk bertindak berdasarkan matlamat. MCP boleh membantu menghubungkan aplikasi AI dengan tools yang disediakan, manakala AI Orchestration mengatur bagaimana komponen dan langkah kerja bekerjasama.

Untuk penerangan lanjut, baca Apa Itu AI Agent?, Apa Itu MCP (Model Context Protocol)? dan Apa Itu AI Orchestration?.

⚙️ Bagaimana Agentic AI Berfungsi?

Setiap sistem mempunyai reka bentuk yang berbeza. Walau bagaimanapun, workflow agentic biasanya melibatkan beberapa aktiviti asas berikut.

1. Menerima objektif. Sistem memahami tugasan, hasil yang dikehendaki dan batasan yang perlu dipatuhi.
2. Merancang langkah. Tugasan dipecahkan kepada langkah yang lebih kecil jika perlu.
3. Mendapatkan maklumat. Sistem menggunakan konteks atau sumber data yang dibenarkan.
4. Memilih dan menjalankan tindakan. Sistem memilih langkah seterusnya dan menggunakan tools yang tersedia mengikut kebenaran yang diberikan.
5. Memeriksa hasil. Sistem menilai sama ada hasilnya memenuhi objektif dan sama ada langkah tambahan diperlukan.
6. Berhenti atau meminta semakan. Sistem menamatkan tugasan apabila syarat dipenuhi, atau meminta bantuan manusia jika berlaku masalah atau tindakan memerlukan kelulusan.

Proses ini tidak semestinya berjalan dalam satu urutan tetap. Sesetengah sistem mungkin mengulang langkah tertentu, manakala sistem lain menggunakan workflow yang lebih ringkas. Sistem yang baik juga perlu mempunyai had percubaan dan syarat berhenti supaya ia tidak mengulangi tindakan tanpa kawalan.

📊 Contoh Mudah Agentic Workflow

Bayangkan pemilik perniagaan mahu menyediakan laporan jualan mingguan.

Objektif: Sediakan laporan jualan mingguan berdasarkan data dalam spreadsheet yang dibenarkan.

1. AI membaca data jualan yang diberikan akses kepadanya.
2. AI menyemak jumlah jualan dan membandingkan prestasi dengan minggu sebelumnya.
3. AI menyediakan ringkasan, jadual dan perkara yang memerlukan perhatian.
4. AI memeriksa sama ada data yang diperlukan tersedia dan menandakan maklumat yang tidak lengkap.
5. Pengguna menyemak laporan sebelum ia dihantar kepada pihak lain.

Dalam contoh ini, AI bukan sekadar menerangkan cara membuat laporan. Ia membantu menjalankan beberapa langkah kerja. Walau bagaimanapun, tindakan seperti menghantar laporan, mengubah rekod atau membuat keputusan kewangan boleh memerlukan kelulusan manusia bergantung pada risiko dan peraturan organisasi.

🎚️ Tahap Autonomi dan Had Tindakan

Agentic AI tidak semestinya bermaksud AI boleh melakukan apa sahaja dengan sendiri. Tahap autonominya bergantung pada cara sistem dikonfigurasi.

• Bantuan berasaskan cadangan: AI mencadangkan langkah, tetapi manusia melaksanakan tindakan.
• Pelaksanaan dengan kelulusan: AI menyediakan tindakan dan menunggu pengesahan sebelum meneruskannya.
• Pelaksanaan terhad: AI boleh menjalankan tindakan tertentu secara automatik dalam skop dan kebenaran yang telah ditetapkan.

Contohnya, AI mungkin dibenarkan menyediakan draf e-mel secara automatik, tetapi tidak dibenarkan menghantar e-mel kepada pelanggan tanpa kelulusan. Begitu juga, akses untuk membaca data tidak sepatutnya secara automatik memberikan kebenaran untuk mengubah atau memadam data.

Prinsip penting: Berikan AI akses minimum yang diperlukan untuk menjalankan tugas. Tetapkan had tindakan, had penggunaan dan syarat untuk meminta semakan manusia.

🛡️ Risiko dan Kawalan Keselamatan

Apabila AI boleh menggunakan tools atau menjalankan tindakan, kesilapan boleh memberi kesan kepada sistem sebenar. Oleh itu, kawalan perlu dirancang sejak awal.

Risiko	Kawalan Yang Boleh Digunakan
AI menggunakan data yang salah atau tidak lengkap	Semak sumber data dan tandakan maklumat yang tidak pasti.
AI menjalankan tindakan yang tidak sesuai	Tetapkan kebenaran, had tindakan dan kelulusan manusia untuk tindakan berisiko.
Data sensitif terdedah	Hadkan akses kepada data yang diperlukan dan lindungi maklumat sulit.
Sistem mengulangi tindakan atau gagal berhenti	Tetapkan had percubaan, masa tamat, log dan mekanisme berhenti.

Untuk tindakan yang memberi kesan besar—seperti memindahkan wang, memadam rekod, mengubah akses atau menghantar komunikasi penting—jangan bergantung pada andaian bahawa AI akan sentiasa membuat keputusan yang betul. Tetapkan semakan dan kelulusan yang sesuai dengan tahap risiko.

Artikel ini menerangkan kawalan asas dalam konteks Agentic AI. Huraian khusus tentang tadbir urus, keselamatan dan perlindungan AI perlu dirujuk kepada artikel yang berkaitan dalam AI Infrastructure Hub.

🎯 Bilakah Agentic AI Sesuai Digunakan?

Agentic AI lebih berguna apabila sesuatu tugasan memerlukan beberapa langkah yang saling berkaitan, penggunaan maklumat daripada sumber yang dibenarkan atau pemeriksaan hasil sebelum tugasan dianggap selesai.

• Menyediakan laporan daripada data yang tersedia.
• Mengumpulkan maklumat daripada beberapa sumber yang dibenarkan.
• Membantu menyusun tugasan dan mengesan perkara yang belum selesai.
• Menyediakan draf atau cadangan untuk disemak oleh manusia.

Ia mungkin tidak diperlukan untuk tugasan yang sangat mudah, seperti menjawab satu soalan atau menulis ayat ringkas. Sistem agentic juga memerlukan reka bentuk, pengujian dan kawalan yang sesuai. Oleh itu, automasi yang lebih kompleks tidak semestinya pilihan terbaik untuk setiap masalah.

❓ Soalan Lazim Tentang Agentic AI

Apakah maksud Agentic AI?

Agentic AI ialah pendekatan sistem AI yang boleh menunjukkan tingkah laku berorientasikan matlamat, termasuk merancang langkah, memilih tindakan dan menilai hasil. Tahap autonominya bergantung pada reka bentuk dan kawalan sistem.

Adakah Agentic AI sama dengan AI Agent?

Tidak sepenuhnya. AI Agent ialah komponen atau sistem yang menjalankan tugas, manakala Agentic AI menerangkan pendekatan atau keupayaan untuk bertindak berdasarkan matlamat. Istilah ini berkait rapat, tetapi tidak boleh dianggap sama dalam semua konteks.

Adakah Agentic AI memerlukan MCP?

Tidak semestinya. MCP ialah salah satu cara standard untuk menghubungkan aplikasi AI dengan tools dan sumber konteks yang disediakan oleh pelayan MCP. Sistem boleh menggunakan kaedah integrasi lain bergantung pada reka bentuknya.

Adakah Agentic AI sentiasa bertindak secara automatik?

Tidak. Sesetengah sistem hanya mencadangkan tindakan, sesetengahnya memerlukan kelulusan pengguna, dan sesetengahnya boleh menjalankan tindakan terhad secara automatik. Kebenaran dan had tindakan perlu ditentukan dengan jelas.

Adakah Agentic AI boleh melakukan kesilapan?

Ya. Sistem boleh menggunakan maklumat yang tidak lengkap, memilih tindakan yang kurang sesuai atau gagal mencapai objektif. Pengujian, log, had tindakan dan pengawasan manusia membantu mengurangkan risiko tersebut.

📚 Artikel Berkaitan Di Nobodynaga

• AI Infrastructure Hub
• INT/ITL — AI Integration & Intelligence Canon
• Apa Itu AI Agent?
• Apa Itu MCP (Model Context Protocol)?
• Apa Itu AI Orchestration?

📌 Ringkasan Utama

• Agentic AI membantu sistem AI bekerja ke arah sesuatu objektif melalui beberapa langkah.
• AI Agent, Agentic AI, MCP dan AI Orchestration mempunyai fungsi yang berkaitan tetapi berbeza.
• Tidak semua sistem Agentic AI mempunyai tahap autonomi yang sama.
• Akses kepada tools dan data mesti dihadkan mengikut keperluan.
• Semakan manusia masih penting untuk tindakan berisiko tinggi.

🏁 Kesimpulan

Agentic AI membawa penggunaan AI daripada sekadar menghasilkan jawapan kepada membantu menjalankan proses yang mempunyai beberapa langkah. Sistem boleh merancang tugasan, menggunakan tools yang dibenarkan dan menyemak hasil untuk menentukan langkah seterusnya.

Namun, Agentic AI bukan bermaksud AI mempunyai kebebasan tanpa had. Tahap autonomi, akses data dan tindakan yang dibenarkan perlu ditentukan berdasarkan tujuan sistem dan risiko yang terlibat.

Dalam ekosistem Nobodynaga, Agentic AI ialah Supporting Concept di bawah AI Integration & Intelligence Canon. Ia melengkapkan pemahaman tentang AI Agent, MCP dan AI Orchestration tanpa menggantikan peranan setiap konsep tersebut.

💡 Nobodynaga Insight

Nilai Agentic AI bukan sekadar pada keupayaannya bertindak, tetapi pada cara tindakan itu dirancang, dibatasi dan diperiksa supaya benar-benar membantu manusia mencapai objektif.