JawabanDipublikasikan2 bulan yang laluLast edited 2 bulan yang lalu19 sumber

Alibaba Cloud Agent Studio Menandai Pergeseran AI Perusahaan dari Model ke Infrastruktur Agen

Diperkenalkan di Alibaba Cloud Bailian pada peluncuran Apsara 14 Agustus 2026, Agent Studio menyatukan pengembangan agen, runtime, pengetahuan, memori, tools, dan operasi dalam satu platform. Managed Agent menyediakan runtime terkelola untuk tugas panjang seperti pemanggilan tools, eksekusi kode, dan pemrosesan file...

Diterbitkan olehDiedit dengan GPT-5.6 LunaGambar dibuat dengan GPT Image 1.5

Cari dan periksa fakta dengan Studio Global AI Jelajahi lebih banyak halaman Trending

Jawaban penelitian

Poin-poin penting

Diperkenalkan di Alibaba Cloud Bailian pada peluncuran Apsara 14 Agustus 2026, Agent Studio menyatukan pengembangan agen, runtime, pengetahuan, memori, tools, dan operasi dalam satu platform.
Managed Agent menyediakan runtime terkelola untuk tugas panjang seperti pemanggilan tools, eksekusi kode, dan pemrosesan file, dengan sesi di sisi server, riwayat peristiwa persisten, serta sandbox terisolasi.
Agent Studio mencerminkan tiga pilihan utama perusahaan: membangun seluruh stack sendiri, memakai framework pengembangan, atau mengadopsi platform agen enterprise terkelola.
One Key Service menyederhanakan autentikasi layanan MCP, sementara Private Skills, Knowledge Studio, Agentic Search, Memory Studio, dan Playground membentuk lapisan operasional di sekitar model AI.

Abstract editorial illustration of enterprise AI agents connecting models, tools, knowledge, memory, and cloud infrastructure — What is Alibaba Cloud’s Agent Studio, launched on Bailian at the August 14, 2026 Apsara release, and how does it reflect the broader shift bAgent Studio represents the shift from model access toward managed infrastructure for enterprise AI agents.
AI Perintah
Create a landscape editorial hero image for this Studio Global article: What is Alibaba Cloud’s Agent Studio, launched on Bailian at the August 14, 2026 Apsara release, and how does it reflect the broader shift b. Article summary: Alibaba Cloud’s Agent Studio is Bailian’s all-in-one enterprise agent platform, introduced at the August 14 Apsara release to consolidate agent building, runtime, knowledge, memory, tools, security, and operations into a. Topic tags: general, documentation, general web. Style: premium digital editorial illustration, source-backed research mood, clean composition, high detail, modern web publication hero. Use reference image context only for broad subject, composition, and topical grounding; do not copy the exact image. Avoid: logos, brand marks, copyrighted characters, real person likenesses, fake screenshots, UI text, readable text, watermarks, charts with fak
openai.com

Alibaba Cloud Agent Studio adalah upaya Bailian untuk mengubah pengembangan AI agent—atau agen AI—dari kumpulan proyek engineering yang terpisah menjadi layanan enterprise terkelola. Dalam peluncuran Apsara pada 14 Agustus 2026, platform ini diperkenalkan sebagai lapisan yang menyatukan pembuatan agen, eksekusi ter-hosting, pencarian pengetahuan, memori, tools, dan antarmuka operasional. 8 20

Pesan strategisnya cukup jelas: ketika model AI semakin mudah diakses, tantangan yang lebih sulit dan berpotensi mahal adalah menjalankan pekerjaan multi-langkah secara andal di produksi. Agent Studio dirancang untuk mengelola lapisan di sekitar model tersebut, bukan sekadar bersaing dalam kemampuan model.

Apa yang ditawarkan Agent Studio?

Agent Studio menggabungkan kemampuan yang biasanya harus dirakit sendiri oleh tim teknologi, antara lain:

Pembuatan agen dan workflow;
Eksekusi ter-hosting untuk tugas jangka panjang;
Integrasi tools dan MCP;
Pengambilan pengetahuan enterprise serta agentic RAG;
Memori persisten dan Skills yang dapat digunakan ulang;
Eksekusi kode serta pemrosesan file dalam sandbox;
API untuk pemanggilan agen, pencarian pengetahuan, pengelolaan memori, dan manajemen runtime. 1 17

Karena itu, produk ini bukan sekadar pembuat prompt visual. Targetnya adalah persoalan operasional yang muncul ketika agen harus menyusun rencana, memanggil tools, menangani file, mempertahankan konteks, melanjutkan pekerjaan setelah gangguan, serta beroperasi dalam batas keamanan dan biaya tertentu.

Tiga pendekatan membangun dan menjalankan agen

Perusahaan kini umumnya berhadapan dengan tiga pilihan besar.

1. Membangun seluruh stack sendiri

Pendekatan ini memberi kontrol paling besar atas orkestrasi, penyimpanan data, identitas, keamanan, observabilitas, infrastruktur, dan portabilitas. Model ini masuk akal bagi organisasi dengan kebutuhan yang sangat khusus atau platform internal yang sudah matang.

Namun, perusahaan juga harus menanggung seluruh pekerjaan reliabilitas, beban integrasi, pengelolaan infrastruktur, serta perhitungan biaya secara rinci.

2. Menggunakan framework pengembangan

Framework dan SDK dapat mempercepat orkestrasi, penggunaan tools, serta integrasi model. Akan tetapi, framework tidak otomatis menyediakan hosting produksi, isolasi sandbox, state yang tahan lama, autentikasi, tata kelola, monitoring, atau FinOps.

Artinya, tanggung jawab tersebut tetap berada di tangan tim aplikasi.

3. Mengadopsi platform agen enterprise

Platform terkelola seperti Agent Studio mengemas lebih banyak kebutuhan tersebut sebagai layanan. Keuntungannya adalah waktu dari prototipe menuju produksi bisa lebih singkat dan cara operasional menjadi lebih seragam.

Imbalannya adalah kontrol tingkat rendah yang lebih terbatas dan ketergantungan lebih besar kepada vendor—terutama ketika tools, memori, knowledge store, dan API runtime saling terintegrasi secara erat.

Managed Agent: fondasi runtime terkelola

Managed Agent merupakan runtime ter-hosting dari Bailian untuk pekerjaan multi-langkah dan berdurasi panjang, termasuk pemanggilan tools, eksekusi kode, dan pemrosesan file. Layanan ini mengelola state sesi, lingkungan sandbox, serta eksekusi tools.

Agen berjalan dalam container cloud yang terisolasi, sementara riwayat peristiwa disimpan di sisi server. Alur yang terdokumentasi juga mendukung penghentian sementara dan pelanjutan pekerjaan. 17

Arsitektur Managed Agent dapat dipahami melalui lima lapisan:

Fondasi runtime: Komputasi terkelola dan eksekusi siklus hidup menggantikan fleet worker yang harus dioperasikan sendiri oleh pelanggan.
Manajemen konteks: Sesi serta riwayat peristiwa yang dikelola server mengurangi kode yang harus ditulis aplikasi untuk menangani state. 17
Ekstensi MCP dan Skills: Tools terstandardisasi serta kemampuan yang dapat digunakan ulang bisa ditambahkan ke agen.
Keamanan sandbox: Lingkungan terisolasi mendukung perintah, operasi file, instalasi dependensi, dan pemrosesan data. 17
API dan observabilitas: Antarmuka programatik mencakup siklus hidup managed agent, pemanggilan aplikasi, pencarian pengetahuan, dan pengelolaan memori. 1

Desain ini penting karena beban kerja agen berbeda dari pemanggilan model satu kali. Satu permintaan pengguna dapat memicu perencanaan, pencarian informasi, beberapa pemanggilan tools, eksekusi kode, percobaan ulang, hingga tindakan lanjutan.

Platform yang memperlakukan seluruh tahapan itu sebagai riwayat eksekusi terkelola dapat memudahkan operasi dan audit. Namun, biaya dan reliabilitas aktual tetap bergantung pada tugas, model, tools, serta kontrol yang dipilih.

Hasil penggunaan di asuransi perlu dibaca secara hati-hati

Laporan terkait Alibaba menggambarkan kasus peninjauan asuransi yang memangkas pekerjaan underwriting dari tiga hingga empat jam menjadi sekitar 15 menit, dengan biaya yang disebut sebesar ¥0,12 per polis. 10

Angka tersebut sebaiknya dipahami sebagai hasil studi kasus yang dilaporkan, bukan tolok ukur umum atau jaminan performa Agent Studio. Hasil dapat berubah bergantung pada kualitas dokumen, kompleksitas workflow, pilihan model, penggunaan tools, penanganan pengecualian, dan jumlah pemeriksaan manusia yang diperlukan.

Nilai utama contoh ini adalah ilustrasi jenis peningkatan operasional yang ingin dicapai platform tersebut.

One Key Service dan masalah integrasi autentikasi

One Key Service menyasar hambatan umum dalam penerapan agen: setiap tools eksternal atau layanan MCP dapat memiliki alur autentikasi dan pengelolaan kredensial sendiri.

Pendekatan Agent Studio yang dilaporkan adalah menyediakan lapisan autentikasi terpadu untuk mitra marketplace MCP. Dengan begitu, pengembang tidak perlu mengintegrasikan proses otorisasi setiap mitra secara terpisah. 8 10

Ini lebih dari sekadar fitur praktis. Marketplace MCP baru berguna bagi perusahaan jika tools di dalamnya dapat disetujui, diautentikasi, dipantau, dan diatur dalam skala besar.

Sistem kunci terpadu berupaya menjadikan marketplace bagian dari model operasi enterprise, bukan hanya katalog tools yang dapat ditemukan.

Private Skills mengubah pengetahuan internal menjadi tools yang bisa digunakan ulang

Desain Private Skills Agent Studio yang dilaporkan menggunakan tiga tingkat cakupan: kemampuan platform atau publik yang dapat digunakan secara luas, kemampuan privat tingkat organisasi, serta kemampuan yang lebih terbatas untuk individu atau proyek. 8

Gagasannya adalah mengemas prosedur, API, dan aturan bisnis milik perusahaan sebagai kemampuan yang dapat digunakan ulang. Alih-alih terus-menerus menanamkan instruksi internal ke dalam prompt atau membangun ulang integrasi untuk setiap agen, tim dapat mengeksposnya sebagai Skills dengan cakupan yang terkontrol.

Dalam praktiknya, pertanyaan terpenting bukan hanya apakah sebuah Skill bisa dibuat, tetapi juga siapa yang berwenang menggunakannya, bagaimana versinya dikelola, siapa pemiliknya, bagaimana proses peninjauannya, dan seberapa mudah Skill tersebut dipindahkan ke platform lain.

Knowledge Studio, Agentic Search, dan Memory Studio

Lapisan pengetahuan Agent Studio berpusat pada Knowledge Studio, layanan RAG enterprise yang mendukung parsing dokumen, pemotongan dokumen menjadi bagian-bagian, vektorisasi, indexing, retrieval, dan tanya jawab secara streaming. Integrasi yang terdokumentasi mencakup API, MCP, CLI, dan Skills. 3

Perbedaan pentingnya terletak pada retrieval konvensional dan retrieval agentic. Knowledge Studio menjelaskan loop Agentic RAG yang menggabungkan:

Agentic Search: perencanaan dan pencarian berulang di berbagai sumber pengetahuan enterprise;
Agentic Generation: pembuatan jawaban setelah proses pencarian, disertai asal-usul informasi dan sitasi. 4 6

Pendekatan ini ditujukan untuk pertanyaan yang tidak cukup dijawab dengan satu pencarian berbasis kemiripan. Agen dapat menafsirkan permintaan, memilih jalur retrieval, melakukan pencarian lebih dari sekali, lalu memeriksa apakah informasi yang ditemukan sudah memadai sebelum menyusun jawaban.

Memory memiliki fungsi yang berbeda, tetapi masih berkaitan. Dokumentasi Alibaba mengenai Agentic Memory menjelaskan penyimpanan dan pengambilan memori jangka panjang, jangka pendek, dan kontekstual, serta data Skills dan knowledge base. 11

Dalam aplikasi, hal ini dapat mengurangi kebutuhan untuk memasukkan ulang setiap preferensi, keputusan sebelumnya, atau konteks yang dapat digunakan kembali pada setiap interaksi. Namun, memori juga menimbulkan kebutuhan tata kelola: berapa lama data disimpan, bagaimana data dihapus, siapa yang dapat mengaksesnya, dan bagaimana mencegah informasi yang keliru terus dibawa ke interaksi berikutnya.

Playground dan pembuatan agen dengan bahasa alami

Playground diposisikan sebagai ruang kerja terpadu untuk Flow Agent, Managed Agent, RAG, Memory, MCP, Skills, template skenario, serta workflow natural-language bernama “Vibe Builder”. 8

Alur yang diinginkan cukup sederhana: tim dapat memulai dari template atau mendeskripsikan proses bisnis, kemudian menghubungkan pengetahuan, memori, tools, dan lingkungan eksekusi yang relevan.

Ini menurunkan hambatan eksperimen dan memungkinkan tim bisnis serta tim teknis bekerja di platform yang sama. Namun, Playground tidak menghapus kebutuhan untuk melakukan pengujian, mengatur izin, mengevaluasi hasil, atau meminta persetujuan manusia ketika agen mengambil tindakan yang berdampak penting.

Mengapa penyedia cloud ingin menguasai lapisan agen?

Batas persaingan AI enterprise mulai bergeser keluar dari model. Model menyediakan kemampuan penalaran dan generasi, tetapi agen produksi juga memerlukan runtime, state, tools, akses data, identitas, isolasi, monitoring, serta kontrol.

Kondisi ini memberi posisi strategis yang kuat kepada penyedia cloud. Jika agen menjadi pintu masuk utama pengguna untuk meminta pekerjaan, platform agen juga dapat menjadi lapisan yang menemukan dan menggabungkan layanan cloud atas nama pengguna.

Search, storage, API, database, dan sistem bisnis mungkin semakin sering diakses secara tidak langsung melalui tindakan agen yang diatur, alih-alih dipilih satu per satu oleh pengembang untuk setiap workflow.

Bagi pembeli enterprise, peluang tersebut datang bersama sejumlah pertanyaan penting:

Seberapa portabel agen dan Skills jika perusahaan berpindah vendor?
Siapa yang mengendalikan izin tools dan batas data?
Bagaimana biaya multi-langkah dibebankan kepada tim atau proses bisnis tertentu?
Apakah perusahaan dapat merekonstruksi apa yang dilakukan agen dan alasan di baliknya?
Apa yang terjadi ketika model, tools, atau sumber retrieval berubah?

Jawaban Agent Studio adalah menjadikan sistem terkelola di sekitar model sebagai produk utama. Keberhasilannya tidak akan ditentukan hanya oleh tampilan all-in-one yang menarik, tetapi oleh kemampuan perusahaan untuk memverifikasi output, mengendalikan tindakan, memahami biaya, serta membawa workflow penting dari demo menuju produksi yang benar-benar dapat diandalkan.

Studio Global AI

Lanjutkan penelitian Anda

Halaman ini berisi jawaban yang didukung sumber yang dapat Anda lanjutkan di dalam Studio Global.

Cari dan periksa fakta dengan Studio Global AI

Orang-orang juga bertanya

Apa jawaban singkat untuk "Alibaba Cloud Agent Studio Menandai Pergeseran AI Perusahaan dari Model ke Infrastruktur Agen"?

Diperkenalkan di Alibaba Cloud Bailian pada peluncuran Apsara 14 Agustus 2026, Agent Studio menyatukan pengembangan agen, runtime, pengetahuan, memori, tools, dan operasi dalam satu platform.

Apa poin penting yang harus divalidasi terlebih dahulu?

Apa yang harus saya lakukan selanjutnya dalam latihan?

Agent Studio mencerminkan tiga pilihan utama perusahaan: membangun seluruh stack sendiri, memakai framework pengembangan, atau mengadopsi platform agen enterprise terkelola.

Sumber