🚀 Intro
AI Agent sedang menjadi salah satu topik paling ramai dipelajari di dunia AI saat ini. Banyak pemilik bisnis berpikir untuk punya AI Agent sendiri harus menyewa developer atau membangun sistem dari nol. Faktanya, ada ratusan AI Agent open source yang sudah dibuat, diuji, dan siap dijalankan secara gratis. Tutorial ini membahas dua repository GitHub yang menyediakan lebih dari 150 AI Agent siap pakai, lengkap dengan cara setup dan cara mempersonalisasinya ke bisnis nyata.
🎯 Kenapa Ini Penting
AI Agent berbeda dari chatbot biasa. Chatbot hanya menjawab pertanyaan, sedangkan AI Agent bisa mengambil keputusan dan menjalankan tugas secara mandiri: membaca data, memanggil tools atau API, lalu menyelesaikan pekerjaan multi-langkah tanpa harus diperintah ulang di setiap tahap. Tren ini berkembang cepat karena tiga alasan:
- Biaya operasional bisnis bisa ditekan karena tugas repetitif (balas pertanyaan umum, riset, pantau data) bisa dijalankan otomatis.
- Template open source membuat entry barrier makin rendah. Tidak perlu jadi programmer untuk mulai mencoba.
- Model AI seperti Claude, Gemini, dan GPT semakin mudah dihubungkan ke tools eksternal lewat protokol seperti MCP (Model Context Protocol). Bagi audiens non-teknis yang ingin masuk ke ranah AI Builder, dua repository ini adalah titik masuk paling realistis: kode sudah jadi, tinggal dipersonalisasi.
🧠 Basic AI Agent Itu Apa
AI Agent adalah program berbasis AI yang tidak hanya merespons, tapi bisa merencanakan langkah, memakai tools (browser, email, database, API), dan menyelesaikan tugas secara otonom sampai selesai. Tiga komponen dasar yang selalu ada di AI Agent:
- Model — otak yang berpikir dan mengambil keputusan (Claude, GPT, Gemini, dan sejenisnya)
- Tools — kemampuan yang bisa dipanggil agent untuk bertindak (kirim email, cari data, baca dokumen, akses API)
- Instruksi/Prompt — aturan yang menentukan bagaimana agent mengambil keputusan dan sampai mana batas tindakannya Perbedaan paling gampang diingat: chatbot menjawab, AI Agent mengerjakan.
🛠️ Step-by-Step Setup
Repo 1 — awesome-llm-apps
🔗 https://github.com/Shubhamsaboo/awesome-llm-apps
- Buka terminal, clone repository:
git clone https://github.com/Shubhamsaboo/awesome-llm-apps.git
- Masuk ke folder AI Agent yang ingin dicoba. Contoh, AI Travel Agent:
cd awesome-llm-apps/starter_ai_agents/ai_travel_agent
- Install dependency yang dibutuhkan:
pip install -r requirements.txt
- Jalankan aplikasinya:
streamlit run travel_agent.py
- Buka alamat yang muncul di terminal lewat browser, lalu masukkan API key model AI yang diminta (OpenAI, Anthropic, atau Gemini, tergantung agent yang dipilih).
Repo 2 — ai-engineering-hub
🔗 https://github.com/patchy631/ai-engineering-hub Catatan: repo ini tidak punya satu perintah setup universal seperti repo pertama. Setiap folder proyek berdiri sendiri dengan dependency dan cara jalan masing-masing.
- Clone repository:
git clone https://github.com/patchy631/ai-engineering-hub.git
- Pilih folder proyek sesuai kebutuhan bisnis. Contoh:
brand-monitoringataugithub-rag. - Masuk ke folder proyek tersebut, lalu baca file README di dalamnya. Setiap proyek punya instruksi spesifik.
- Install dependency sesuai instruksi README proyek itu (umumnya lewat
pip install -r requirements.txt). - Jalankan sesuai perintah yang tertulis di README, lalu masukkan API key yang diminta.
📂 Isi Kedua Repo Ini
Repo 1 — awesome-llm-apps (100+ template)
Fokus: AI Agent siap pakai, dari level dasar sampai advanced, plus skill yang bisa langsung dipasang ke coding agent seperti Claude Code.
- Agent Skills — skill siap install ke coding agent. Contoh: Project Graveyard, mendeteksi proyek yang mangkrak dan membantu menyelesaikan salah satunya.
- Starter AI Agents — agent satu file, cukup modal API key, cocok untuk pemula. Contoh: AI Travel Agent, AI Data Analysis Agent, AI Blog to Podcast Agent.
- Advanced AI Agents — agent dengan tools, memory, dan reasoning bertingkat untuk kebutuhan produksi. Contoh: AI Financial Coach Agent, AI Sales Intelligence Agent Team.
- Always-on Agents — agent yang berjalan sesuai jadwal, memantau perubahan, dan mengirim update sendiri. Contoh: Always-on Hacker News Briefing Agent.
- Voice AI Agents — agent suara real-time. Contoh: Customer Support Voice Agent, Insurance Claim Live Agent Team.
- MCP AI Agents — agent yang terhubung ke tools eksternal lewat Model Context Protocol. Contoh: GitHub MCP Agent, Notion MCP Agent.
- RAG Tutorials — pipeline pencarian dan tanya jawab berbasis dokumen milik sendiri.
Repo 2 — ai-engineering-hub (93+ proyek)
Fokus: tutorial mendalam tentang LLM, RAG, dan AI Agent nyata, disusun berjenjang dari pemula sampai sistem produksi.
- Beginner (22 proyek) — OCR, chat interface lokal, RAG dasar. Contoh: GitHub RAG untuk chat langsung dengan isi repository, Local ChatGPT clone.
- Intermediate (48 proyek) — agent dan workflow multi-komponen. Contoh: Brand Monitoring otomatis, YouTube Trend Analysis, Hotel Booking Crew multi-agent.
- Advanced (23 proyek) — fine-tuning, sistem produksi, agent kompleks. Contoh: NotebookLM Clone lengkap dengan RAG dan podcast, Paralegal Agent Crew.
💡 Contoh Nyata ke Arah Bisnis Digital
- Brand Monitoring (repo 2) — bisnis bisa memantau sebutan brand secara otomatis, menggantikan cek review dan mention satu per satu secara manual.
- Customer Support Voice Agent (repo 1) — bisnis bisa punya agent suara yang menjawab pertanyaan dasar pelanggan 24 jam tanpa menambah staf CS.
- GitHub RAG (repo 2) — knowledge base internal (SOP, dokumentasi, kode lama) bisa ditanya langsung lewat chat, bukan dicari manual satu file per satu.
- AI Sales Intelligence Agent Team (repo 1) — bisnis kecil bisa mendapat analisis data penjualan tanpa menunggu data analyst.
- AI Financial Coach Agent (repo 1) — bisa dipersonalisasi jadi asisten pencatatan dan analisis keuangan sederhana untuk UMKM.
🧭 Insight dan Tips Personalisasi ke Bisnis
- Jangan jalankan template apa adanya. Ganti prompt, data contoh, dan konteks bisnis dengan milik sendiri sebelum dipakai ke pelanggan atau tim.
- Gunakan Claude Code untuk membaca kode template, lalu minta adaptasi ke use case spesifik: nama produk, alur kerja internal, format output yang dibutuhkan.
- Mulai dari kategori Starter atau Beginner terlebih dahulu sebelum masuk ke Advanced, supaya paham alur dasarnya sebelum menambah kompleksitas.
- Simpan API key sebagai environment variable, jangan ditulis langsung di dalam kode kalau template ini akan dipakai untuk produksi.
- Prioritaskan AI Agent untuk tugas yang repetitif dan pola-nya jelas, seperti menjawab pertanyaan umum atau merangkum data, bukan untuk keputusan yang butuh pertimbangan manusia penuh.
✅ Checklist
- Clone salah satu atau kedua repository ke komputer
- Pilih satu AI Agent yang paling relevan dengan kebutuhan bisnis
- Install dependency sesuai README proyek yang dipilih
- Siapkan API key model AI yang dibutuhkan
- Jalankan versi default terlebih dahulu untuk memahami cara kerjanya
- Ganti prompt dan data contoh dengan konteks bisnis sendiri lewat Claude Code
- Uji coba ke skenario nyata sebelum dipakai ke pelanggan atau tim
📩 CTA
Komen "AGENT" di postingan @kayadigital.ai untuk dapat rekap dua link repository ini dikirim langsung ke DM.