Modelnya Bukan Lagi Seluruh Cerita

Selama ini kalau membicarakan AI, kita biasanya mulai dari model.

Claude, GPT, Gemini, DeepSeek.

Model mana yang lebih pintar. Model mana yang lebih bagus untuk coding. Model mana yang lebih murah.

Tapi begitu model mulai dipakai sebagai agent, ada banyak hal lain yang ikut menentukan hasil akhirnya.

Agent perlu membaca file, menjalankan command, menggunakan tools, menyimpan session, mengatur permission, lalu mengulangi proses tersebut sampai pekerjaannya selesai.

Jadi ada bagian yang menarik di luar modelnya.

Pada 13 Agustus, DeepSeek membuka deepseek-ai/deepseek-harness, sebuah open-source agent harness dengan pendekatan “everything is a plugin”. Repository ini kemudian tumbuh sangat cepat. GitHub Radar mencatat sekitar 3.000 star baru dalam 24 jam pada 23 Agustus, dengan total sekitar 185 ribu star.

Angkanya memang menarik.

Tapi saya lebih tertarik pada apa yang terjadi setelah orang mulai menggunakannya.

Yang Dicari Orang Bukan Cuma Model Baru

DeepSeek Harness memberi ruang untuk mengganti dan menambahkan berbagai bagian dari agent.

Tools bisa menjadi plugin. Model backend juga bisa diganti. Ada session, workspace, skill, sampai agent loop yang menjadi bagian dari lingkungan tersebut.

Ini sebenarnya terasa cukup familiar kalau kita sudah lama membangun software.

Kita terbiasa membuat database yang bisa diganti.

Storage yang bisa diganti.

Message broker yang bisa diganti.

Bukan karena kita tahu sejak awal komponen mana yang paling bagus, tapi karena kita tahu kebutuhan akan berubah.

AI agent sepertinya mulai menuju arah yang sama.

Kita mungkin tidak akan selalu menggunakan model yang sama. Kita mungkin juga tidak ingin menggunakan tools yang sama. Bahkan cara agent menyelesaikan pekerjaan bisa berbeda antara satu orang dengan orang lainnya.

Kalau semua itu dikunci menjadi satu aplikasi, perubahan kecil akan menjadi sulit.

Kalau komponennya bisa diganti, kita punya lebih banyak ruang untuk bereksperimen.

Begitu Bisa Bertindak, Masalahnya Ikut Berubah

Ada satu hal yang menurut saya lebih penting dari arsitektur plugin ini.

Agent bukan cuma menghasilkan teks.

Ia melakukan sesuatu.

Ia bisa membaca repository. Menjalankan shell command. Mengubah file. Memanggil tool lain. Dan semua itu membuat masalah keamanan menjadi jauh lebih nyata.

Sebuah studi yang diterbitkan pada 17 Agustus menguji DeepSeek Harness terhadap indirect prompt injection melalui 16 jenis channel dan 14.560 eksekusi terkontrol. Studi tersebut menemukan beberapa skenario dengan tingkat keberhasilan serangan yang cukup berarti, termasuk payload melalui file dan skills.

Ini bukan berarti Harness adalah project yang buruk.

Justru menurut saya, ini konsekuensi yang wajar ketika kita memberikan lebih banyak kemampuan kepada agent.

Ketika AI hanya menjawab pertanyaan, kesalahan biasanya berhenti pada jawaban yang salah.

Ketika AI bisa melakukan pekerjaan, kesalahan bisa ikut berubah menjadi tindakan.

Itulah kenapa lingkungan tempat agent bekerja menjadi penting.

Permission bukan lagi detail kecil.

Tool registry bukan sekadar implementasi.

Session bukan cuma tempat menyimpan percakapan.

Semuanya ikut menentukan batas kemampuan agent.

Mungkin Agent Akan Menjadi Platform

Yang membuat saya penasaran adalah arah setelah ini.

Kalau model semakin mudah diganti dan tools semakin mudah ditambahkan, mungkin kita akan mulai melihat agent seperti platform.

Ada core-nya.

Ada plugin.

Ada skill.

Ada workflow.

Lalu komunitas membangun sesuatu di atasnya.

DeepSeek Harness sendiri masih berstatus developer preview dan dokumentasinya secara eksplisit memperingatkan bahwa breaking changes masih mungkin terjadi.

Jadi terlalu cepat untuk mengatakan bahwa pendekatan ini akan menjadi standar.

Tapi pertumbuhannya menunjukkan ada banyak orang yang tertarik pada gagasan tersebut.

Dan mungkin itu bagian yang paling menarik.

Kita mulai berpindah dari pertanyaan:

“Model apa yang kamu pakai?”

ke pertanyaan:

“Agent kamu bekerja di lingkungan seperti apa?”

Saya tidak tahu apakah pertanyaan kedua akan benar-benar menjadi lebih umum.

Tapi kalau agent terus diberi kemampuan untuk melakukan lebih banyak hal, saya rasa lingkungan kerjanya akan semakin sulit dianggap sebagai detail teknis belaka.

Model adalah bagian yang berpikir.

Tapi lingkunganlah yang menentukan apa yang bisa dilakukan setelah ia selesai berpikir.