Apa itu AgentGPT?

Tidak seperti iterasi ChatGPT OpenAI saat ini, AgentGPT memungkinkan Anda membuat agen AI otonom yang dapat berpikir, merencanakan, bertindak, dan beradaptasi menuju tujuan yang ditentukan pengguna, dengan permintaan manual minimal. Salah satu fitur yang membuat AgentGPT istimewa adalah antarmuka yang ramah pengguna, yang membuat fungsionalitas agen AI dapat diakses untuk semua contoh penggunaan seperti riset dan pengumpulan data, pemecahan masalah eksplorasi, pembuatan ide, mengotomatiskan tugas berulang, membuat chatbot, dan banyak lagi.

AgentGPT adalah alat no-code, yang berarti pengguna tidak perlu menulis perangkat lunak atau mengatur lingkungan pengembangan untuk menentukan tujuan, memilih model, dan menerapkan agen. Templat disediakan untuk membantu pemula memahami cara membingkai tujuan yang efektif.

AgentGPT adalah proyek sumber terbuka yang terutama dikembangkan oleh tim di Reworkd AI. Startup yang berbasis di San Francisco meluncurkan alat ini pada April 2023 dan terus mempertahankannya. Dalam hal harga, Reworkd menawarkan versi gratis serta layanan yang dihosting dengan tingkatan berbayar. Proyek ini mendapat perhatian awal sebagian karena terbuka dan dapat diakses, dengan kode dan dokumentasi tersedia di Github.

Perlu dicatat bahwa “GPT” dalam AgentGPT adalah singkatan dari generative pretrained transformer, sebuah keluarga model bahasa besar (LLM) yang didasarkan pada arsitektur transformer dari pembelajaran mendalam. Ini disebut AgentGPT karena GPT bertindak sebagai agen otonom, bukan hanya chatbot, seperti di ChatGPT, meskipun keduanya mengandalkan model OpenAI yang sama tersembunyi, seperti GPT-3.5 dan GPT-4.

AgentGPT tidak boleh disamakan dengan alat AI agen lainnya seperti AutoGPT, yang merupakan alat serupa yang berjalan pada mesin pribadi pengguna daripada web. BabyAGI adalah platform agen lain yang merupakan platform berbasis Python yang lebih teknis, sering digunakan sebagai alat dasar bagi pengembang.

Agen adalah sistem didukung AI yang secara mandiri melakukan tugas dengan merancang  alur kerja dengan alat yang tersedia. LLM tradisional, seperti model IBM® Granite, membuat tanggapan berdasarkan data yang digunakan untuk melatihnya dan dibatasi oleh keterbatasan pengetahuan dan pemikiran.

Agen, sebaliknya, dapat melakukan lebih dari sekadar berbicara dengan pengguna. LLM dapat dianggap sebagai semacam otak. Agen adalah sistem yang menggunakan otak LLM untuk berpikir dan mengambil tindakan. Agen menggunakan otak mereka untuk merencanakan dan melakukan tugas-tugas kompleks yang memerlukan penalaran multi-langkah dalam mengejar tujuan jangka panjang, dengan input manusia minimal.

Katakanlah Anda ingin memulai kedai kopi tetapi Anda tidak tahu apa yang akan membuat lokasi yang baik. Anda ingin mengidentifikasi kriteria untuk lokasi yang baik, mengumpulkan bukti, mempersempit area kandidat, dan pertukaran permukaan serta risiko. Agen Anda akan menjadi analis riset junior. Namun, alat mana yang harus digunakan? Keduanya menggunakan machine learning untuk melakukan pembuatan konten, jadi secara teoritis Anda dapat menggunakan ChatGPT (atau chatbot lain yang didukung LLM) untuk proyek seperti ini.

Perlu dicatat bahwa kemampuan AgentGPT untuk melakukan pencarian web real-time dan mengakses alat eksternal lainnya mendahului fungsi serupa ChatGPT, meskipun sekarang kedua alat memiliki kemampuan ini. Karena itu, AgentGPT masih memiliki kekuatannya.

ChatGPT unggul jika Anda ingin mengajukan pertanyaan lanjutan, menginterogasi asumsi dan tantangannya, serta menyempurnakan ide secara interaktif. Namun, jika tugasnya multi-langkah, jalurnya tidak jelas, dan Anda tidak ingin mengarahkannya secara manual di setiap langkah sepanjang jalan, AgentGPT mungkin alat yang lebih baik.

ChatGPT menunggu untuk diberitahu apa yang harus dilakukan, dan Anda harus memandu setiap langkah. Sebaliknya, AgentGPT mengambil tujuan awal Anda dan menjalankannya, memutuskan sendiri langkah terbaik yang harus diambil. Ini bagus untuk memunculkan “hal-hal yang tidak diketahui” dan menjelajahi wilayah yang mungkin tidak pernah Anda tanyakan.

Dengan ChatGPT, Anda harus bertanya pada setiap langkah:

1. “Apa yang membuat lokasi kedai kopi yang bagus?”
   
   
2. “Oke, sekarang terapkan itu ke kota-kota menengah di wilayah saya.”
   
   
3. “Oke, tapi bagaimana dengan daerah komuter dibandingkan dengan daerah perumahan?”
   
   
4. “Oke, tapi apa kesalahan umum yang dilakukan orang di domain ini?”
   
   
5. “Oke, sekarang bagaimana saya akan memvalidasi ini secara langsung?”

Dengan AgentGPT, Anda bisa mengatakan “Riset apa yang membuat lokasi kedai kopi yang bagus” dan biarkan agen mengetahui respons yang diteliti secara mendalam. Agen akan bertanya pada dirinya sendiri pertanyaan-pertanyaan seperti itu dan secara proaktif menjawabnya untuk Anda.

Katakanlah Anda ingin membuat agen yang memantau peraturan, tren, dan teknologi baru yang mempengaruhi kedai kopi dan merangkum risiko dan peluang mingguan, disampaikan kepada Anda dalam laporan yang rapi. Anda ingin agen dapat memindai sumber, menyaring relevansinya dengan kedai kopi, mensintesis risiko dan peluang, dan meringkas hasil.

Ini adalah contoh penggunaan yang lebih baik, di mana AgentGPT lebih masuk akal daripada ChatGPT, karena lebih terbuka dan Anda akan dapat dengan mudah meninjau ringkasan yang sudah selesai alih-alih terus meminta ulang agen untuk informasi baru.

Pertama, Anda akan memberi nama agen Anda (misalnya, “Risiko Industri Kopi & Opportunity Analyst”). Kemudian, tuliskan tujuan Anda:

“Pindai web dan media sosial untuk peraturan, tren, dan teknologi baru yang mempengaruhi kedai kopi independen dan rangkum risiko mingguan, peluang, dan item yang layak dipantau. Kemudian edit dan merampingkan buletin untuk pembaca eksekutif bisnis.”

"Kedai kopi independen" mempersempit relevansi. “Risiko, peluang, dan hal-hal yang perlu dipantau” memaksa dilakukannya kategorisasi. “Edit dan merampingkan” akan mengurangi redundansi dan menghasilkan hasil gaya yang diinginkan.

Anda dapat menambahkan batasan tambahan atau aturan operasi untuk mencegah hasil yang bising. Seperti ini:

• “Fokus pada peraturan daerah kecuali ditentukan lain”
   

• “Abaikan berita perhotelan yang tidak relevan (seperti santapan mewah, hotel)”
   

• "Lebih suka sumber dari 7 hari terakhir"
   

• “Meringkas dampak dengan jelas dan ringkas”
   

• “Tandai ketidakpastian di mana informasi tidak lengkap”
   

• Awali dengan ringkasan eksekutif (tidak lebih dari 5 poin)
   

• Sematkan semua sumber sebagai hyperlink
   

• Jangan mengulangi hasil dari laporan sebelumnya
   

• Berikan sanksi pada berita yang “berlebihan“

Anda dapat menyimpan prompt awal ini dan menjalankannya kembali setiap minggu untuk hasil baru.

AgentGPT unggul untuk contoh penggunaan sederhana yang termasuk dalam kategori “asisten pribadi” atau “kopilot digital”. Agen tersebut dapat diskalakan secara horizontal dengan menjalankan beberapa agen secara paralel untuk tujuan yang berbeda. Skalabilitas ini membuat AgentGPT menarik sebagai prototipe untuk sistem agen bergaya perusahaan, sepertiIBM® WatsonX Orchestrate, di mana pagar pembatas, evaluasi, dan pemantauan yang lebih kuat diperlukan.