Claude Agentic AI Stack: Tempat Membangun Agen AI

Tumpukan AI Agen Claude: Tempat Membangun Agen AI dengan Claude

Saya telah melakukan lebih banyak percakapan dengan klien selama beberapa minggu terakhir. . Sebuah tim memberi tahu saya bahwa mereka menginginkan “agen Claude”, dan ketika saya bertanya di mana mereka mengharapkan agen tersebut tinggal, ruangan menjadi sunyi. Ini adalah pertanyaan yang wajar untuk dipertahankan. Kebanyakan orang bertemu Claude sebagai jendela obrolan di browser, jadi asumsinya adalah bahwa agen hanyalah jendela obrolan dengan deskripsi pekerjaan yang terpasang.

Tidak. Sama seperti Microsoft yang menyebarkan pembangunan agen di Agent Builder, Copilot Studio, dan Foundry, Anthropic kini memiliki tumpukan tempat untuk membangun dengan Claude, masing-masing dengan pembuat yang berbeda, model data yang berbeda, dan pijakan komersial yang berbeda. Memilih lapisan yang salah adalah penyebab Anda membayar tarif token perusahaan untuk sesuatu yang dapat ditangani oleh asisten yang dikonfigurasi, atau mencoba menjalankan alur kerja produksi di dalam alat yang dimaksudkan untuk produktivitas individu.

Jika Anda telah membaca artikel saya tentang tumpukan AI agen Microsoft, perlakukan ini sebagai peta pendamping untuk sisi rumah Antropis. Struktur yang sama, tujuan yang sama: menentukan apa yang akan digunakan, kapan, dan bagaimana pemasangannya.

Apa arti “agentik” bagi Claude

Definisi ini berlaku untuk semua vendor. Agen memahami konteks, merencanakan serangkaian langkah, memanggil alat atau sumber data, dan menyelesaikan pekerjaan multi-langkah dengan pengawasan manusia yang terbatas. Apa yang membedakan agen dari one-shot prompt adalah putaran perencanaan dan kemampuan untuk bertindak, bukan hanya menjawab.

Jaringan ikat yang membuat ini berhasil di dunia Claude adalah Protokol Konteks Model (MCP) — Standar terbuka Anthropic untuk menghubungkan model ke alat dan data. Ini setara dengan konektor di tumpukan Microsoft, dan sekarang muncul di hampir setiap lapisan di bawahnya. Namanya patut diketahui, karena ini adalah hal yang memungkinkan agen menjangkau SharePoint, database, atau sistem tiket Anda dengan cara yang konsisten.

Dimana kalian build agen di stack Claude

Dalam pekerjaan pra-pelingkupan baru-baru ini dengan tim internal kecil, arahannya adalah “menyiapkan agen Claude di lingkungan yang aman” tanpa jejak apa pun. Pekerjaan pertama bukanlah pekerjaan teknis. Itu memetakan lapisan mana yang benar-benar sesuai dengan pekerjaan. Ini petanya.

1. Aplikasi Claude: Proyek, Penghubung, dan Keterampilan Agen

Untuk siapa: pengguna akhir dan tim bisnis di dalam Claude (Tim atau Perusahaan).

Kegunaannya: memungkinkan pengguna non-teknis membuat asisten terkonfigurasi berdasarkan materi mereka sendiri. Proyek menyimpan pengetahuan (SOP, pedoman, templat Anda), Penghubung menarik data langsung melalui MCP, dan Paket Keterampilan Agen berisi instruksi dan kemampuan yang dapat digunakan kembali oleh asisten. Tanpa kode, tanpa perilaku otonom — pengguna selalu memantau setiap saat.

Di mana ia dijalankan: di aplikasi Claude (web, desktop, seluler). Anthropic menangani hosting.

Contoh: asisten orientasi yang didasarkan pada pedoman SDM Anda yang menjawab pertanyaan tentang cuti, tunjangan, dan daftar periksa bergabung — analogi langsung dari agen Pembuat Agen di pihak Microsoft.

Model komersial: Standar Tim dengan harga sekitar $25 per kursi per bulan ($20 ditagih setiap tahun, minimum lima kursi) mencakup SSO, kontrol admin, dan Proyek bersama, tanpa pelatihan tentang percakapan Anda secara default. Team Premium dengan harga sekitar $125 per kursi menambah Rekan Kerja dan penggunaan yang lebih tinggi. Perusahaan bersifat khusus dan semakin berbasis penggunaan — konfirmasikan tarif saat ini sebelum Anda membuat anggaran.

2. Rekan Kerja Claude

Untuk siapa: pekerja pengetahuan non-pengembang yang ingin menyerahkan seluruh tugas, tidak hanya mengajukan pertanyaan.

Kegunaannya: aplikasi desktop agen yang berfungsi di seluruh file, aplikasi, dan browser Anda untuk menyelesaikan pekerjaan pengetahuan multi-langkah. Ini dapat menggerakkan agen permukaan lainnya — Claude di Chrome, Excel, PowerPoint — sebagai alat dalam satu tugas. Ini adalah lapisan di mana Claude berpindah dari “jawab aku” ke “pergi dan lakukan itu”, bagi orang-orang yang tidak akan pernah membuka terminal.

Di mana ia dijalankan: di desktop, dengan handoff jarak jauh melalui aplikasi seluler.

Contoh: “Ambil tiga paket papan terakhir dari drive bersama, buat draf pembaruan kuartal ini dengan gaya rumah, dan buat slide.” Tugas multi-langkah yang nyata, dengan Anda meninjau hasilnya daripada mengetik setiap langkah.

Model komersial: disertakan dengan paket individu Pro dan Max serta kursi Team Premium. Biayanya tertera pada seat, bukan pada item baris terpisah.

3. Kode Claude

Untuk siapa: tim rekayasa perangkat lunak.

Kegunaannya: alat pengkodean agen yang menjalankan loop multi-langkah otonom. Ia membaca basis kode, mengedit file, menjalankan perintah, mengulangi kesalahan dan dapat membuka permintaan tarik. Ia bekerja dari terminal, IDE, aplikasi desktop, dan aplikasi seluler. Ini adalah jawaban Anthropic untuk mode agen GitHub Copilot dan agen pengkodean.

Di mana ia dijalankan: pada mesin pengembang dan infrastruktur Anthropic, atau terhadap penerapan model cloud Anda sendiri.

Contoh: pengembang menetapkan kerusakan sebelum makan siang dan kembali ke draf permintaan penarikan dengan kandidat perbaikan dan pengujian, siap untuk ditinjau.

Model komersial: termasuk dalam kursi Pro, Max, Tim, dan Perusahaan, atau ditagih per token melalui kunci API di Konsol untuk penggunaan yang lebih berat dan tanpa kepala. Perhatikan bahwa agen tanpa kepala semakin banyak menggunakan kredit SDK Agen yang terpisah — periksa posisi saat ini jika Anda berencana untuk menjalankannya dalam skala besar.

4. SDK Agen Claude dan Platform Pengembang Claude

Untuk siapa: pengembang pro-code dan tim platform yang membangun agen khusus dan diproduksi.

Kegunaannya: Agen SDK memberi Anda loop agen, eksekusi alat, dan manajemen konteks yang sama dengan yang mendukung Claude Code, dapat diprogram dengan Python dan TypeScript. Anda mendapatkan penggunaan alat asli, penggunaan komputer, pemikiran yang diperluas, dan integrasi MCP. Jika Anda ingin Claude tertanam di dalam aplikasi Anda untuk melakukan pekerjaan bisnis yang berulang — alih-alih pengalaman ngobrol — inilah lapisannya. Ini adalah analogi kasar Antropik dengan membangun Layanan Agen Pengecoran.

Di mana ia dijalankan: di mana pun Anda menerapkannya — infrastruktur Anda sendiri, atau di Amazon Bedrock dan Google Vertex AI.

Contoh: agen triase klaim di dalam portal internal yang mengklasifikasikan kasus yang masuk, mengambil kebijakan yang relevan, menyusun respons, dan meneruskannya ke manusia di bawah ambang batas kepercayaan.

Model komersial: Anda membayar per token dengan tarif API standar (dengan API Batch dan diskon cache cepat tersedia), ditambah alat dan koneksi data apa pun. Tidak ada biaya per kursi — biayanya sesuai dengan penggunaan.

5. Claude di cloud Anda: Bedrock, Vertex AI, dan Microsoft Foundry

Untuk siapa: platform dan tim keamanan, serta organisasi teregulasi yang membutuhkan Claude di dalam penyewa mereka sendiri di bawah pemerintahan mereka sendiri.

Kegunaannya: menjalankan model Claude melalui penyedia cloud Anda yang ada, sehingga “kontainer” aman adalah salah satu yang sudah dipahami oleh tim keamanan Anda. Claude kini tersedia secara asli di Microsoft Foundry dengan autentikasi Entra ID dan pemantauan asli Azure, bersama dengan opsi lama di Amazon Bedrock dan Google Vertex AI. Untuk organisasi yang berpusat pada Microsoft, Foundry sering kali merupakan kisah tata kelola yang paling mudah karena kontrolnya adalah kontrol Azure yang familiar.

Di mana ia dijalankan: di properti AWS, Google Cloud, atau Azure Anda.

Contoh: agen berbasis dokumen tim kecil yang berjalan di dalam langganan Azure perusahaan, diautentikasi melalui ID Entra, dengan penggunaan dicatat melalui pola Azure standar.

Model komersial: berbasis token, ditagih melalui perjanjian pasar cloud Anda yang ada. Satu peringatan bagi pembaca di Inggris dan UE: konfirmasikan posisi wilayah dan perutean data, karena ketersediaan saat peluncuran terbatas pada wilayah tertentu dan jenis penerapan global.

Bagaimana memilih

Seperti halnya Microsoft, titik awalnya bermuara pada tiga hal: siapa yang akan membangun, data apa yang dibutuhkan agen, dan seberapa besar otonomi yang Anda inginkan.

• Pengguna akhir yang menginginkan asisten terhubung ke dokumen Anda, tanpa kode, manusia yang terlibat: Proyek dengan Penghubung dan Keterampilan.
• Pekerja pengetahuan yang ingin mendelegasikan seluruh tugas multi-langkah di seluruh file dan aplikasi: Claude Rekan Kerja.
• Tim teknik yang menginginkan agen dalam alur kerja pengembangan: Kode Claude.
• Pro-pengembang membangun agen khusus yang tertanam dalam produk atau sistem internal: SDK Agen Claude di Platform Pengembang.
• Tim keamanan atau platform yang membutuhkan Claude di dalam penyewa cloud Anda sendiri: Batuan Dasar, Vertex AI atau Microsoft Foundry.

Lapisan-lapisan ini tidak dapat dipertukarkan. Proyek yang dikonfigurasi tidak dapat melakukan apa yang dilakukan oleh build Agen SDK, dan build Agen SDK berlebihan untuk tim yang memerlukan tiga orang untuk menjawab pertanyaan terhadap pustaka kebijakan. Cocokkan lapisan tersebut dengan kematangan pembuat Anda dan otonomi yang benar-benar dibutuhkan oleh kasus penggunaan Anda — bukan dengan demo yang paling mengesankan.

Tata Kelola dan pagar pembatas

Satu-satunya keputusan tata kelola yang paling penting dengan Claude dibuat sebelum Anda membangun apa pun: tempat model dijalankan. Aplikasi SaaS, API, dan penerapan cloud di Foundry atau Bedrock adalah tiga postur data dan kontrol yang berbeda. Putuskan terlebih dahulu, dengan keamanan di dalam ruangan, dan sebagian besar pertanyaan lainnya menjadi lebih mudah.

• Data dan pelatihan: Anthropic tidak melatih data bisnis Tim, Perusahaan, atau API secara default. Melalui penyedia cloud, perintah dan data Anda tetap berada di dalam akun cloud Anda sendiri. Konfirmasikan dan dokumentasikan hal ini daripada berasumsi.
• Tempat tinggal data: setiap penerapan memproses data di suatu tempat. Untuk organisasi di Inggris dan UE, tentukan wilayah dan rutenya sebelum data sensitif atau teregulasi dikirimkan ke agen.
• Identitas dan akses: Perusahaan menghadirkan penyediaan SSO, SCIM, dan pencatatan audit. Penerapan cloud mewarisi model identitas penyedia Anda — ID Entra di Foundry, misalnya. Terapkan hak istimewa paling rendah pada apa yang dapat disentuh oleh setiap agen dan konektor.
• Izin konektor: MCP memudahkan untuk menyambungkan agen ke sistem langsung. Kenyamanan itu juga ada risikonya. Tinjau apa yang dipaparkan setiap konektor, bukan hanya apa yang Anda minta agar agen lakukan dengannya.
• Manusia dalam lingkaran: Proyek membuat pengguna selalu mengetahui informasi terbaru berdasarkan desainnya. Pembuatan Rekan Kerja, Kode Claude, dan SDK Agen dapat dilakukan melalui beberapa langkah sebelum Anda melihat hasilnya, sehingga titik peninjauan harus direkayasa — langkah persetujuan, ambang batas keyakinan, atau persetujuan manusia sebelum apa pun dikirim atau diubah.

Pertanyaan kepemimpinannya bukanlah “apakah kita mengatur agen kita”. Ini adalah “katalog agen Claude yang ada di organisasi kami, siapa pemiliknya, apa yang dapat disentuh oleh masing-masing agen, dan bagaimana kami tahu bahwa agen tersebut sesuai dengan harapan kami”. Itu adalah pertanyaan tentang data dan kepemimpinan AI, sekaligus pertanyaan teknis.

Di mana untuk memulai

Urutan praktis jika Anda memulainya dari awal:

1. Proyek Percontohan dengan satu tim. Dua minggu. Satu asisten didasarkan pada satu kumpulan dokumen yang dipahami dengan baik di Tim. Pelajari seperti apa “baik” itu sebelum Anda mengukur apa pun.
2. Luncurkan Cowork dan Claude Code ke peran yang tepat. Berikan alat delegasi kepada pekerja pengetahuan dan agen pengkodean kepada para insinyur. Tetapkan pedoman penggunaan Anda dan proses persetujuan yang ringan seiring berjalannya waktu.
3. Melibatkan tim pro-pengembang pada SDK Agen atau penerapan cloud untuk satu atau dua agen bernilai tinggi yang membenarkan pekerjaan khusus, integrasi sistem yang lebih dalam, atau berjalan di dalam penyewa Anda sendiri.

Mulailah dari hal yang sempit, buktikan manfaatnya dalam satu alur kerja, dan biarkan tata kelola tumbuh sesuai dengan jejak yang ada, bukan langsung diterapkan begitu saja. Rute tercepat menuju nilai hampir tidak pernah “membangun agen di mana pun”. Ini adalah satu alur kerja, satu kumpulan data, dan satu keputusan yang disengaja tentang di mana Claude berjalan.

Bekerjalah dengan saya dalam hal ini

Jika Anda ingin panduan untuk memulai, pola agen yang saya gunakan dengan klien, dan model tata kelola yang akan ditandatangani oleh CTO Anda, itulah inti dari pekerjaan pemberdayaan AI saya. Lihat cara kerja Program Pemberdayaan AI, atau hubungi kami dan kami akan memetakan kasus penggunaan pertama Anda bersama-sama.