All Products
Search

This Product

    :Buat agent menggunakan kode (high-code)

    Document Center

    :Buat agent menggunakan kode (high-code)

    Last Updated:Jun 04, 2026

    Gunakan mode high-code untuk membuat agent ketika Anda perlu menyesuaikan logika bisnis kompleks, mengintegrasikan framework pengembangan seperti LangChain, atau memerlukan kontrol detail halus terhadap lingkungan runtime. Mode ini memberikan kebebasan pengembangan maksimal dan kemampuan rekayasa.

    Ikhtisar

    Pengenalan Fungsi

    Mode high-code memungkinkan Anda menyesuaikan logika implementasi agent menggunakan kode. Mode ini ideal bagi pengembang berpengalaman yang membutuhkan kontrol detail halus atas perilaku dan performa.
    Dalam mode ini, Anda dapat menggunakan kode atau framework sendiri, seperti LangChain, untuk mengimplementasikan proses inferensi kompleks, orkestrasi tool, dan integrasi tingkat enterprise.

    Fitur utama meliputi:

    • Berbagai sumber kode dan metode deployment: Unggah paket kode, deploy kode dari penyimpanan lokal atau OSS, edit kode secara daring, atau deploy layanan agent menggunakan custom container image.

    • Berbagai runtime bahasa dan metode startup kustom: Pilih dari berbagai runtime, seperti Python, Node.js, dan Java, serta konfigurasikan perintah start, port listening, dan struktur dependensi.

    • Konfigurasi sumber daya dan lingkungan yang fleksibel: Konfigurasikan CPU, memori, jumlah maksimum sesi konkuren per instans, dan timeout idle sesi sesuai kebutuhan Anda. Konfigurasikan parameter lanjutan seperti jaringan VPC, role eksekusi, kredensial akses, variabel lingkungan, dan pemeriksaan kesehatan.

    • Kustomisasi mendalam dengan SDK dan framework: Gunakan AgentRun SDK dalam kode Anda untuk terhubung ke model, Sandbox, tool, dan sistem eksternal. Integrasikan dengan framework agent yang sudah ada, seperti LangChain, untuk mengimplementasikan alur kerja dan logika bisnis kompleks. Untuk informasi selengkapnya, lihat Dokumentasi AgentRun SDK.

      Kustomisasi mendalam dengan SDK dan framework: Anda dapat menggunakan AgentRun SDK dalam kode Anda untuk terhubung ke model, Sandbox, tool, dan sistem eksternal. Integrasi juga dapat dilakukan dengan framework agent yang sudah ada, seperti LangChain, guna mengimplementasikan alur kerja dan logika bisnis yang kompleks. Untuk informasi selengkapnya, lihat Dokumentasi AgentRun SDK.

    • Alur kerja pengembangan, debugging, dan operasi & pemeliharaan (O&M) lengkap: Gunakan WebIDE daring, log waktu nyata, dan antarmuka debugging berbasis protokol OpenAI Chat Completions. Mode ini juga mendukung manajemen versi dan rilis canary.

    Konsep inti

    Konsep berikut penting untuk membuat agent berbasis kode. Lewati bagian ini jika Anda sudah memahaminya.

    Konsep inti

    Deskripsi

    Sumber kode

    Mode high-code mendukung berbagai sumber kode untuk men-deploy agent:

    • Unggah paket kode lokal: Unggah langsung file .zip yang telah dikemas.

    • Paket kode OSS: Konfigurasikan alamat paket kode di OSS. Platform akan menarik paket tersebut dari OSS.

    • Pengeditan daring: Tulis dan modifikasi kode secara daring di WebIDE tanpa perlu mengemas secara lokal.

    • Custom container image: Pilih gambar yang sudah ada dari repository image Alibaba Cloud. Gunakan kode dan lingkungan runtime dari gambar tersebut.

    Metode yang Anda pilih bergantung pada kebiasaan tim dan praktik rekayasa Anda, misalnya apakah Anda sudah memiliki pipeline CI/CD untuk membangun image.

    Jenis runtime

    Saat membuat agent, Anda perlu memilih lingkungan runtime bahasa. Berikut ini yang saat ini didukung:

    • Python 3.10

    • Python 3.12

    • Node.js 20

    • Node.js 18

    • Java 17

    • Java 11

    • Java 8

    Catatan

    Saat ini, templat sampel resmi hanya tersedia untuk Python 3.10. Untuk runtime lainnya, gunakan paket kode kustom atau image.

    Paket kode sampel

    Untuk membantu pengguna memulai dengan cepat, platform menyediakan templat sampel yang ditulis berdasarkan kit pengembangan perangkat lunak (SDK) AgentRun.

    Sampel resmi adalah contoh LangChain Agent berbasis AgentRun SDK. Sampel ini mencakup kode untuk panggilan model dan panggilan tool Sandbox.

    Konfigurasi startup

    Untuk mode paket kode (unggah lokal, OSS, atau pengeditan daring), Anda harus menentukan:

    • Perintah start (misalnya, python3 main.py)

    • Port listening (misalnya, 9000)

    Jika Anda menggunakan templat resmi, biasanya Anda dapat mempertahankan konfigurasi default. Jika menggunakan kode kustom, tentukan file entri aktual dan port layanan.

    Untuk mode container image, Anda harus menentukan setidaknya:

    • Port Pendengar (port tempat aplikasi mendengarkan di dalam image)

    Perintah start biasanya ditentukan oleh instruksi CMD atau ENTRYPOINT dalam Dockerfile image dan tidak dikonfigurasi di platform.

    Konfigurasi sumber daya

    Konfigurasi sumber daya digunakan untuk mengontrol spesifikasi sumber daya dan perilaku konkuren instans agent. Ini mencakup:

    • CPU (core): Jumlah core CPU yang dialokasikan untuk satu instans.

    • Memori (MB): Jumlah memori yang dialokasikan untuk satu instans.

    • Maksimum sesi konkuren per instans: Jumlah sesi yang dapat diproses secara paralel oleh setiap instans.

    • Timeout idle sesi (detik): Jika instans tidak aktif lebih lama dari waktu ini setelah sesi terakhir berakhir, instans tersebut secara otomatis dihapus.

    Mengonfigurasi parameter ini dengan benar membantu Anda menyeimbangkan performa dan biaya.

    Konfigurasi lanjutan

    Konfigurasi lanjutan mencakup opsi yang terkait dengan lingkungan runtime, seperti:

    • Variabel lingkungan (misalnya nama model dan konfigurasi bisnis)

    • Konfigurasi jaringan VPC (untuk mengakses sumber daya jaringan internal)

    • Role eksekusi (izin untuk mengakses sumber daya seperti model, Sandbox, dan OSS)

    • Kredensial akses (terintegrasi dengan manajemen kredensial AgentRun)

    • Konfigurasi pemeriksaan kesehatan (untuk menentukan apakah instans tersedia)

    Konfigurasi ini menentukan sumber daya apa saja yang dapat diakses agent saat runtime dan cara mengaksesnya.

    Observabilitas

    Mendukung aktivasi satu klik untuk observabilitas agent guna memantau dan menganalisis status operasional agent:

    • Lihat metrik operasional seperti volume panggilan, waktu respons, dan laju error.

    • Atasi masalah dan rekonstruksi skenario kegagalan menggunakan log.

    • Analisis panggilan model dan konsumsi token untuk optimalisasi biaya.

    • Identifikasi bottleneck performa dan node abnormal dalam rantai panggilan kompleks.

    Catatan

    Dalam pemantauan aplikasi, statistik token bersumber dari respons Large Language Model (LLM). Saat mengonfigurasi kode, pastikan respons model mencakup informasi token.

    Prosedur

    Persiapan

    • Siapkan proyek berbasis kode

      • Pastikan Anda memiliki kode layanan yang dapat dijalankan. Langkah-langkah berikut menggunakan paket kode sampel resmi sebagai contoh. Anda dapat mengunduh paket tersebut di sini: Paket kode sampel resmi.

        Catatan

        Anda juga dapat memperoleh paket kode dengan membuat agent dalam mode no-code lalu mengonversinya ke mode kode. Untuk informasi selengkapnya, lihat Buat agent tanpa kode (no-code). Setelah konversi, pilih Code and Debug dari panel navigasi di sebelah kiri halaman agent untuk melihat dan mengunduh kode.

      • Kode dapat dikemas secara lokal sebagai file .zip, atau disimpan sebagai container image atau paket kode OSS.

      • Konfirmasi titik akhir layanan yang diekspos (perintah start, port listening).

    • Siapkan dependensi runtime

      • Tentukan versi runtime bahasa yang akan digunakan, seperti Python 3.10, Python 3.12, Node.js 18/20, atau Java 8/11/17.

        Catatan

        Kode sampel resmi menggunakan runtime Python 3.10.

      • Jika Anda menggunakan mode paket kode:

        • Kemas kode dan dependensi bersama dalam file .zip.

        • Untuk proyek Python, letakkan dependensi di direktori seperti /python atau /code/python. Lalu, atur variabel lingkungan PYTHONPATH menjadi /opt/python:/code/python.

    • Jika Anda menggunakan mode container image:

      • Sertakan lingkungan runtime dan dependensi lengkap dalam image.

      • Konfigurasikan dengan benar perintah entri dan port listening dalam Dockerfile.

    • Siapkan model, alat, dan Sandbox

      • Anda telah membuat model di Manajemen Model dan mencatat namanya.

      • Jika agent perlu menggunakan tool, seperti API bisnis, web scraping, atau pencarian daring, buat di Manajemen Tool.

      • Jika Anda memerlukan kemampuan eksekusi kode atau browser, buat layanan Sandbox (BrowserTool, Code Interpreter) dan catat nama layanannya.

    Langkah 1: Buka halaman Buat Agent untuk pembuatan berbasis kode

    1. Buka Konsol AgentRun. Di halaman Agent Runtime, klik Create Agent. Dalam dialog, pilih Create with Code.

      Pembuatan agent berbasis kode memerlukan izin AliyunDevsFCServicesDeployPolicy. Jika akun saat ini tidak memiliki izin ini, dialog akan muncul. Anda dapat memilih untuk memberikan izin dengan satu klik atau melewati.

    2. Masukkan Agent Name dan Description. Gunakan nama yang bermakna untuk memudahkan manajemen dan identifikasi.

    Langkah 2: Konfigurasikan kode

    1. Select a code source

      Pilih sumber kode (5 opsi):

      Sumber

      Deskripsi

      Upload a code package

      Unggah file .zip lokal

      Object Storage Service (OSS)

      Pilih Bucket Name dan OSS Directory

      Container Image

      Pilih image dari Alibaba Cloud Container Registry. Format alamat image: registry-intl-vpc.{Region}.aliyuncs.com

      Online Coding

      Tulis dan modifikasi kode di WebIDE

      Official Template

      Gunakan kode sampel LangChain Agent resmi

    2. Startup configuration

      Upload Code Package/Object Storage Service (OSS)/Online Editing Mode

      • Start command: Contohnya:

        • python3 main.py

        • node app.js

        • java -jar app.jar

      • Listening port: Misalnya, 9000. Ini harus sesuai dengan port tempat layanan Anda mendengarkan dalam kode.

      Catatan

      Jika Anda menggunakan templat resmi, seperti sampel Python di atas, pengaturan default biasanya sudah cukup.

      Container image mode

      • Perintah start biasanya ditentukan oleh CMD/ENTRYPOINT dalam Dockerfile image.

      • Anda harus menentukan port listening dalam konfigurasi. Port ini harus sesuai dengan port tempat aplikasi mendengarkan di dalam kontainer.

    Langkah 3: Konfigurasikan sumber daya, variabel lingkungan, dan pengaturan lanjutan

    Atur parameter runtime di bagian Resource Configuration dan Advanced Configuration.

    1. Compute resources

      • CPU (Cores) dan Memory: Sumber daya komputasi yang dialokasikan untuk setiap instans agent. Lebih banyak sumber daya memungkinkan pemrosesan tugas kompleks lebih cepat tetapi juga meningkatkan biaya.

      • Maximum concurrent sessions per instance: Jumlah sesi yang dapat ditangani secara bersamaan oleh satu instans agent. Meningkatkan nilai ini dapat mengurangi jumlah instans yang diperlukan dan menghemat biaya, tetapi Anda harus memastikan kode Anda aman untuk thread dan satu instans memiliki CPU serta memori yang cukup untuk menangani beban tersebut.

      • Session idle timeout (seconds): Jika instans tidak aktif lebih lama dari waktu ini setelah sesi terakhir berakhir, instans tersebut secara otomatis dilepas.

    2. Variabel lingkungan:

      Konfigurasikan variabel lingkungan runtime untuk agent agar dapat pass parameter ke kode sesuai kebutuhan. Jika Anda menggunakan sampel resmi, Anda harus mengonfigurasi variabel lingkungan berikut:

      • MODEL_NAME: Wajib. Masukkan nama model yang Anda buat di Model Management.

      • SANDBOX_NAME: Opsional. Nama Sandbox yang Anda buat.

    3. Network configuration: Pilih jenis jaringan:

      Jenis jaringan

      Deskripsi

      PUBLIC

      NIC default diizinkan mengakses jaringan publik

      PRIVATE

      Hanya dapat diakses melalui VPC. Anda harus mengonfigurasi VPC, VSwitch, dan security group

      PUBLIC_AND_PRIVATE

      Mendukung akses publik dan VPC

      NONE

      Tidak ada akses jaringan

      Saat Anda memilih PRIVATE atau PUBLIC_AND_PRIVATE, pilih VPC, VSwitch (dukungan beberapa pilihan), dan Security Group dari daftar drop-down.

      Opsi: Aktifkan Fixed Public IP (memerlukan akses fitur).

    4. Log configuration

      Aktifkan Log Feature untuk menyimpan log operasional agent ke Simple Log Service. Anda dapat menentukan Log Project dan Logstore. Pilih Auto Config atau gunakan fitur One-click Config di Custom Config untuk menggunakan nilai default.

    5. Health check configuration

      Saat Anda Enable Health Check, Anda dapat mengonfigurasi parameter seperti Health Check Path (misalnya, /health), Health Check Interval (seconds), Timeout (seconds), dan Failure Threshold. Sistem secara berkala mengirim permintaan HTTP ke path yang ditentukan untuk memeriksa status layanan. Jika jumlah kegagalan berturut-turut mencapai ambang batas, sistem secara otomatis me-restart instans layanan, yang meningkatkan ketersediaan layanan dan menyediakan pemulihan kesalahan otomatis.

    Langkah 4: Konfigurasikan execution role sesuai kebutuhan

    Konfigurasi ini memberikan izin kepada kode agent Anda untuk mengakses layanan Alibaba Cloud lainnya, seperti layanan model dan OSS. AgentRun menggunakan execution role (peran RAM) untuk mengelola izin. Kode Anda mengasumsikan peran ini saat runtime untuk memperoleh izin operasi yang sesuai.

    Entitas tepercaya: Function Compute (fc.aliyuncs.com)

    Izin yang diperlukan: Tambahkan kebijakan berdasarkan layanan yang Anda gunakan.

    Operasi: Pilih peran dari daftar Execution Role ARN. Jika tidak ada peran yang sesuai, ikuti langkah-langkah berikut untuk menambahkannya.

    1. Klik tombol tambahimage di sebelah kanan daftar drop-down Execution Role ARN untuk membuka halaman RAM > Roles.

    2. Klik Create Role.

    3. Di halaman Create Role, atur Trusted Entity Type menjadi Alibaba Cloud Service.

    4. Untuk Trusted Service, pilih Function Compute/FC.

    5. Klik OK, masukkan Role Name, klik OK, dan lengkapi security authentication sesuai petunjuk.

    6. Setelah peran dibuat, Anda akan diarahkan ke halaman detail peran. Klik Add Permissions.

    7. Tambahkan kebijakan berdasarkan layanan yang Anda gunakan. Contoh kebijakan umum:

      • AliyunOSSFullAccess: Jika agent perlu menggunakan sumber daya di OSS, Anda harus mengonfigurasi izin untuk mengelola Object Storage Service (OSS).

      • AliyunAgentRunFullAccess: Jika Anda membuat agent menggunakan sampel resmi, Anda harus mengonfigurasi izin untuk mengelola layanan AgentRun.

      • AliyunDevsFullAccess: Izin untuk mengelola platform Serverless Devs.

    Langkah 5: Konfigurasikan kredensial akses

    Konfigurasikan kredensial untuk titik akhir agent, seperti API key, untuk melindungi agent Anda dari panggilan tidak sah. Kredensial dikelola dan diinjeksikan oleh Credential Management AgentRun.

    1. Di modul Access Credentials, klik Inbound: Access Credentials.

    2. Pilih mode kredensial:

      • No credentials (not recommended): Alamat panggilan agent dapat diakses secara anonim dari internet, yang menimbulkan risiko keamanan. Mode ini hanya untuk pengujian fungsional dan tidak boleh digunakan di lingkungan produksi.

      • <<<<<<< HEAD

        Gunakan kredensial yang sudah ada (direkomendasikan): Untuk menjaga keamanan Agen, kami merekomendasikan opsi ini. Pilih kredensial yang telah tersedia. Jika Anda belum memilikinya, klik ikon image dan lihat Credential Management untuk membuatnya.

        =======

        Use existing credentials (recommended): Untuk menjaga keamanan agent, kami merekomendasikan opsi ini. Pilih kredensial yang sudah ada. Jika Anda belum memilikinya, klik ikon image dan lihat Credential Management untuk membuatnya.

        >>>>>>> 5a60e6f (dokumen: memperbarui 265 file dari ICMS)

    Langkah 6: Selesaikan konfigurasi dan uji coba

    Setelah menyelesaikan langkah-langkah di atas, klik Start Deployment di pojok kanan atas untuk menyelesaikan pembuatan agent. Anda akan secara otomatis diarahkan ke halaman detail agent. Pilih Code and Debug dan uji coba agent di Debugging Tool.

    Langkah 7: Publikasikan versi dan lakukan rilis canary

    AgentRun mendukung manajemen versi dan rilis canary. Setelah melakukan perubahan pada prompt, tool, atau model agent, kami merekomendasikan agar Anda terlebih dahulu publish a version. Kemudian, create an endpoint dan enable a secondary version (canary release) untuk allocate sebagian kecil trafik ke versi baru. Pantau versi baru untuk memastikan stabilitas dan keandalannya. Secara bertahap tingkatkan persentase trafik hingga sepenuhnya online.

    1. Di panel navigasi sebelah kiri, pilih Versions and Canary Releases.

    2. Publish the current version: Klik Publish Version, masukkan Version Description yang menjelaskan perubahan dan fitur utama versi ini, lalu klik Publish Version.

    3. Create an endpoint:

      1. Masukkan Endpoint Name. Di daftar drop-down Primary Version, pilih nomor versi yang baru saja Anda publikasikan.

      2. Enable secondary version (canary release): Centang kotak Enable secondary version (canary release), pilih versi sekunder, dan konfigurasikan persentase Traffic Allocation untuk versi primer dan sekunder.

    Langkah selanjutnya

    Integrasikan agent ke aplikasi Anda

    Buka modul Integration and Publishing untuk mengintegrasikan agent ke halaman web frontend, aplikasi backend, dan layanan lainnya. Metode UI Integration, Code Integration, dan Ecosystem Integration didukung. Untuk informasi selengkapnya, lihat Agent Integration and Publishing.

    Aktifkan observabilitas agent

    Setelah membuat agent, konfigurasikan kemampuan observabilitas sesuai kebutuhan untuk debugging dan O&M selanjutnya.

    1. Lihat pemantauan infrastruktur: Diaktifkan secara default. Di panel navigasi sebelah kiri, pilih Observability > Infrastructure Monitoring untuk langsung melihat:

      • Jumlah panggilan, tingkat keberhasilan, dan latensi rata-rata/maksimum.

      • Tren panggilan dan kurva latensi untuk periode terbaru.

    2. Aktifkan pengumpulan log (direkomendasikan)

      • Di halaman detail agent, pilih Observability > Logs dari panel navigasi sebelah kiri.

      • Saat pertama kali membuka halaman ini, muncul pesan yang menunjukkan bahwa Logs are not enabled. Klik Click to enable logs.

      • Pilih metode konfigurasi:

        • Auto Config: Buat SLS Project dan Logstore default dengan satu klik. Cocok untuk integrasi cepat.

        • Custom Config: Pilih Project dan Logstore yang sudah ada. Cocok untuk manajemen log terpadu tingkat enterprise.

      • Setelah disimpan, log operasional agent secara otomatis ditulis ke Logstore yang sesuai. Anda dapat mencari, menganalisis, dan mengatur alert di konsol SLS.

    3. Hubungkan ke Application Monitoring dan Tracing Analysis (lanjutan, opsional)

      • Anda harus mengaktifkan ARMS saat pertama kali mengakses fitur ini. Di halaman Observability > Application Monitoring (atau Tracing Analysis), klik aktivasi satu klik.

      • Ikuti petunjuk atau lihat Agent LLM Observability untuk mempelajari cara mengintegrasikan pemantauan aplikasi dengan kode agent Anda. Ini mengaktifkan pemantauan aplikasi dan analisis tracing.

      • Setelah konfigurasi selesai, Anda dapat melihat metrik dan tren bisnis, seperti analisis konsumsi token dan analisis performa, di panel Application Monitoring. Di panel Tracing Analysis, Anda dapat melihat detail Span dan topologi panggilan untuk setiap permintaan guna dengan cepat menemukan permintaan lambat dan node abnormal.

    FAQ dan troubleshooting

    Q1: Saat memulai agent, log menampilkan ModuleNotFoundError: No module named 'xxx'.

    A: Ini adalah masalah khas dependensi Python yang hilang. Periksa hal berikut:

    1. Jika Anda menggunakan mode Upload Code Package, pastikan Anda mengikuti panduan di subbagian Prepare runtime dependencies pada bagian Persiapan untuk mengemas semua library dependensi ke direktori /python dalam paket kode.

    2. Jika dependensi mencakup ekstensi C/C++ dan lingkungan kompilasi kompleks, kami merekomendasikan beralih ke mode container image.

    Q2: Agent gagal dimulai, dan log menunjukkan error listening port atau timeout.

    A: Periksa kode Anda:

    1. Pastikan layanan web mendengarkan di 0.0.0.0 dan bukan di 127.0.0.1.

    2. Pastikan nomor port tempat kode mendengarkan sesuai dengan yang Anda konfigurasikan untuk Listening Port di konsol. Praktik terbaik adalah mengambil nomor port secara dinamis dari variabel lingkungan AGENT_PORT.

    Q3: Apakah templat resmi hanya tersedia untuk Python 3.10? Bagaimana cara memulai dengan bahasa lain?

    A: Ya, demikian. Templat sampel LangChain resmi saat ini hanya mendukung Python 3.10. Untuk runtime lainnya, seperti Node.js dan Java, Anda harus memilih mode high-code dan mengunggah paket kode kustom sendiri atau menggunakan custom image. Anda dapat merujuk pada sampel kode Python resmi dan memigrasikan logikanya ke bahasa dan framework pilihan Anda. Tugas utamanya adalah mengimplementasikan layanan HTTP yang memenuhi spesifikasi.