AI Agent dengan Agno — Panduan Build & Deploy

Agno adalah SDK dan runtime open-source untuk membangun platform agent AI kamu sendiri. Ketika dipadukan dengan Neosantara sebagai native model provider, kamu mendapatkan platform agent siap produksi dengan akses ke model-model terbaik melalui gateway AI tercepat di Indonesia.

Di panduan ini, kita akan menjelajahi arsitektur Agno, membangun agent langkah demi langkah, dan menunjukkan bagaimana Neosantara membuat setiap bagian menjadi lebih baik — dari tool calling dan knowledge retrieval hingga multi-agent team dan deployment produksi.

Pasar AI agent diproyeksikan mencapai $10,9 miliar di tahun 2026, menjadikan ini waktu yang tepat untuk berinvestasi dalam stack agent yang siap produksi (MarketsandMarkets, "AI Agents Market Report," 2026).

#Apa itu Agno?

Agno menyediakan tiga lapisan:

1. Agno SDK — Bangun agent, multi-agent team, dan workflow berbasis langkah
2. AgentOS Runtime — Jalankan agent sebagai service dengan isolasi multi-user, tracing, scheduling, RBAC, dan audit log
3. Control Plane — Kelola semuanya dari UI terpadu

Blok bangunan utamanya adalah Agent: sebuah loop stateful di sekitar model bahasa yang bisa menggunakan tools, menjaga memori, mencari knowledge base, dan melakukan streaming respons.

#Kenapa Agno + Neosantara?

Neosantara tersedia sebagai native model provider Agno melalui agno.models.neosantara.Neosantara. Artinya:

• Tanpa wiring kustom — Gunakan model Neosantara di dalam agent Agno tanpa membangun adapter OpenAI-compatible
• Pilihan model — Pilih dari katalog Neosantara: Claude Opus 4.6, Gemini 3 Flash, Kimi K2, Archipelago 70B, dan lainnya
• Latensi rendah — Gateway lokal Neosantara menjaga waktu respons agent tetap cepat
• Tagihan Rupiah — Bayar dalam IDR dengan harga transparan
• Akses fitur penuh — Tools, streaming, knowledge, teams, dan workflow semua berfungsi langsung

#Memulai

#Instalasi

pip install -U agno

#Autentikasi

Setel API key Neosantara sebagai environment variable:

export NEOSANTARA_API_KEY="nsk_..."

Native provider menggunakan https://api.neosantara.xyz/v1 secara default. Kamu juga bisa mengirim api_key atau base_url langsung ke Neosantara(...) jika perlu konfigurasi runtime eksplisit.

Untuk routing request lintas beberapa provider, lihat panduan integrasi LiteLLM kami.

#Agent Pertamamu

from agno.agent import Agent
from agno.models.neosantara import Neosantara

agent = Agent(
    model=Neosantara(id="claude-opus-4-6"),
    markdown=True,
)

agent.print_response("Jelaskan apa itu AI gateway dalam dua kalimat.")

Selesai. Setiap fitur Agno — tools, knowledge, streaming, teams — dibangun di atas fondasi ini.

#Fitur Inti

#1. Agent dengan Tools

Tools memungkinkan agent berinteraksi dengan sistem eksternal. Agno hadir dengan 120+ toolkit bawaan — atau kamu bisa membuat sendiri.

from agno.agent import Agent
from agno.models.neosantara import Neosantara
from agno.tools.duckduckgo import DuckDuckGoTools

agent = Agent(
    model=Neosantara(id="claude-opus-4-6"),
    tools=[DuckDuckGoTools()],
    instructions=[
        "Cari hanya ketika jawaban membutuhkan informasi terkini.",
        "Sebutkan sumber yang paling relevan.",
    ],
    markdown=True,
)

agent.print_response(
    "Apa yang berubah di ekosistem AI Indonesia baru-baru ini?",
    stream=True,
)

Tools kustom adalah fungsi Python sederhana. Agno secara otomatis mengubahnya menjadi definisi tool yang kompatibel dengan model:

import random
from agno.agent import Agent
from agno.models.neosantara import Neosantara
from agno.tools import tool

def get_weather(city: str) -> str:
    """Dapatkan cuaca untuk kota tertentu.

    Args:
        city: Kota yang ingin dicek cuacanya.
    """
    conditions = ["cerah", "berawan", "hujan", "berangin"]
    return f"Cuaca di {city} sedang {random.choice(conditions)}."

agent = Agent(
    model=Neosantara(id="claude-opus-4-6"),
    tools=[get_weather],
    markdown=True,
)

agent.print_response("Bagaimana cuaca di Jakarta hari ini?")

#2. Streaming

Untuk dashboard, antarmuka chat, dan terminal assistant, aktifkan streaming:

agent.print_response(
    "Buat daftar respons insiden untuk outage API.",
    stream=True,
)

Untuk produksi, gunakan agent.run() dengan streaming:

from typing import Iterator
from agno.agent import RunOutputEvent, RunEvent

stream: Iterator[RunOutputEvent] = agent.run(
    "Analisis log server ini untuk mencari error.",
    stream=True,
)
for chunk in stream:
    if chunk.event == RunEvent.run_content:
        print(chunk.content, end="")

#3. Knowledge & RAG

Knowledge memberi agent akses ke dokumen, database, dan keahlian domain. Ini mengubah mereka dari sistem statis menjadi sistem yang belajar.

from agno.agent import Agent
from agno.knowledge import Knowledge
from agno.vectordb.chroma import ChromaDb
from agno.models.neosantara import Neosantara

knowledge = Knowledge(
    vector_db=ChromaDb(
        collection="company-docs",
        path="tmp/chromadb",
    ),
)

knowledge.insert(url="https://docs.neosantara.xyz/id/agno")

agent = Agent(
    model=Neosantara(id="gemini-3-flash"),
    knowledge=knowledge,
    search_knowledge=True,
)

agent.print_response("Bagaimana cara setup Neosantara di Agno?")

Agno mendukung 20+ vector database — dari lokal (LanceDB, ChromaDB) hingga managed (Pinecone, Weaviate, Qdrant).

Agentic RAG adalah mode default: agent memutuskan kapan perlu mencari knowledge base. Kamu juga bisa menggunakan Traditional RAG untuk selalu menyuntikkan konteks.

#4. Multi-Agent Teams

Agent tunggal cepat mencapai batasnya. Teams memungkinkan kamu mendistribusikan pekerjaan ke agent yang terspesialisasi.

from agno.team import Team
from agno.agent import Agent
from agno.models.neosantara import Neosantara

researcher = Agent(
    name="Researcher",
    model=Neosantara(id="claude-opus-4-6"),
    instructions="Riset topik secara menyeluruh dan berikan temuan.",
    tools=[DuckDuckGoTools()],
)

writer = Agent(
    name="Writer",
    model=Neosantara(id="gemini-3-flash"),
    instructions="Tulis artikel yang jelas berdasarkan riset.",
)

team = Team(
    name="Content Team",
    mode="coordinate",
    members=[researcher, writer],
    model=Neosantara(id="claude-opus-4-6"),
)

team.print_response("Tulis tentang tren AI terbaru di Indonesia.")

Mode tim mengontrol cara kolaborasi bekerja:

Tim juga bisa bersarang — sebuah tim bisa berisi tim lain — memberikan hierarki yang kuat untuk aplikasi kompleks.

#5. Workflows

Workflow mengorkestrasi agent, tim, dan fungsi melalui langkah-langkah yang ditentukan. Berbeda dengan Teams (yang berkolaborasi secara dinamis), Workflows mengikuti urutan yang dapat diprediksi.

from agno.workflow import Workflow
from agno.agent import Agent
from agno.models.neosantara import Neosantara

research_agent = Agent(
    name="Researcher",
    model=Neosantara(id="claude-opus-4-6"),
    tools=[DuckDuckGoTools()],
)

writing_agent = Agent(
    name="Writer",
    model=Neosantara(id="gemini-3-flash"),
)

content_flow = Workflow(
    name="Content Pipeline",
    steps=[research_agent, writing_agent],
)

content_flow.print_response("Riset dan tulis tentang regulasi AI.")

Langkah bisa berjalan secara berurutan, paralel, dalam loop, atau kondisional — memberikan kontrol penuh atas alur eksekusi.

#6. Memory & Sessions

Agent Agno mempertahankan state persisten di seluruh percakapan. Ini penting untuk membangun asisten yang mengingat konteks.

from agno.agent import Agent
from agno.models.neosantara import Neosantara
from agno.db.sqlite import SqliteDb

agent = Agent(
    model=Neosantara(id="claude-opus-4-6"),
    session_state={"preferred_language": "Python"},
    db=SqliteDb(db_file="tmp/agents.db"),
    add_history_to_messages=True,
)

agent.print_response("Bahasa pemrograman apa yang saya suka?")

State sesi bertahan di seluruh eksekusi, memungkinkan percakapan panjang dengan konteks penuh.

#7. AgentOS — Runtime Produksi

Ketika agentmu siap untuk produksi, AgentOS mengubahnya menjadi API terkelola:

• Isolasi multi-user — Setiap sesi berjalan di sandbox-nya sendiri
• Tracing — Observabilitas penuh ke dalam keputusan agent
• Scheduling — Jalankan agent pada jadwal seperti cron
• RBAC — Kontrol akses berbasis peran untuk anggota tim
• Audit log — Jejak lengkap semua aktivitas agent

Datamu tetap di infrastrukturmu. Sesi, memori, dan jejak disimpan di databasemu sendiri.

#Panduan Pemilihan Model

Pilih model Neosantara berdasarkan tugas agent:

#Kapan Menggunakan Agno

#Kesimpulan

Agno memberi kamu platform lengkap untuk membangun AI agent — dari prototipe agent tunggal hingga multi-agent team yang berjalan di produksi. Dengan Neosantara sebagai native model provider, kamu mendapatkan model terbaik melalui gateway lokal dengan harga Rupiah, tanpa perlu wiring kustom.

Kombinasinya sangat kuat: runtime agent Agno + katalog model Neosantara + gateway AI tercepat di Indonesia. Mulailah dari yang kecil dengan agent dasar, tambahkan tools dan knowledge seiring kebutuhanmu bertambah, dan skalakan ke teams dan workflow saat kamu siap — semuanya tanpa mengganti model provider.

#Pertanyaan yang Sering Diajukan

#Berapa biaya Neosantara untuk pengembangan Agno?

Neosantara menawarkan free tier dengan kredit Rp 10.000 untuk memulai — cukup untuk membangun dan menguji agent pertamamu. Setelah itu, tarif per-token dengan tagihan Rupiah dan tanpa biaya tersembunyi. Kamu hanya membayar apa yang kamu gunakan di semua model di katalog. Lihat halaman harga Neosantara untuk tarif terkini.

#Bisakah saya menggunakan Agno dengan provider lain bersama Neosantara?

Bisa. Agno bersifat model-agnostic — kamu bisa mencampur Neosantara, OpenAI, Anthropic, dan model lokal dalam satu tim atau workflow. Nilai Neosantara adalah menyederhanakan akses multi-provider melalui satu API key dan gateway lokal. Untuk lebih lanjut tentang routing multi-provider, lihat panduan integrasi LiteLLM kami.

#Apakah Agno siap untuk beban kerja produksi?

Ya. AgentOS Agno menyediakan isolasi multi-user, tracing, scheduling, RBAC, dan audit log — semua yang dibutuhkan untuk deployment produksi. Data tetap di infrastrukturmu; sesi, memori, dan jejak disimpan di database milikmu sendiri. Dipadukan dengan API produksi-grade Neosantara, stack ini dibangun untuk beban kerja nyata.

#Cara tercepat untuk memulai?

Instal Agno (pip install -U agno), setel API key Neosantara, dan jalankan contoh "Agent Pertamamu" di atas. Total waktu: kurang dari 5 menit. Untuk panduan lebih mendalam, lihat dokumentasi Neosantara Agno.

#Referensi Sumber

1. MarketsandMarkets, "AI Agents Market Report," 2026. Diambil 20 Juni 2026 dari https://www.marketsandmarkets.com/Market-Reports/ai-agents-market-15761548.html
2. Dokumentasi Agno — "Tools Overview." Diambil 20 Juni 2026 dari https://docs.agno.com/tools
3. Dokumentasi Agno — "Knowledge Base Overview." Diambil 20 Juni 2026 dari https://docs.agno.com/knowledge/overview
4. Dokumentasi Neosantara — "Agno Integration Reference." Diambil 20 Juni 2026 dari https://docs.neosantara.xyz/id/agno