---

name: AI Agent Schema & Architecture Guide description: Panduan dan referensi skema untuk membangun AI Agent yang stateful dan cerdas, berdasarkan best practice LangGraph.

Agent Schema & Architecture Best Practices

Dokumen ini merangkum pola arsitektur (Pattern) dan skema memori untuk AI Agent modern, diambil dari standar industri (LangGraph/LangChain).

1. Core Concept: State Schema

Jantung dari Agent cerdas adalah State. State bukan hanya log chat, tapi struktur data yang mendefinisikan "isi otak" agent saat ini.

Schema Pattern (TypeScript/Zod)

Gunakan Zod untuk validasi runtime yang ketat.

Copyimport { z } from "zod";
import { MessagesZodState } from "@langchain/langgraph";

// Definisi Struktur Memori Agent
const AgentStateSchema = z.object({
    // 1. Short-term Memory (Chat History)
    messages: MessagesZodState.shape.messages,
    
    // 2. Context / User Profile (Long-term preference)
    userProfile: z.object({
        name: z.string().optional(),
        preference: z.enum(["verbose", "concise"]).default("concise"),
        technicalLevel: z.number().min(1).max(5)
    }),

    // 3. Task State (Apa yang sedang dikerjakan?)
    currentTask: z.object({
        id: z.string(),
        status: z.enum(["planning", "execution", "review"]),
        steps: z.array(z.string()),
        currentStepIndex: z.number()
    }).nullable(),

    // 4. Scratchpad (Coreat-coretan internal agent)
    thoughts: z.array(z.string()).describe("Internal monologue or reasoning steps")
});

// Type inference
type AgentState = z.infer<typeof AgentStateSchema>;

2. Architecture: StateGraph vs Linear Chain

Jangan buat agent yang hanya berjalan lurus (A -> B -> C). Gunakan State Machine (Graph).

Node Structure

Agent harus dibagi menjadi node-node spesifik:

• Planner Node: Menganalisa request dan memecah menjadi langkah-langkah (update currentTask).
• Worker Node: Mengeksekusi langkah spesifik (menggunakan Tools).
• Reviewer Node: Memeriksa hasil Worker. Jika gagal, kembalikan ke Worker. Jika sukses, lanjut.

Copygraph TD
    UserInput --> Planner
    Planner --> Worker
    Worker --> Reviewer
    Reviewer -- "Approved" --> FinalAnswer
    Reviewer -- "Needs Fix" --> Worker

3. Implementation Checklist

Saat membangun Agent baru:

1. Define State: Apa saja data yang harus diingat agent antar-langkah?
2. Define Nodes: Siapa saja "spesialis" yang terlibat? (Coder, QA, Writer?)
3. Define Edges: Kapan harus pindah dari node A ke B? (Conditional Logic)
4. Memory Persistence: Gunakan Checkpointer (seperti SQLite/Postgres) agar agent "ingat" sesi sebelumnya jika server restart.

4. Referensi Code (LangGraph Style)

Copyconst graph = new StateGraph({
    channels: AgentStateSchema
})
.addNode("planner", plannerFunction)
.addNode("worker", workerFunction)
.addNode("reviewer", reviewerFunction)
.addEdge("planner", "worker")
.addConditionalEdges("reviewer", (state) => {
    return state.qualityScore > 80 ? "end" : "worker";
})
.compile();

---

Referensi: LangGraph Documentation (Context7)